Διπλωματικές Εργασίες

Σκοπός της διπλωματικής εργασίας είναι η μελέτη, ο σχεδιασμός, η κατασκευή και η αξιολόγηση ενός μικρού υποβρύχιου ρομπότ (Mini ROV/AUV) χαμηλού κόστους, κατάλληλου για εφαρμογές επιθεώρησης και περιβαλλοντικής παρακολούθησης σε λίμνες, ποτάμια, λιμάνια και παράκτιες περιοχές.

Η εργασία περιλαμβάνει τον σχεδιασμό του μηχανικού μέρους του ρομπότ, την επιλογή και ενσωμάτωση υποβρύχιων κινητήρων (thrusters), στεγανού περιβλήματος, μπαταρίας, αισθητήρων (IMU, αισθητήρα πίεσης, θερμοκρασίας κ.ά.) και υποβρύχιας κάμερας. Θα αναπτυχθεί το απαραίτητο λογισμικό ελέγχου, ώστε το ρομπότ να μπορεί να εκτελεί βασικές κινήσεις, να συλλέγει δεδομένα και να μεταδίδει εικόνα ή μετρήσεις στον χειριστή.

Ρομποτική Όραση

Manos, Nikolaos, and Ergina Kavallieratou. "Underwater Robotics: Challenges and Solutions." (2025).

H ανάπτυξη ενός συνόλου κανόνων και απαραίτητων περιγραφών για τον έλεγχο εφαρμογών τεχνητής νοημοσύνης σύμφωνα με το EU AU Act 

Η εργασία περιλαμβάνει τα εξής:

- Αποδελτίωση του EU AI Act και ειδικά των κατηγοριών εφαρμογών ΑΙ που προβλέπει

- Μελέτη ανάλογων πλαισίων και εφαρμογών πιστοποίησης

- Προδιαγρφή των ελέγχων που πρέπει να γίνουν για την πιστοποίηση μίας εφαρμογής ΑΙ με βάση το AI Act

- Προδιαγραφή των περιγραφών που πρέπει να διαθέτει μία εφαρμογή ώστε να είναι ελέγξιμη με βάση το πλαίσιο

- Πιλοτική εφαρμογή σε 3 εφαρμογές ΑΙ

- Ανάπτυξη πίνακα ελέγχου προδιαγραφών σε XLS  

- ΗΔ Ι 

- ΗΔ ΙΙ

- Πλαίσιο Διαλειτουργικότητας

Πλαίσια ΠΙστοποίησης 

eu ai act : https://artificialintelligenceact.eu/

Confirmity assessment tools: https://www.google.com/search?q=eu+ai+act+certification+conformity+assessment+tools&sca_esv=e9ea40622f6d2cac&sca_upv=1&sxsrf=ADLYWIKtplD-gBwyVTkIhPKzDlaf1oc-eg%3A1726660491195&ei=i7_qZoPCC9i6i-gPgufFyA0&ved=0ahUKEwjDs-bJt8yIAxVY3QIHHYJzEdkQ4dUDCA8&uact=5&oq=eu+ai+act+certification+conformity+assessment+tools&gs_lp=Egxnd3Mtd2l6LXNlcnAiM2V1IGFpIGFjdCBjZXJ0aWZpY2F0aW9uIGNvbmZvcm1pdHkgYXNzZXNzbWVudCB0b29sczIFECEYoAFIzw1QmAJYuAxwAXgBkAEAmAG3AaAB9wWqAQMwLja4AQPIAQD4AQGYAgegAogGwgIKEAAYsAMY1gQYR8ICBRAhGJ8FwgIEECEYFZgDAIgGAZAGCJIHAzEuNqAHxyU&sclient=gws-wiz-serp

Η διπλωματική αυτή εργασία έχει ως στόχο την ανάπτυξη μιας πλατφόρμας ανάλυσης δεδομένων που θα συγκεντρώνει και θα αναλύει δεδομένα από φορητές συσκευές, για την παροχή πληροφοριών σχετικά με τη γνωστική κατάσταση των χρηστών.

Η πλατφόρμα θα συλλέγει δεδομένα από εφαρμογές που παρακολουθούν τη συμπεριφορά του χρήστη (GPS, μικρόφωνο, πληκτρολόγηση, επιτάχυνση, και μοτίβα ύπνου) και θα τα αναλύει για να ανιχνεύσει πρώιμα σημάδια γνωστικής εξασθένησης. Αυτή η ανάλυση μπορεί να παρέχει χρήσιμες πληροφορίες στους φροντιστές και τους επαγγελματίες υγείας σχετικά με τη γνωστική κατάσταση του χρήστη και την ανάγκη περαιτέρω αξιολόγησης. Η ανάπτυξη της πλατφόρμας θα περιλαμβάνει εργαλεία επεξεργασίας δεδομένων όπως Python και SQL, καθώς και εισαγωγή σε αλγόριθμους πρόβλεψης και ανάλυσης μοτίβων.

• Εισαγωγή στον Προγραμματισμό
• Εισαγωγή στις Βάσεις Δεδομένων
• Ανάλυση Δεδομένων

• Γνώση γλωσσών προγραμματισμού (Python, SQL)
• Γενικές γνώσεις σχετικά με την ανάλυση δεδομένων και την επεξεργασία σημάτων
• Εισαγωγικές γνώσεις μηχανικής μάθησης

Rak, G. (2024). The Shrink in Your Pocket. IEEE Spectrum, 61(7), 42-47.

https://spectrum.ieee.org/mood-tracker

Ενσωμάτωση EEG (cognitive load) και PPG (καρδιακός παλμός) για εντοπισμό νοητικής κόπωσης με πολυτροπική ανάλυση σημάτων.

Θα χρησιμοποιηθεί ο Muse 2 για συλλογή EEG σημάτων + καρδιακού παλμού (PPG). Το πείραμα θα περιλαμβάνει δύο φάσεις:

1. Χαλάρωση (baseline, 5–7 λεπτά)

2. Νοητική κόπωση με εκτέλεση N-back memory test ή Stroop test για 25–30 λεπτά.

Τα δεδομένα θα συλλεχθούν μέσω Muse Research Tools (Muse Monitor + API export) και θα γίνει εξαγωγή χαρακτηριστικών EEG (Theta/Beta ratio) + HRV (RMSSD, LF/HF). Θα εφαρμοστεί Machine Learning classification (binary).

Προγραμματισμός (Python ή Java)

Ανάλυση Σημάτων

Αρχές Τεχνητής Νοημοσύνης ή Μηχανικής Μάθησης

Βασικός προγραμματισμός

Θεμελιώδεις έννοιες Επεξεργασίας Σημάτων

Εισαγωγή στο Machine Learning

Jaiswal, A., Zadeh, M. Z., Hebri, A., & Makedon, F. (2022). Assessing fatigue with multimodal wearable sensors and machine learning. arXiv preprint arXiv:2205.00287.

Karim, E., Pavel, H. R., Jaiswal, A., Zadeh, M. Z., Theofanidis, M., Wylie, G., & Makedon, F. (2023, July). An EEG-based cognitive fatigue detection system. In Proceedings of the 16th international conference on pervasive technologies related to assistive environments (pp. 131-136).

Κατηγοριοποίηση συναισθηματικών καταστάσεων (θετικό–ουδέτερο–αρνητικό συναίσθημα) με βάση ECG και HRV χαρακτηριστικά.

Θα γίνει πείραμα με συμμετέχοντες όπου θα προκαλείται συναίσθημα μέσω video stimuli (π.χ. DEAP dataset protocol). Θα συλλεχθούν ECG δεδομένα από τον Polar H10 και θα εξαχθούν HRV χαρακτηριστικά. Στη συνέχεια θα εκπαιδευτεί μοντέλο Machine Learning (π.χ. SVM ή Gradient Boosting) για ταξινόμηση των συναισθηματικών καταστάσεων.

Προγραμματισμός, Ανάλυση Σημάτων, Μηχανική Μάθηση

Python ή Matlab, βασική στατιστική

Kumar, A., & Kumar, A. (2025). Human emotion recognition using machine learning techniques based on the physiological signal. Biomedical Signal Processing and Control, 100, 107039.

Kocaleva, M., Stojanova, A., Koceska, N., & Koceski, S. (2025). Emotion Detection from Physiological Markers Using Machine Learning. Informatica, 49(21), 29-44.

Στόχος της διπλωματικής είναι να δημιουργήσει μια υποδομή για το deployment του Wazuh, την κανονικοποίηση των logs (log parsing) και τη δημιουργία κανόνων ανίχνευσης.

Στο πλαίσιο αυτής της εργασίας θα αξιοποιηθεί η Terraform για την αυτοματοποίηση του κύκλου ζωής ενός εργαλείου SIEM. Ως εργαλείο θα υιοθετηθεί το Wazuh. Η εργασία περιλαμβάνει πρακτική εφαρμογή στην υποδομή του Παν. Αιγαίου.

Διοίκηση Ασφάλειας Πληροφοριακών Συστημάτων

Βασικές γνώσεις ασφάλειας πληροφοριών και εξοικοίωση με τη διαχείριση συστημάτων.

https://medium.com/@ismapersonal97/automating-wazuh-deployments-with-docker-and-terraform-from-lab-to-real-world-environments-0d5ba450b1b9

Ανάπτυξη έξυπνης εφαρμογής με χρήση ανοιχτών δεδομένων.

Περαιτέρω ανάπτυξη της εφαρμογής propFinder που παρουσιάστηκε στο διαγωνισμό BoG Datathon 2023.

Συνδυασμός διαφορετικών συνόλων ανοιχτών δεδομένων

Αξιολόγηση των συνόλων ανοιχτών δεδομένων (επίπεδο εφαρμογής κτλ)

Δημιουργία της εφαρμογής.

- Διαχείριση Ανοιχτών, διασθνδεδεμένων και μεγάλων δεδομένων

- Business Analytics

- Ανάπτυξη εφαρμογών

- Ανάλυση δεδομένων

- Οπτικοποίηση

Seljan, S., Viličić, M., Nevistić, Z., Dedić, L., Grubišić, M., Cibilić, I., ... & Alexopoulos, C. (2022). Open Data as a Condition for Smart Application Development: Assessing Access to Hospitals in Croatian Cities. Sustainability, 14(19), 12014.

Φάκελος: https://1drv.ms/f/s!Av-aS0paP9KvimEMI3LMIVqwbB8G?e=yYTeoj

Η εργασία στοχεύει στην αξιολόγηση των διαδικτυακών ιστοτόπων Ελληνικών δήμων. Θα αξιολογηθούν οι διαδικτυακοί τόποι του μεγαλύτερου δήμου της κάθε περιφερειακής ενότητας (74).

Για την πραγματοποίηση της εργασίας θα χρησιμοποιηθεί το εργαλείο αξιολόγησης ‘Local Online Service Index (LOSI)’ για την αξιολόγηση διαδικτυακών τόπων ελληνικών δήμων. Θα πραγματοποιηθεί ανάλυση των αποτελεσμάτων αξιολόγησης και σύγκριση με τα αντίστοιχα διεθνή δεδομένα που παρέχονται στην έκθεση ηλεκτρονικής διακυβέρνησης των Ηνωμένων Εθνών (United Nations e-Government Survey) για την εξαγωγή συμπερασμάτων σχετικά με τις τάσεις και τα χαρακτηριστικά των δημοτικών διαδικτυακών τόπων. Η εργασία περιλαμβάνει την επιλογή των χαρακτηριστικών των δήμων που θα αξιολογηθούν. Στη συνέχεια θα πραγματοποιηθεί αξιολόγηση των διαδικτυακών τόπων με χρήση του εργαλείου LOSI.

Η στατιστική επεξεργασία είναι επιπέδου στατιστικού φύλλου (π.χ. EXCEL).

• Ηλεκτρονική Διακυβέρνηση Ι
• Ηλεκτρονική Διακυβέρνηση ΙΙ

• Βιβλιογραφική έρευνα
• Έρευνα με ερωτηματολόγια
• Στατιστική ανάλυση 

https://publicadministration.un.org/egovkb/en-us/About/E-Government-at-Local-Level/Application-of-LOSI-methodology-in-countries

https://www.un.org/development/desa/publications/publication/2020-united-nations-e-government-survey

Η εργασία στοχεύει στην αξιολόγηση των διαδικτυακών ιστοτόπων Ελληνικών νοσοκομείων μέσω ενός ήδη αναπτυγμένου πλαισίου αξιολόγησης.

Για την πραγματοποίηση της εργασίας θα χρησιμοποιηθεί το εργαλείο αξιολόγησης ‘Health Sector Website Assessment (HSWAI)’ για την αξιολόγηση διαδικτυακών
τόπων ελληνικών νοσοκομείων. Θα πραγματοποιηθεί ανάλυση των αποτελεσμάτων αξιολόγησης και σύγκριση με αντίστοιχη μελέτη που έχει πραγματοποιθεί στην
Πορτογαλία για την εξαγωγή συμπερασμάτων σχετικά με τις τάσεις και τα χαρακτηριστικά των διαδικτυακών τόπων των νοσοκομείων. Η εργασία περιλαμβάνει
την επιλογή των χαρακτηριστικών των νοσοκομείων που θα αξιολογηθούν.

• Ηλεκτρονική Διακυβέρνηση Ι
• Ηλεκτρονική Διακυβέρνηση ΙΙ

• Η στατιστική επεξεργασία είναι επιπέδου στατιστικού φύλλου (π.χ. EXCEL).
• Βιβλιογραφική έρευνα.
• Στατιστική ανάλυση.

1. Sarantis, D., Soares, D., & Carvalho, J. (2020, September). HSWAI: a health sector website assessment instrument. In Proceedings of the 13th International Conference on Theory and Practice of Electronic Governance (pp. 359-368).
2. Sarantis, D., & Soares, D. (2019, April). Developing Health Sector Website Assessment Instrument: Outcomes from Portuguese Hospitals. In 2019 Sixth International Conference on eDemocracy & eGovernment (ICEDEG) (pp. 120-127). IEEE.

Η εργασία στοχεύει στην αξιολόγηση των διαδικτυακών ιστοτόπων Ελληνικών νοσοκομείων μέσω ενός ήδη αναπτυγμένου πλαισίου αξιολόγησης.

Για την πραγματοποίηση της εργασίας θα χρησιμοποιηθεί το εργαλείο αξιολόγησης ‘Health Sector Website Assessment (HSWAI)’ για την αξιολόγηση διαδικτυακών
τόπων ελληνικών νοσοκομείων. Θα πραγματοποιηθεί ανάλυση των αποτελεσμάτων αξιολόγησης και σύγκριση με αντίστοιχη μελέτη που έχει πραγματοποιθεί στην
Πορτογαλία για την εξαγωγή συμπερασμάτων σχετικά με τις τάσεις και τα χαρακτηριστικά των διαδικτυακών τόπων των νοσοκομείων. Η εργασία περιλαμβάνει
την επιλογή των χαρακτηριστικών των νοσοκομείων που θα αξιολογηθούν.

• Ηλεκτρονική Διακυβέρνηση Ι
• Ηλεκτρονική Διακυβέρνηση ΙΙ

• Η στατιστική επεξεργασία είναι επιπέδου στατιστικού φύλλου (π.χ. EXCEL).
• Βιβλιογραφική έρευνα.
• Στατιστική ανάλυση.

1. Sarantis, D., Soares, D., & Carvalho, J. (2020, September). HSWAI: a health sector website assessment instrument. In Proceedings of the 13th International Conference on Theory and Practice of Electronic Governance (pp. 359-368).
2. Sarantis, D., & Soares, D. (2019, April). Developing Health Sector Website Assessment Instrument: Outcomes from Portuguese Hospitals. In 2019 Sixth International Conference on eDemocracy & eGovernment (ICEDEG) (pp. 120-127). IEEE.

Το ερευνητικό αυτό θέμα επικεντρώνεται στην αξιολόγηση των ιστοτόπων των Κοινοβουλίων ως βασικών εργαλείων διαφάνειας, δημόσιας συμμετοχής και πρόσβασης στη νομοθετική πληροφορία.

Η έρευνα εξετάζει παράγοντες όπως η χρηστικότητα, η προσβασιμότητα, η ποιότητα και πληρότητα του περιεχομένου, η πολυγλωσσική υποστήριξη και η συμμόρφωση με πρότυπα ανοικτής διακυβέρνησης και ψηφιακής δημοκρατίας. Περιλαμβάνει επίσης συγκριτικές μελέτες περιπτώσεων για την αποτίμηση της πληροφόρησης και της αλληλεπίδρασης που προσφέρουν οι ιστοσελίδες στο κοινό.

- egov I & II

- interop

- βιβλιογραφική έρευνα 

- δημιουργία πλασίου ανάλυσης

• Shahi, G. K., Tessa, B., Trujillo, A., Cresci, S. TAPAS: A Pattern-Based Approach to Assessing Government Transparency (2025) — εργαλείο αξιολόγησης διαφάνειας που μπορεί να εφαρμοστεί και σε κοινοβουλευτικούς ιστότοπους.

• Fire, M. Open framework for analyzing public parliaments data (2023) — πλαίσιο για ανάλυση δεδομένων κοινοβουλίων και χαρακτηριστικών ιστοτόπων.

• Dommett, K. Information vs Engagement in parliamentary websites – a case study of Brazil and the UK (2025) — συγκριτική μελέτη περιεχομένου και αλληλεπίδρασης σε ιστοτόπους κοινοβουλίων.

• United Nations. United Nations e-Government Survey: Website Assessment Tool (2022) — εργαλείο αξιολόγησης ιστοτόπων για την καταγραφή και ανάλυση της ψηφιακής διακυβέρνησης και της προσβασιμότητας των ιστοσελίδων, χρησιμοποιούμενο σε διάφορους οργανισμούς και κοινοβούλια παγκοσμίως. (unpan.un.org.)

·      Μελέτη των τεχνολογιών IoT και των έξυπνων αισθητήρων για εφαρμογές υγείας και αθλητισμού.

·      Διερεύνηση αλγορίθμων Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης για ανάλυση βιομετρικών δεδομένων.

·      Αξιολόγηση φορετών συσκευών (smart watches, fitness trackers, biosensors).

·      Ανάπτυξη ή αξιολόγηση μοντέλων πρόβλεψης υγείας και αθλητικής απόδοσης.

·      Μελέτη ζητημάτων ιδιωτικότητας, ασφάλειας και προστασίας προσωπικών δεδομένων.

·      Διερεύνηση της χρήσης Generative AI και LLMs για παροχή εξατομικευμένων συστάσεων υγείας και άσκησης.

Η συνεχής ανάπτυξη των τεχνολογιών Τεχνητής Νοημοσύνης (Artificial Intelligence - AI) και Διαδικτύου των Πραγμάτων (Internet of Things - IoT) δημιουργεί νέες δυνατότητες για την παρακολούθηση, ανάλυση και βελτιστοποίηση της ανθρώπινης υγείας και αθλητικής απόδοσης. Η χρήση έξυπνων αισθητήρων, φορετών συσκευών (wearables), κινητών εφαρμογών και προηγμένων αλγορίθμων μηχανικής μάθησης επιτρέπει τη συλλογή και επεξεργασία δεδομένων σε πραγματικό χρόνο, παρέχοντας εξατομικευμένες υπηρεσίες υποστήριξης λήψης αποφάσεων.

Η διπλωματική εργασία στοχεύει στη μελέτη και αξιολόγηση σύγχρονων τεχνολογιών AI και IoT για εφαρμογές που αφορούν την υγεία, την ευεξία, την πρόληψη ασθενειών, την παρακολούθηση φυσικής δραστηριότητας και τη βελτίωση της αθλητικής απόδοσης.

Ενδεικτικές Περιοχές Εφαρμογής

Υγεία

·      Παρακολούθηση καρδιακών παλμών και ζωτικών σημείων.

·      Έγκαιρη ανίχνευση προβλημάτων υγείας.

·      Υποστήριξη ηλικιωμένων και ευπαθών ομάδων.

·      Τηλεϊατρική και απομακρυσμένη παρακολούθηση ασθενών.

·      Ψηφιακή υγεία και έξυπνα συστήματα φροντίδας.

Αθλητισμός

·      Παρακολούθηση φυσικής δραστηριότητας.

·      Ανάλυση αθλητικής απόδοσης.

·      Πρόληψη τραυματισμών.

·      Εξατομικευμένα προγράμματα προπόνησης.

·      Real-time coaching με χρήση AI.

AI και IoT

·      Wearable Computing.

·      Edge AI.

·      Predictive Analytics.

·      Federated Learning.

·      Digital Twins για υγεία και αθλητισμό.

·      Generative AI Assistants για υποστήριξη αθλητών και επαγγελματιών υγείας.

Μεθοδολογία

Η εργασία μπορεί να περιλαμβάνει:

·      Βιβλιογραφική ανασκόπηση της διεθνούς βιβλιογραφίας.

·      Μελέτη υπαρχόντων συστημάτων και πλατφορμών.

·      Συλλογή και ανάλυση δεδομένων από αισθητήρες ή δημόσια σύνολα δεδομένων.

·      Ανάπτυξη και αξιολόγηση μοντέλων μηχανικής μάθησης.

·      Μελέτη περίπτωσης σε περιβάλλον υγείας ή αθλητισμού.

·      Συγκριτική αξιολόγηση τεχνολογικών λύσεων.

Μηχανική Μάθηση

Δίκτυα

·      Βασικές γνώσεις Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης.

·      Βασικές γνώσεις Δικτύων και Internet of Things.

·      Εξοικείωση με ανάλυση δεδομένων και προγραμματισμό.

·      Ενδιαφέρον για εφαρμογές ψηφιακής υγείας και αθλητικής τεχνολογίας.

Βιβλιογραφία για Διπλωματική Εργασία: AI, IoT, Υγεία και Αθλητισμός

·       Russell & Norvig – Artificial Intelligence: A Modern Approach

·       Goodfellow, Bengio & Courville – Deep Learning

·       Géron – Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow

·       Chip Huyen – Designing Machine Learning Systems

·       Bahga & Madisetti – Internet of Things: A Hands-On Approach

·       Buyya & Dastjerdi – Internet of Things: Principles and Paradigms

·       Gubbi et al. – Internet of Things: A Vision, Architectural Elements and Future Directions

·       Topol – Deep Medicine

·       Esteva et al. – A Guide to Deep Learning in Healthcare

·       Alamar – Sports Analytics

·       Sazonov – Wearable Sensors

·       Patel et al. – A Review of Wearable Sensors and Systems with Application in Rehabilitation

·       IEEE Internet of Things Journal

·       Nature Digital Medicine

·       IEEE Journal of Biomedical and Health Informatics

·       PhysioNet

·       MIMIC-IV Database

·       UCI Machine Learning Repository

·       Kaggle Health Datasets