Catalog of proposed and completed theses of the Department.
Study of Packet Scheduling Mechanisms in IEEE 802.11ax (Wi-Fi 6) Networks
Objective
Στόχος της διπλωματικής εργασίας είναι να καταγράψει την παρούσα κατάσταση στην περιοχή των δικτύων IEEE 802.11 και ειδικότερα του προτύπου IEEE 802.11ax (Wi-Fi 6) με έμφαση στους μηχανισμούς χρονοδρομολόγησης πακέτων δεδομένων.
Description
Τα πρότυπα για την υλοποίηση των δικτύων WiFi επόμενης γενιάς έχουν ήδη αναπτυχθεί. Η χρονοδρομολόγηση ροών δεδομένων αναμένεται να έχει ένα σημαντικό ρόλο στην διατήρηση της ζητούμενης ποιότητας εξυπηρέτησης των χρηστών και παράλληλα στην υψηλή αξιοποίηση της χωρητικότητας του δικτύου.
α) Η διπλωματική αυτή εργασία θα καταγράψει την παρούσα κατάσταση στην περιοχή των δικτύων IEEE 802.11 και ειδικότερα του προτύπου IEEE 802.11ax με έμφαση στους μηχανισμούς χρονοδρομολόγησης ροών δεδομένων. Η μελέτη θα πραγματοποιηθεί τόσο από την πλευρά των προτύπων (IEEE) όσο και από την πλευρά των ερευνητικών προτάσεων της επιστημονικής κοινότητας. β) Στο δεύτερο μέρος της εργασίας θα δημιουργηθεί μια προσομοίωση ένας απλού χρονοδρομολογητή σε ασύρματο περιβάλλον Wi-Fi 6 και θα μελετηθούν τα βασικά χαρακτηριστικά του.
Requirements
Δομημένος Προγραμματισμός
Αντικειμενοστραφής Προγραμματισμός Ι
Δίκτυα Υπολογιστών
Δίκτυα Κινητών Επικοινωνιών
Required knowledge
Δομημένος Προγραμματισμός
Αντικειμενοστραφής Προγραμματισμός Ι
Δίκτυα Υπολογιστών
Δίκτυα Κινητών Επικοινωνιών
Bibliography
Khorov, E., Kiryanov, A., Lyakhov, A. and Bianchi, G., 2018. A tutorial on IEEE 802.11 ax high efficiency WLANs. IEEE Communications Surveys & Tutorials, 21(1), pp.197-216. https://ieeexplore.ieee.org/abstract/document/8468986/
Implementation of Lemke-Howson algorithm. Experimental validation and comparison with other algorithmic techniques
Objective
Είναι η υλοποίηση σε γλώσσα C/Matlab του αλγορίθμου Lemke Howson. Επίσης πειραματική μελέτη της απόδοσης του σε σχέση και με άλλες αλγοριθμικές τεχνικές που θα υλοποιηθούν.
Description
to be done
Requirements
Αλγόριθμοι και Πολυπλοκότητα
Προγραμματισμός.
Αλγόριθμοι και Συνδυαστική Βελτιστοποίηση
Θεωρία Παιγνίων
Required knowledge
Καλός προγραμματισμός σε C και Matlab. Γνώσεις σε Θεωρία Παιγνίων.
Bibliography
to be done
SNS in middle age: Privacy and social health
Objective
.
Description
.
Requirements
.
Required knowledge
.
Bibliography
.
A survey of security mechanisms deployed by Greek ISPs to protect PGP
Objective
Ανάλυση της σημερινής κατάστασης υλοποίησης μέτρων προστασίας του πρωτοκόλλου BGP από τους Ελληνικούς ISPs
Description
Εξέταση και ανάλυση των παρακάτω:
Υλοποίηση RPKI , route filtering , RIPE route objects.
Μελέτη περιστατικών route leaking, transit AS κ.ά.
Αδυναμίες και βελτιώσεις.
Requirements
Δίκτυα Υπολογιστών
Ασφάλεια Δικτύων Υπολογιστών
Required knowledge
Δίκτυα Υπολογιστών
Ασφάλεια Δικτύων Υπολογιστών
Bibliography
RFC7454 (BGP Operations and Security)
NIST Special Publication SP 800-54 – Border Gateway Protocol Security
RFC 4271 (Background information on BGP)
Information Security Risk Management Tool
Objective
Information Security Risk Management Tool
Description
Information Security Risk Management Tool
Requirements
Ασφάλεια ΠΣ
Required knowledge
Ασφάλεια ΠΣ
Bibliography
Αρθρα για risk management methods and tools
Application/web page for social life around Karlovasi city
Objective
Στόχος της παρούσας διπλωματικής είναι η υλοποίηση ενός συστήματος για την
ενημέρωση των χρηστών σε θέματα διασκέδασης και ψυχαγωγίας στην περιοχή του
Καρλοβάσου. Το σύστημα λειτουργεί σε όλες τις συσκευές, καθώς αποτελεί μια Web
εφαρμογή.
Description
Οι χρήστες της εφαρμογής θα είναι είτε πελάτες είτε επιχειρήσεις
Αν ο χρήστης της εφαρμογής είναι επιχείρηση:
a. Ο χρήστης θα έχει την δυνατότητα να δημιουργήσει λογαριασμό στην
εφαρμογή ή να εγγραφεί μέσω Facebook (με τον λογαριασμό του admin). Για
την εγγραφή θα ζητούνται οι παρακάτω πληροφορίες:
Όνομα επιχείρησης
Διεύθυνση (Θα μπορούσαμε να χρησιμοποιήσουμε και Google Maps)
Τηλέφωνο
Links (facebook, instagram, website, etc)
Περιγραφή
Κατηγορία (Εστιατόριο, bar, cafe,club κτλ)
b. Άφου ο χρήστης (Επιχείρηση) δημιουργήσει λογαριασμό ή εισέλθει στην
εφαρμογή με τον ήδη υπάρχον λογαριασμό θα εμφανίζεται μια σελίδα
διαχείρησης της επιχείρησης με τις παρακάτω επιλογές
c. Εισαγωγή του μένου της επιχείρησης με τον παρακάτω τρόπο:
Δημιουργεία κατηγορίων του μενού (π.χ. σε περίπτωση εστιατορίου,
κατηγορίες ορεκτικά, ψητά, κυρίως πιάτα κτλ)
Στην συνέχεια θα έχει την δυνατότητα να εισάγει προϊόντα ανά
κατηγορία με πεδία όπως : όνομα προϊόντος, περιγραφή, τιμή κτλ
Προσφορές
d. Εισαγωγή Events με πεδία όπως: τίτλος, ημερομηνία, περιγραφή, (tags
facebook user (προερετικό).
e. Εισαγωγή φωτογραφιών της επιχείρησης
f. Με χρήση κουμπιού “Συμβαίνει τώρα”, ο χρήστης θα έχει την δυνατότητα να
βγάλει φωτογραφία και να την ανεβάσει (δεν θα μπορεί να ανεβάσει
φωτογραφία από την συλλογή φωτογραφιών, ώστε να καλύψουμε την
πιθανότητα να ανεβάζει παλιότερη φωτογραφία για να προσελκίσει πελάτες)
Αν ο χρήστης της εφαρμογής είναι πελάτης:
a. Ο χρήστης θα έχει την δυνατότητα να περιηγηθεί στην ιστοσελίδα ως
επισκέπτης
b. Ο χρήστης θα έχει την δυνατότητα να δημιουργήσει λογαριασμό στην
εφαρμογή. Οι πληροφορίες που ζητούνται από τον χρήστη για την εγγραφή
είναι (προς συζήτηση):
c. Ο χρήστης θα έχει την δυνατότητα πραγματοποίησης εισόδου στο σύστημα
μέσω του κοινωνικού δικτύου του Facebook.
d. Στην αρχική σελίδα της εφαρμογής θα εμφανίζονται όλες οι επιχειρήσεις ανα
κατήγορια.
e. Με χρήση ένος κουμπιού “Χάρτης” ο χρήστης θα έχει την δυνατότητα να δει όλες τις επιχειρήσεις στον Χάρτη ( για την δημιουργεία αύτης της επιλογής, βασική προϋπόθεση είναι η επιχειρήσεις να εισάγουν την τοποθεσία τους στον χάρτη)
f. Κάνοντας κλικ σε μια επιχείρηση ο χρήστης θα έχει την δυνατότητα να μπει
στην σελίδα της επιχείρησης με τις παρακάτω πληροφορίες:
Βασικές πληροφορίες της επιχείρησης
Μενού
Events
Φωτογραφίες
“Συμβαίνει Τώρα”
g. Με χρήση κουμπίου “Βρίσκομαι εδώ” ο χρήστης θα έχει την δυνατότητα να
κάνει check in στην επιχείρηση στην οποία βρίσκεται (μπορούμε να βάλουμε
έλεγχο του location του χρήστη, ώστε να εξασφαλίσουμε ότι όντως βρίσκεται
στην επιχείρηση που έχετε κάνει ckeck in)
h. Με χρήση κουμπίου “Αποχώρηση” ο χρήστης θα έχει την δυνατότητα να
δηλώσει ότι αποχωρεί από την συγκεκριμένη επιχείρηση
i. Με έλεγχο της τοποθεσίας του χρήστη, αν ο χρήστης έχει ξεχάσει να
ειδοποιήσει ότι αποχώρησε, η αποχώρηση θα γίνεται αυτόματα
Δεδομένου ότι οι χρήστες θα έχουν την δυνατότητα να κάνουν check in σε κάποια
επιχείρηση, έχουμε την δυνατότητα δημιουργείας πεδίου “Επισκεψιμότητα” σε κάθε
επιχείρηση.
Requirements
Προγραμματισμός στο Διαδίκτυο
Εισαγωγή στον Προγραμματισμό
Αντικειμενοστραφής Προγραμματισμός Ι
Αντικειμενοστραφής Προγραμματισμός ΙΙ
Λειτουργία των Επιχειρήσεων & Πληροφορ Συστήματα
Required knowledge
Πολύ καλή γνώση C/C++, HTML, JAVA, SQL και γενικότερα προγραμματισμό.
Bibliography
to be done
Training of Intelligent Agents Using Reinforcement Learning and Transfer Learning
Objective
Η εργασία αποσκοπεί στην μελέτη εκπαίδευσης ευφών πρακτόρων βάσει ενισχυτικής μάθησης και τα πλεονεκτήματα που προκύπτουν από τη χρήση μεταφοράς μάθησης.
Description
Η εκπαίδευση ευφυών πρακτόρων σε περίπλοκα περιβάλλοντα είναι βασικό ζητούμενο σε εφαρμογές ρομποτικής. Συνήθως η ενισχυτική μάθηση προσφέρει τα καλύτερα αποτελέσματα προς αυτήν την κατεύθυνση. Η πολυπλοκότητα του περιβάλλοντος δράσης του πράκτορα επηρεάζει πολύ τον απαιτούμενο χρόνο μάθησης. Για να μειωθούν οι απαιτήσεις εκπαίδευσης, μπορεί να γίνει χρήση μεταφοράς μάθησης, όπου ένας πράκτορας που έχει εκπαιδευτεί σε παρόμοιες εργασίες μικρότερης πολυπλοκότητας, προσαρμόζεται ώστε να μπορεί να εκτελέσει αντίστοιχες εργασίες σε πιο πολύπλοκα περιβάλλοντα. Η εργασία στοχεύει την μελέτη της βελτίωσης του χρόνου εκπαίδευσης ενός πράκτορα με χρήση τεχνικών μεταφοράας μάθησης και στη διενέργεια πειραμάτων ώστε να αποτυπωθούν οι καλύτερες πρακτικές προς αυτήν την κατεύθυνση.
Requirements
Τεχνητή Νοημοσύνη
Required knowledge
Προγραμματισμός
Bibliography
Zhuangdi Zhu, Kaixiang Lin, Anil K. Jain, Jiayu Zhou (2020), Transfer Learning in Deep Reinforcement Learning: A Survey. https://arxiv.org/abs/2009.07888.
Yunzhe Tao, Sahika Genc, Jonathan Chung, Tao Sun, Sunil Mallya (2021), REPAINT: Knowledge Transfer in Deep Reinforcement Learning. Proc. of the 38th Int. Conf. on Machine Learning.
ΑΙ and privacy
Objective
ΑΙ and privacy
Description
ΑΙ and privacy
Requirements
Ασφάλεια ΠΕΣ, Διοίκηση ΠΣ
Required knowledge
Ασφάλεια ΠΕΣ
Bibliography
Άρθρα για AI και ιδιωτικότητα
Gen AI applications for startups support
Objective
Η ανάπτυξη εφαρμογών παραγωγικής ΤΝ για την παροχή συμβουλευτικών υπηρεσιών (mentoring, ebvaluation, support, κλπ) σε πρώιμες νεοφυείς επιχειρήσεις.
Description
1. Επισκόπηση τρέχουσας κατάστασης σε εφαρμογές ΠΤΝ για startups
2. Ανάπτυξη δοκιμαστικών Prompts σε περιβάλλον Chat GPT για 4-5 λειτουργίες απο τις παρακάτω:
α.Αξιολόγηση Ιδέας / Problem-Solution Fit
Ο χρήστης περιγράφει την ιδέα του και το σύστημα αξιολογεί αν λύνει πραγματικό πρόβλημα, προτείνοντας βελτιώσεις.
β.Market Research & Competitor Analysis
Αυτόματη ανάλυση ανταγωνισμού και αγοράς, με δεδομένα για trends, μεγέθη αγοράς και πιθανούς ανταγωνιστές.
γ.Οικονομικές Προβλέψεις (Financial Forecasting)
Με βάση βασικά inputs (έσοδα, κόστη, μοντέλο εσόδων), δημιουργείται 3ετής/5ετής πρόβλεψη cash flow, P&L, break-even point.
δ.Business Model Canvas Generator
Αυτόματη δημιουργία καμβά επιχειρηματικού μοντέλου (Osterwalder) με δομημένες ενότητες, βάσει της ιδέας του χρήστη.
ε.Εύρεση και Αντιστοίχιση Funding Opportunities
AI που προτείνει χρηματοδοτικά προγράμματα (VCs, accelerators, EU/Horizon calls, business angels) ανάλογα με το στάδιο και τον κλάδο.
στ.Go-To-Market Strategy Generator
Δημιουργία στρατηγικής εισόδου στην αγορά (κανάλια διανομής, pricing, marketing plan, KPIs).
ζ.Αξιολόγηση Τεχνολογικής Ετοιμότητας (TRL Check)
Για τεχνολογικά startups: το AI βοηθά να τοποθετηθεί το προϊόν σε Technology Readiness Level και προτείνει επόμενα βήματα.
η.MVP Scope Designer
Βοηθά τον founder να σχεδιάσει το πρώτο Minimum Viable Product (features, UX priorities, timeline, budget).
θ.Investor Q&A Simulator
Το AI παίρνει τον ρόλο επενδυτή και κάνει "δύσκολες ερωτήσεις" στον startup founder (mock interview), με feedback στις απαντήσεις.
ι.Storytelling & Branding Assistant
Βοηθά στο narrative: tagline, vision/mission statement, elevator pitch, ακόμα και design προτάσεις για logo/slogan.
κ.Founder Skills Assessment
Το AI αξιολογεί τα skills του founder/team (management, sales, tech, finance) και προτείνει πού χρειάζονται συνεργάτες ή mentoring.
λ.Team Role Designer
Δημιουργία προφίλ ρόλων (CTO, CMO, COO) με περιγραφή αρμοδιοτήτων και απαιτούμενων δεξιοτήτων, ώστε να ξέρει τι ομάδα να χτίσει.
μ.Customer Persona Builder
Αυτόματη δημιουργία personas για το target group (ηλικία, ανάγκες, digital behavior, pain points).
ν.User Journey Mapping
AI εργαλείο για να σχεδιάσει το customer journey (awareness → consideration → purchase → retention).
ξ.Pricing Strategy Advisor
Συστήματα προτάσεων για τιμολόγηση (subscription, freemium, one-off, tiered pricing), με benchmarking από ανταγωνιστές.
ο.Legal & IP Checklist
Αυτόματη λίστα ελέγχου για νομικά θέματα (εταιρική μορφή, GDPR, trademarks, patents, IP strategy).
π.KPI & Metrics Generator
Προτάσεις για κατάλληλα metrics (CAC, LTV, churn, runway, ARPU) ανάλογα με το στάδιο και το μοντέλο της startup.
ρ.Internationalisation Readiness Check
Ανάλυση δυνατοτήτων επέκτασης σε ξένες αγορές, με προτεινόμενες χώρες/περιοχές και εμπόδια εισόδου.
σ.Startup Valuation Estimator
Εκτίμηση αποτίμησης με διάφορες μεθοδολογίες (scorecard, DCF, comparables).
τ.Pitch Video Script Generator
Δημιουργία σεναρίου για σύντομο βίντεο pitch (1–2 λεπτά), με storyboarding και key messaging.
3. Έλεγχος και αξιολόγηση αποτελεσμάτων
4. Ανάπτυξη τελικών εφαρμογών (HTML και GPT-API). Θα δοθεί κατάλληλη πρόσβαση σε API.
Requirements
.
Required knowledge
LLM PROMPTING
Adaptive Cognitive Empowerment of the Elderly with a Combination of Large Language Models, Serious Games and User Behavior Analysis
Objective
Ο στόχος της διπλωματικής είναι η μελέτη και ανάπτυξη προσαρμοστικών serious games γνωστικής ενδυνάμωσης που αξιοποιούν Large Language Models (LLMs), δυναμική προσαρμογή δυσκολίας και ανάλυση αλληλεπίδρασης χρηστών, με σκοπό τη βελτίωση της εμπλοκής και της εξατομίκευσης σε ηλικιωμένους χρήστες.
Description
Η αξιοποίηση Large Language Models σε εφαρμογές cognitive training δημιουργεί νέες δυνατότητες δυναμικής εξατομίκευσης και προσαρμογής του περιεχομένου με βάση τα χαρακτηριστικά, τις αναμνήσεις και τη συμπεριφορά του χρήστη. Σύμφωνα με πρόσφατες ερευνητικές προσεγγίσεις , τα LLMs μπορούν να δημιουργούν προσωποποιημένα cognitive games και να προσαρμόζουν αυτόματα το επίπεδο δυσκολίας ανάλογα με την επίδοση του χρήστη.
Η διπλωματική θα εστιάσει:
- στη δημιουργία user profiles από autobiographical memories,
- στη χρήση LLM APIs (GPT, Llama, Claude κ.ά.),
- στη δυναμική παραγωγή serious game content,
- στη μοντελοποίηση της συμπεριφοράς χρηστών,
- στη δυναμική προσαρμογή δυσκολίας (adaptive difficulty adjustment),
- και στην ανάλυση engagement και cognitive performance metrics.
Το σύστημα θα συλλέγει δεδομένα όπως:
- χρόνοι απόκρισης,
- αριθμός λαθών,
- progression difficulty,
- interaction logs,
- emotional/user experience metrics.
Θα μελετηθούν τεχνικές:
- Prompt Engineering
- Retrieval Augmented Generation (RAG)
- User Modeling
- AI-driven personalization
Η εργασία μπορεί να περιλαμβάνει:
- συγκριτική αξιολόγηση διαφορετικών prompting strategies,
- ανάλυση hallucinations και consistency των LLMs,
- αξιολόγηση personalization quality,
- και διερεύνηση explainability ή trustworthiness των παραγόμενων serious games.
Η πειραματική διαδικασία μπορεί να πραγματοποιηθεί είτε:
- με desktop/web εφαρμογή,
- είτε με social robot ή virtual avatar,
- είτε με multimodal conversational interface.
Requirements
Μηχανική Μάθηση
Συστήματα Διάχυτου Υπολογισμού
Required knowledge
- Python
- APIs και LLM frameworks
- Βασικές αρχές Machine Learning / NLP
Bibliography
Silacci, A., Giachetti, B., Angelini, L., Lopomo, N. F., Andreoni, G., Mugellini, E., ... & Caon, M. (2026). Large Language Model–Based Agents for Physical Activity and Cognitive Training: Scoping Review. JMIR AI, 5(1), e80123. DOI: https://doi.org/10.2196/80123
Skikos, G., Goumopoulos, C. CogniFrame: A Serious Games Framework for Older Adults with Mild Cognitive Impairment. Behaviour & Information Technology, Taylor & Francis, 2026. DOI: https://doi.org/10.1080/0144929X.2026.2676748
Aegean Startups : Organising Processes, Systems, Data and Human Networks for an innovation and entrepreneurship competition
Objective
Η εργασία στοχεύει στην οργάνωση Διαδικασιών, Συστημάτων, Δεδομένων και Ανθρώπινων Δικτύων για τον διαγωνισμό επιχειρηματικότητας Aegean Startups 2020-2021
Description
Η εργασία περιλαμβάνει τις εξής ενότητες:
- Παραμετροποίηση του (υπάρχοντος) διαδικτυακού πληροφοριακού συστήματος για τα Aegean Startups 2020-2021
- Κατάρτιση δελτίων τύπου και προώθηση του διαγωνισμού
- Οργάνωση της παρεχόμενης πληροφορίας προς διαγωνιζομένους (μελέτες περίπτωσης, ανάγκες του Αιγαίου, εκπαιδευτικό υλικό, κλπ)
- Διενέργεια έρευνας σε επιχειρήσεις του Αιγαίου για τις ανάγκες τους σχετικά με τις νέες τεχνολογίες, ώστε να δοθεί ως υλικό στους διαγωνιζόμενους
- Οργάνωση και παροχή οικονομικών, δημογραφικών και άλλων σχετικών δεδομένων για την αγορά των νησιών του Αιγαίου
- Οργάνωση (υπάρχοντος) δικτύου μεντόρων, angel investors, κριτών, συνδεδεμένων θερμοκοιτίδων για τον διαγωνισμό
- Αναζήτηση χορηγών και δωρητών για τα βραβεία του διαγωνισμού
Requirements
- Ειδικά Θέματα και Μελέτες Περίπτωσης ΨΚ&ΝΕ
- Καινοτομία και Επιχειρηματικότητα
Required knowledge
- Ανάλυση δράσεων καινοτομίας και επιχειρηματικότητας
Bibliography
.
Aegean Startups Open Data Base
Objective
Η εργασία στοχεύει στην σχεδίαση και ανάπτυξη βάσεων ανοικτών δεδομένων στην πλατφόρμα των Aegean Startups
Description
Η εργασία περιλαμβάνει τα εξής:
1. Σχεδίαση αρχείων βάσεων ανοικτών δεδομένων για θέματα όπως:
- Τα εργαστήρια του Παν. Αιγαίου
- Οι επιχειρήσεις του Αιγαίου
- Οι απόφοιτοι του Παν. Αιγαίου
- Οι απόδημοι Έλληνες του Αιγαίου
- Startups του Αιγαίου
- Ανοικτά οικονομικά δεδομένα για τα νησιά του Αιγαίου
2. Υλοποίηση κατάλληλων βάσεων δεδομένων και εργαλείων ανεύρεσης / οπτικοποίησης στο περιβάλλον του www.aegean-startups.gr
3. Συγγραφή οδηγιών χρήσης και διαχείρισης
Τα δεδομένα θα παρασχεθούν από άλλες ομάδες εργασίας.
Requirements
- Τεχνολογία λογισμικού
- Βάσεις Δεδομένων Ι-ΙΙ
- Προγραμματισμός στο Διαδίκτυο
Required knowledge
.
Bibliography
www.aegean-startups.gr
Affective state recognition via EEG signals Muse 2
Objective
Ταξινόμηση βασικών συναισθημάτων (χαρά, άγχος, ηρεμία) χρησιμοποιώντας EEG power bands.
Description
Το πείραμα θα υλοποιηθεί με συμμετέχοντες που θα εκτεθούν σε συναισθηματικά ερεθίσματα με χρήση International Affective Picture System (IAPS) ή Emotional video stimuli (YouTube dataset). Τα EEG δεδομένα θα συλλεχθούν real-time μέσω Muse BLE API και θα εξαχθούν χαρακτηριστικά Alpha/Theta/Beta bands. Θα χρησιμοποιηθεί ML/AI ταξινόμηση (k-NN, SVM ή LSTM).
Requirements
Προγραμματισμός (Python ή Java)
Ανάλυση Σημάτων
Αρχές Τεχνητής Νοημοσύνης ή Μηχανικής Μάθησης
Required knowledge
Βασικός προγραμματισμός
Θεμελιώδεις έννοιες Επεξεργασίας Σημάτων
Machine Learning
Bibliography
Moontaha, S., Schumann, F. E. F., & Arnrich, B. (2023). Online learning for wearable eeg-based emotion classification. Sensors, 23(5), 2387.
Garcia-Moreno, F. M., Badenes-Sastre, M., Expósito, F., Rodriguez-Fortiz, M. J., & Bermudez-Edo, M. (2025). EEG headbands vs caps: How many electrodes do I need to detect emotions? The case of the MUSE headband. Computers in Biology and Medicine, 184, 109463.
AI evaluation methods and metrics
Objective
Αναφορά των μεθόδων (automatic and human-based) και των απαραίτητων δεικτών (συμπεριλαμβανομένων XAI, responsible AI) για την αξιολόγηση και την υιοθέτηση της ΤΝ.
Description
Bιβλιογραφική ανασκόπηση των μεθόδων που έχουν εφαρμοστεί για την αξιολόγηση εφαρμογών ΤΝ σε διάφορους τύπους ΤΝ (rule-based, LLMs, neural networks, etc.).
Θεματική κατηγοριοποίηση ανά τύπο αξιολόγησης (automatic and human based).
Κατηγοριοποίηση ανά στόχο αξιολόγησης (accuracy, precision, data quality, adoption, use, impact, interoperability, progress etc.)
Παραδείγματα χρήσης του κάθε μοντέλου.
Requirements
- eGOV I & II
- Διαλειτουργικότητα
Required knowledge
Συστηματική βιβλιογραφική έρευνα
Bibliography
Blagec, K., Dorffner, G., Moradi, M., & Samwald, M. (2020). A critical analysis of metrics used for measuring progress in artificial intelligence. arXiv preprint arXiv:2008.02577. https://arxiv.org/abs/2008.02577
Handelman, G. S., Kok, H. K., Chandra, R. V., Razavi, A. H., Huang, S., Brooks, M., ... & Asadi, H. (2019). Peering into the black box of artificial intelligence: evaluation metrics of machine learning methods. American Journal of Roentgenology, 212(1), 38-43.
Rainio, O., Teuho, J., & Klén, R. (2024). Evaluation metrics and statistical tests for machine learning. Scientific Reports, 14(1), 6086.
Abbasian, M., Khatibi, E., Azimi, I., Oniani, D., Shakeri Hossein Abad, Z., Thieme, A., ... & Rahmani, A. M. (2024). Foundation metrics for evaluating effectiveness of healthcare conversations powered by generative AI. NPJ Digital Medicine, 7(1), 82.
AI in transportation safety: A systematic literature review
Objective
Ταξονομία λύσεων
Ανάλυση των λύσεων
Description
Βιβλιογραφική ανασκόπηση
Requirements
EGOV I & II
Required knowledge
SLR
Bibliography
Hadj‐Mabrouk, H. (2024). A literature review on the applications of artificial intelligence to European rail transport safety. IET Intelligent Transport Systems, 18(12), 2291-2324.
Bharadiya, J. P. (2023). Artificial intelligence in transportation systems a critical review. American Journal of Computing and Engineering, 6(1), 35-45.
Olugbade, S., Ojo, S., Imoize, A. L., Isabona, J., & Alaba, M. O. (2022). A review of artificial intelligence and machine learning for incident detectors in road transport systems. Mathematical and Computational Applications, 27(5), 77.
AI-Driven Service Design
Objective
Η παρούσα διπλωματική θα εργασία εξετάζει τον ρόλο της τεχνητής νοημοσύνης στον σύγχρονο σχεδιασμό υπηρεσιών (service design), αναδεικνύοντας πώς οι AI τεχνολογίες μετασχηματίζουν τόσο τη διαδικασία σχεδιασμού όσο και την εμπειρία του τελικού χρήστη.
Description
Σε ένα περιβάλλον όπου τα δεδομένα και η αυτοματοποίηση αποκτούν κεντρικό ρόλο, οι παραδοσιακές προσεγγίσεις επαναπροσδιορίζονται, ενσωματώνοντας δυνατότητες πρόβλεψης, προσωποποίησης και δυναμικής προσαρμογής.
Η διπλωματική εργασία θα εστιάζει στους εξής βασικούς άξονες:
• Ο ρόλος της τεχνητής νοημοσύνης στον επανασχεδιασμό υπηρεσιών
• Η μετάβαση από στατικές σε «έξυπνες» και προσαρμοστικές υπηρεσίες (adaptive services)
• Η αξιοποίηση δεδομένων για κατανόηση και πρόβλεψη της συμπεριφοράς χρηστών
• Η ενσωμάτωση AI σε customer journeys και touchpoints
Σε επίπεδο σχεδιαστικής διαδικασίας, θα εξεταστεί πώς το AI επηρεάζει τα βασικά στάδια του service design:
• Συλλογή και ανάλυση user insights μέσω δεδομένων
• Χαρτογράφηση και βελτιστοποίηση customer journeys
• Προσωποποίηση της εμπειρίας χρήστη σε πραγματικό χρόνο
• Αυτοματοποιημένη λήψη αποφάσεων σε επίπεδο υπηρεσίας
Μεθοδολογικά, η εργασία θα βασιστεί σε:
• Αρχές Design Thinking
• Προσέγγιση User-Centered Design
• Συνδυασμό θεωρητικής ανάλυσης και πρακτικής εφαρμογής
Στο πρακτικό μέρος, θα αναπτυχθεί ένα ενδεικτικό concept ψηφιακής υπηρεσίας, το οποίο θα περιλαμβάνει:
• Λειτουργίες recommendation (προτάσεων)
• Predictive analytics για πρόβλεψη αναγκών χρηστών
• Διαδραστικό UI/UX σχεδιασμό
Τέλος, θα πρέπει να εξετασθουν κρίσιμα ζητήματα που προκύπτουν από τη χρήση AI:
• Ηθική χρήση δεδομένων και προστασία ιδιωτικότητας
• Διαφάνεια και explainability αλγορίθμων
• Εμπιστοσύνη χρήστη προς αυτοματοποιημένα συστήματα
Requirements
KANENA
Required knowledge
ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ ΑΙ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΤΕΧΝΟΛΟΓΙΑΣ
Bibliography
https://www.elgaronline.com/edcollbook/book/9781839109362/9781839109362.xml
https://www.elgaronline.com/edcollbook/book/9781839106750/9781839106750.xml
AI-powered Surveillance and Privacy in Government Operations
Objective
Να διερευνηθεί πώς η αξιοποίηση τεχνητής νοημοσύνης (ΑΙ) στα συστήματα επιτήρησης που εφαρμόζονται από κυβερνητικούς φορείς επηρεάζει την ιδιωτικότητα, τα ανθρώπινα δικαιώματα και την κοινωνική εμπιστοσύνη, με σκοπό την ανάπτυξη προτάσεων για ισορροπημένη χρήση που συνδυάζει δημόσια ασφάλεια και προστασία ατομικών ελευθεριών.
Description
Η έρευνα εστιάζει στην αυξανόμενη χρήση τεχνολογιών επιτήρησης με υποστήριξη ΑΙ (π.χ. αναγνώριση προσώπου, ανάλυση προτύπων συμπεριφοράς, αυτόματη ανίχνευση απειλών) από κρατικούς οργανισμούς. Αντικείμενο είναι:
Χαρτογράφηση των πρακτικών χρήσης τέτοιων τεχνολογιών σε κυβερνητικές λειτουργίες (ασφάλεια, δημόσια διοίκηση, διαχείριση κρίσεων).
Ανάλυση ωφελειών, όπως ενίσχυση της ασφάλειας, αποτελεσματικότερη διαχείριση πόρων και πρόληψη εγκληματικότητας.
Εντοπισμός κινδύνων και εμποδίων, που σχετίζονται με παραβίαση προσωπικών δεδομένων, διακρίσεις μέσω αλγορίθμων (algorithmic bias), διαφάνεια και λογοδοσία.
Ανάλυση νομοθετικού και ηθικού πλαισίου στην Ευρωπαϊκή Ένωση και διεθνώς, με έμφαση στη συμμόρφωση με τον GDPR και τις κατευθύνσεις για υπεύθυνη χρήση ΑΙ.
Προτάσεις πολιτικής και τεχνολογικών λύσεων, που θα επιτρέπουν τη χρήση της ΑΙ με τρόπο που σέβεται την ιδιωτικότητα και ενισχύει την εμπιστοσύνη των πολιτών.
Η μελέτη φιλοδοξεί να συμβάλει τόσο σε ακαδημαϊκό επίπεδο (παραγωγή γνώσης γύρω από τον συνδυασμό ΑΙ, επιτήρησης και δικαιωμάτων) όσο και σε πρακτικό επίπεδο, προσφέροντας οδηγίες για κυβερνήσεις και οργανισμούς που αναπτύσσουν ή υλοποιούν τέτοιες τεχνολογίες.
Requirements
- EGOV I & II
- Interoperability
Required knowledge
- Case study analysis
Bibliography
Fontes, C., Hohma, E., Corrigan, C. C., & Lütge, C. (2022). AI-powered public surveillance systems: why we (might) need them and how we want them. Technology in Society, 71, 102137.
Kumar, A., & Kaur, R. (2024, February). Right to Privacy in the Era of AI-Powered Surveillance Technologies. In International Conference on Emerging Research in Computing, Information, Communication, Artificial Intelligence and Machine Learning (pp. 245-252). Singapore: Springer Nature Singapore.
Singh, T. (2023, October). AI-Driven Surveillance Technologies and Human Rights: Balancing Security and Privacy. In International Conference on Smart Systems: Innovations in Computing (pp. 703-717). Singapore: Springer Nature Singapore.
Algorithms in graph databases for Similarity Search
Objective
Στόχος της παρούσας διπλωματικής είναι η επαύξηση των βάσεων γραφοδεδομένων (graph databases) με συστάσεις. Συγκεκριμένα, ο χρήστης θα κάνει ένα ερώτημα στη βάση δεδομένων. Με βάση το ερώτημα και την απάντηση σε αυτό το ερώτημα, το σύστημα θα του προτείνει επιπρόσθετα αποτελέσματα τα οποία δεν ανήκουν στο αποτέλεσμα του αρχικού του ερωτήματος αλλά μπορεί επίσης να τον ενδιαφέρουν.
Description
Τα συστήματα γραφοβάσεων διαφέρουν από τα σχεσιακά συστήματα διαχείρισης βάσεων δεδομένων στο ότι το μοντέλο δεδομένων που χρησιμοποιούν δεν είναι το σχεσιακό μοντέλο, αλλά το μοντέλο ενός γράφου με ιδιότητες (property graph). Tα δομικά στοιχεία του μοντέλου είναι (α) κόμβοι που έχουν ιδιότητες και (β) ακμές πουεκφράζουν τις σχέσεις μεταξύ των κόμβων και επίσης έχουν δικές τους ιδιότητες. Η γλώσσα ερωτήσεων CYPHER διαφέρει από την SQL στο ότι επιτρέπει διασχίσεις μονοπατιών και εύρεση συγκεκριμένων προτύπων μέσα στο γράφο. Στα πλαίσια αυτής της διπλωματικής, θα χρησιμοποιηθεί η πιο γνωστή βάση γραφοδεδομένων, ονόματι Neo4j.
Για τη δημιουργία των συστάσεων θα εξετάσουμε αλγορίθμους εύρεσης ομοιότητας σε γράφους. Μεταξύ των αλγορίθμων (Personalized PageRank, Collaborartive Filtering, Pathsim, κτλ.) θα χρησιμοποιηθούν και αλγόριθμοι (Node2vec, Walk2vec, etc.) για την δημιουργία node embeddings, οι οποίοι χρησιμοποιούν μηχανική μάθηση για να απεικονίσουν τους κόμβους ενός δικτύου ως πολύ-διάστατα διανύσματα. Η βασική ιδέα αυτών των απεικονίσεων είναι ότι παρόμοιοι κόμβοι (πχ, κόμβοι με πολλούς κοινούς γείτονες) να απεικονίζονται ως παρόμοια διανύσματα. Έτσι μπορούμε να χρησιμοποιήσουμε τα node embeddings για να αναπαραστήσουμε τα αποτελέσματα της ερώτησης του υπό εξέταση χρήστη. Με βάση αυτήν την αναπαράσταση θα προτείνουμε στο χρήστη δεδομένα των οποίων τα embeddings μοιάζουν με αυτά του αποτελέσματος.
Requirements
Σημασιολογικός Ιστός
Required knowledge
Neo4j και γλώσσα προγραμματισμού Python
Bibliography
[2] Aditya Grover, Jure Leskovec: node2vec: Scalable Feature Learning for Networks. KDD 2016: 855-864 (ένας από τους πολλούς αλγορίθμους για node embeddings) https://snap.stanford.edu/node2vec/
Analysis of International Practices and Systems for Managing Governmental Activities
Objective
Η εργασία στοχεύει στην ανεύρεση (μέσω διαδικτυακής έρευνας) πρακτικών και συστημάτων που χρησιμοποιούνται για την παρακολούθηση κυβερνητικών δράσεων, σε ανώτατατο και ανώτερο επίπεδο (Πρωθυπουργός - Υπουργοί - Γεν. Γραμματείς) και τη συγκριτική τους ανάλυση για εξαγωγή συμπερασμάτων, σε σύγκριση και με ανάλογο σύστημα στην Ελλάδα
Description
Το αντικείμενο της εργασίας αναλύεται στα εξής:
1. Αναζήτηση (μέσω διαδικτυακής έρευνας) πρακτικών και συστημάτων που χρησιμοποιούνται για την παρακολούθηση κυβερνητηση δράσεων διεθνώς
2. Συγκριτική ανάλυση των σχετικών πρακτικών και συστημάτων
3. Ανάλυση σχετικών συστημάτων στον ιδιωτικό τομέα
4. Ανάλυση του Ελληνικού συστήματος "ΜΑΖΙ" (θα δοθεί κατάλληλη πρόσβαση, σε συνεργασία με τη Ειδική Γραμματεία Παρακολούθησης του Κυβερνητικού Έργου)
5. Πρόταση νέων λειτουργιών και χαρακτηριστικών για το "ΜΑΖΙ", με βάση τη διεθνή εμπειρία
6. Ανάλυση σκοπιμότητας για τη διεθνοποίηση του συστήματος "ΜΑΖΙ"
Requirements
ΗΔ Ι
ΗΔ ΙΙ
Required knowledge
Γνώση τεχνολογιών και τεχνικών διοίκησης έργων
Bibliography
https://www.google.com/search?sxsrf=ALeKk03xqht3VsN1LP1CkDkVOIWSpSZl8A%3A1600870093080&ei=zVZrX4PFBJHnxgO5sYaYDQ&q=%CE%BC%CE%B1%CE%B6%CE%AF+%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%85%CE%B8%CE%B7%CF%83%CE%B7+%CE%BA%CF%85%CE%B2%CE%B5%CF%81%CE%BD%CE%B7%CF%84%CE%B9%CE%BA%CE%BF%CF%8D+%CE%AD%CF%81%CE%B3%CE%BF%CF%85&oq=%CE%BC%CE%B1%CE%B6%CE%AF+%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%85%CE%B8%CE%B7%CF%83%CE%B7+%CE%BA%CF%85%CE%B2%CE%B5%CF%81%CE%BD%CE%B7%CF%84%CE%B9%CE%BA%CE%BF%CF%8D+%CE%AD%CF%81%CE%B3%CE%BF%CF%85&gs_lcp=CgZwc3ktYWIQA1CmJlj5Q2C6SmgEcAB4AIAB_AGIAd8MkgEGMC4xMC4xmAEAoAEBqgEHZ3dzLXdpesABAQ&sclient=psy-ab&ved=0ahUKEwjD3-rpuf_rAhWRs3EKHbmYAdMQ4dUDCA0&uact=5
Analysis of open source language models for specific tasks
Objective
Ανάλυση γλωσσικών μοντέλων για τη δημιουργία ταξονομίας ανά τομέα και τύπο προβλήματος.
Description
Μεθοδολογία: Desk-based research.
Πηγή δεδομένων: huggingface, ollama, llamacpp etc.
Οπτικές ανάλυσης ανά μοντέλο: (per model aspects of analysis)
Δημιουργία πίνακα (γραμμές τα μοντέλα και στήλες τα παρακάτω):
type of size (small, medium, large) | size of the model (# parameters) | implementation mode (cloud or native) | quantisation of the model capability | type of task used (problem each model is created for or mostly used for) | domain of application | type of embeddings | performance or (performance metrics use) | thinking capability | multilinguality | multimodality | coding capabilities | base infrastructure requirement (CPU is ok or GPU is necessary?) | testing or production level | type of model (base model, instruct model, transformer/distilled etc.)
Requirements
- ΤΝ
- ΠΣ
Required knowledge
analysis / desk-based search
literature review
Bibliography
https://link.springer.com/content/pdf/10.1007/s10115-024-02120-8.pdf
Raiaan, M. A. K., Mukta, M. S. H., Fatema, K., Fahad, N. M., Sakib, S., Mim, M. M. J., ... & Azam, S. (2024). A review on large language models: Architectures, applications, taxonomies, open issues and challenges. IEEE access, 12, 26839-26874.
https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=10838047

