ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

Εισαγωγή στην Τεχνητή Νοημοσύνη: Ορισμοί και εισαγωγικές έννοιες, ιστορική αναδρομή, τεχνικές, εφαρμογές
Νευρωνικά Δίκτυα Πρόσθιας Διάδοσης (FNN: Forward Neural Networks) percetron, συναρτήσεις ενεργοποίησης,
εξαγωγή χαρακτηριστικών, συναρτήσεις σφάλματος, αλγόριθμοι βελτιστοποίησης, εκπαίδευση, προ-επεξεργασία
δεδομένων, σύνολα εκπαίδευσης, δοκιμής κι επικύρωσης, μέθοδος cross validation, μέτρα απόδοσης των δικτύων.
• Εργαστήριο: Πρόβλεψη μετεωρολογικών παραμέτρων (θερμοκρασίας, υγρασίας κλπ.) με χρήση FNN
Συνελικτικά Νευρωνικά Δίκτυα (CNN: Convolutional Neural Networks) και υπολογιστική όραση
• Εικόνα ως πολυδιάστατος πίνακας, επεξεργασία, φίλτρα και συνέλιξη CNN: επίπεδα, αρχιτεκτονικές, ιστορικά στοιχεία, εφαρμογές
• Εργαστήριο: Ταξινόμηση δορυφορικών εικόνων με CNN
• Εργαστήριο: Αναγνώριση στόχων radar με CNΝ Αναδρομικά Νευρωνικά Δίκτυα (RNN: Recurrent Neural Network )
• Ορισμός, δομή, λειτουργία, σύγκριση με τα FNN, εφαρμογές Αναδρομικά Νευρωνικά Δίκτυα Μακράς και Βραχείας Μνήμης (LSTM)
• Αρχιτεκτονική και λειτουργία, παραλλαγές, εφαρμογές
• Εργαστήριο: Ανάπτυξη μοντέλου πρόβλεψης με RNN και LSTM Νευρωνικά Δίκτυα Αιχμής (SNN, Spiking Neural Network)
• Λειτουργία, κωδικοποίηση πληροφορίας, εκπαίδευση, σύγκριση με τα απλά νευρωνικά δίκτυα, εφαρμογές.

ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Γνώσεις: Οι φοιτητές/τριες θα αποκτήσουν ένα θεμελιώδες θεωρητικό και πρακτικό υπόβαθρο πάνω στις σύγχρονες
τεχνικές της τεχνητής νοημοσύνης με έμφαση στα νευρωνικά δίκτυα. Θα γνωρίσουν τις διεθνείς τάσεις υλοποίησης
τεχνικού εξοπλισμού για εφαρμογές τεχνητής νοημοσύνης. Κι επιπλέον θα αποκτήσουν βασικές γνώσεις πάνω στην
επεξεργασία δεδομένων, μονοδιάστατων και εικόνων.
Δεξιότητες: Θα αποκτήσουν εμπειρία στην υλοποίηση σε προγραμματιστικό περιβάλλον νευρωνικών μοντέλων
υπολογιστικής όρασης, ταξινόμησης εικόνων και ήχων και μοντέλων πρόβλεψης. Επιπλέον θα είναι σε θέση να
συγκρίνουν τα μοντέλα μεταξύ τους αξιολογώντας τις επιδόσεις τους.
Ικανότητες: Οι φοιτητές/τριες θα είναι σε θέση να συνδυάζουν τις ανωτέρω γνώσεις και δεξιότητες προκειμένου να
φέρουν εις πέρας ατομικές ή και ομαδικές συνθετικές εργασίες που θα αφορούν την ανάπτυξη νευρωνικών μοντέλων
ταξινόμησης και πρόβλεψης