Μαθήματα

Agents and environments, uncertainty and probabilities, probabilistic reasoning. Bayesian networks, exact and approximate inference in Bayesian networks, enumeration and sampling algorithms. Probabilistic reasoning over time (filtering, prediction, smoothing, finding the most likely sequence), Dynamic Bayesian Networks. Mobile robot navigation, motion control, path planning, localization, mapping, SLAM. Decision making under uncertainty, Markov Decision Processes, optimal policies, value iteration, policy iteration, partial observability. Reinforcement learning, prediction and control, basic and advanced learning algorithms. Approximate methods for multidimensional and continuous spaces. Competitive agents, planning and learning in Markov games. Multi-agent coordination using auctions. Applications to autonomous robotic agents. Laboratory instruction of robotic systems programming tools.

Syllabus [pdf]     Videos [YouTube]

This is a joint course (senior undergraduate - ECE Masters program - MLDS Masters Program).

The course description is as follows:

• Brief summary of Linear Algebra concepts (vectors, planes, vector and matrix norms).
• Vectors and matrices in Matlab.
• Brief summary of functions of several variables (gradient, Hessian, level sets).
• Convex sets (definition and examples), operations on convex sets that preserve convexity.
• Convex functions (definition, examples), operations on convex functions that preserve convexity.
• Convex optimization problems (definition, examples), optimal points.
• Unconstrained optimization (characterization of optimal solution, gradient method, convergence analysis, Newton method, local convergence analysis).
• Convex optimization with constraints (Farkas Lemma, Fritz John conditions, conditions Karush-Kuhn-Tucker (KKT) - examples).
• Duality, Lagrangian, dual function, weak and strong duality – examples of dual problems.
• Convex optimization with affine equality constraints (Newton method, primal-dual).
• General convex optimization problems (barrier function, interior point method, primal-dual).
• Alternating Direction Method of Multipliers
• Introduction to distributed optimization

The Lab part of the course consists of four (4) projects which contain theoretical questions as well as matlab (or octave) code implementing selected optimization algorithms.

Grading;

• Final Exam 6/10,
• Projects (4/10).

Our main source will be the textbook

S. Boyd and L. Vandenberghe. "Convex Optimization," Cambridge University Press, 2004 (I uploaded the textbook in the "Εγγραφα" section).

See also the video series of recent Boy's lectures 

https://www.youtube.com/playlist?list=PLoROMvodv4rMJqxxviPa4AmDClvcbHi6h

Another excellent source is the book

A. Beck, Introduction to nonlinear optimization (2nd edition), SIAM.

This is a joint course (ECE senior undergraduate, ECE Masters).

We will follow, mainly, the following sourse:

M. Mitzenmacher and E. Upfal. "Probability and Computing: Randomization and Probabilistic Techniques in Algorithms and Data Analysis." Cambridge University Press, 2018 (second edition).

The lectures are scheduled as follows:

Monday: 14:00-16:00, Room 145Π58

Tuesday: 13:00-15:00, Room 137Π39

Some other useful sources will appear at the end of this description.

In order to give the most accurate view of the course, the description will be updated during the semester

• Randomized algorithms for checking polynomial and matrix equalities

• Randomized min-cut algorithm

• Discrete random variables: Bernoulli, binomial, geometric

• The coupon collector problem

• Probabilistic analysis of Quick-sort

• Inequalities: Markov, Chebyshev

• Randomized median algorithm

• Inequalities: Chernoff, Hoeffding

• The balls-and-bins problem

• Multinomial and Poisson random variables

• Random graphs

• Randomized algorithm for Hamiltonian cycle

• Probabilistic Method and its applications: large cut-sets, thresholds in random graphs

• Satisfiability problems (SAT)

• Martingales, Hoeffding-Azuma Inequality, and applications.

• Machine Learning related topics

The grade will be derived from

• written exam (6/10 with threshold 3)
• projects (theoretical questions, matlab code) (4/10) (please, try to avoid chapGTP or any other electronic help)
  
• bonus projects (approx 2/10) (tentative...)
  

Other useful sources (the list will be updated regularly...)

• N. Alon and J. E. Spencer. "The Probabistic Method." Wiley, fourth edition, 2015.
• R. Vershynin. "High-dimensional Probability." (excellent book, somewhat advanced) Available at: https://www.math.uci.edu/~rvershyn/papers/HDP-book/HDP-book.pdf

Η πλατφόρμα για το μάθημα ΗΜΜΥ "Αλγόριθμοι και Πολυπλοκότητα" ΠΛΗ 401 είναι στο https://moodle.tuc.gr/

Το μάθημα δεν διαθέτει περιγραφή

Το μάθημα δεν διαθέτει περιγραφή

Πράκτορες και περιβάλλοντα, αβεβαιότητα και πιθανότητες, πιθανοτική συλλογιστική. Δίκτυα Bayes, ακριβής και προσεγγιστικός συμπερασμός σε δίκτυα Bayes, αλγόριθμοι απαρίθμησης και δειγματοληψίας. Πιθανοτική συλλογιστική στο χρόνο (φιλτράρισμα, πρόβλεψη, εξομάλυνση, εύρεση πιθανότερης ακολουθίας), δυναμικά δίκτυα Bayes. Πλοήγηση κινητών ρομπότ, έλεγχος κίνησης, σχεδιασμός διαδρομής, εντοπισμός, χαρτογράφηση, SLAM. Λήψη αποφάσεων υπό αβεβαιότητα, Μαρκωβιανές διεργασίες απόφασης, βέλτιστες πολιτικές, επανάληψη αξιών, επανάληψη πολιτικών, μερική παρατηρησιμότητα. Ενισχυτική μάθηση, πρόβλεψη και έλεγχος, βασικοί και προηγμένοι αλγόριθμοι ενισχυτικής μάθησης. Προσεγγιστικές μέθοδοι για πολυδιάστατους και συνεχείς χώρους. Ανταγωνιστικοί πράκτορες, σχεδιασμός και μάθηση σε Μαρκωβιανά παίγνια. Πολυπρακτορικός συντονισμός με δημοπρασίες. Εφαρμογές σε αυτόνομους ρομποτικούς πράκτορες και εργαστηριακή διδασκαλία εργαλείων προγραμματισμού ρομποτικών συστημάτων.

Περιγραφή [pdf]     Videos [youtube]

Το μάθημα Γραμμικά Συστήματα ΣΥΣ 411 του 7ου εξαμήνου της σχολής ΗΜΜΥ θα διδάσκεται πλέον ως κατ' επιλογής υποχρεωτικό μάθημα (σε αντίθεση με το ΣΥΣ 401, το οποίο ήταν υποχρεωτικό). Το προσωρινό περίγραμμα του μαθήματος με όλες τις πληροφορίες επισυνάπτεται στην ενότητα "Έγγραφα". Το μάθημα αναφέρεται σε φοιτητές με μεγάλο ενδιαφέρον/κίνητρο για εμβάθυνση στη θεωρία συστημάτων ελέγχου και της εφαργμογές της.

Το μάθημα καλύπτει το «πώς» και το «γιατί» του σχεδιασμού των σημαντικότερων πρωτοκόλλων Διαδικτύου, απομυθοποιώντας τα κύρια στοιχεία στα οποία οι καθημερινές εφαρμογές στηρίζονται για να λειτουργούν πάνω από πραγματικά δίκτυα.

Ξεκινά με δημοφιλή πρωτόκολλα επιπέδου εφαρμογής όπως HTTP (για ιστοσελίδες), SMTP/IMAP (email), FTP (μεταφορά αρχείων), DASH (ροή βίντεο), πρωτόκολλα Peer-to-Peer (P2P) για από κοινού κατέβασμα αρχείων (π.χ. BitTorrent), καθώς και το πρωτόκολλο DNS και αρχιτεκτονικές προσωρινής αποθήκευσης (caching).

Συνεχίζει με τεχνολογίες Δρομολόγησης και Προώθησης που επιτρέπουν σε χιλιάδες δρομολογητές και μεταγωγείς να ανακαλύπτουν δικτυακά μονοπάτια μεταξύ οποιουδήποτε χρήστη και διακομιστή. Καλύπτει σχήματα διευθύνσεων IP (IPv4 και IPv6). Aλγόριθμους προώθησης που επιτρέπουν στους σημερινούς δρομολογητές να λειτουργούν με ταχύτητες Gbps. Πρωτόκολλα δρομολόγησης εντός (OSPF, Distance Vector Routing) και μεταξύ αυτόνομων συστημάτων (σύντομη εισαγωγή στο BGP) καθώς και εισαγωγή στο δίκτυα κατευθυνόμενα από λογισμικό (Software-defined Networks).

Στη συνέχεια εισάγει πρωτόκολλα μεταφοράς χωρίς (UDP) και με μνήμη (TCP), καθώς και στρατηγικές αναμετάδοσης που χρησιμοποιούνται τόσο στο επίπεδο μεταφοράς (από άκρο σε άκρο) όσο και στο επίπεδο σύνδεσης. Συγκεκριμένα, καλύπτει τον έλεγχο ροής (πώς να μην συμφορείται ένας προορισμός), τον έλεγχο συμφόρησης (πώς να μην συμφορείται το δίκτυο) και τα πρωτόκολλα αναμετάδοσης (πώς να αναγνωρίζονται χαμένα πακέτα και να αποστέλονται εκ νέου).

Τέλος, εισάγει εν συντομία κύριες ασύρματες αρχιτεκτονικές δικτύων, WiFi και κυψελοτών (2ης, 3ης και 4ης γενιάς) και τη σύγκλισή τους προς τεχνολογίες TCP/IP. Το μάθημα περιέχει ασκήσεις φροντιστηρίου καθώς και εργαστηριακές ασκήσεις, όπου οι μαθητές θα εξοικειωθούν με χρήσιμες δικτυακές εντολές μέτρησης και εργαλεία όπως traceroute, netstat, wireshark, και άλλα.

Ηλεκτρομαγνητισμός και μαγνητικά κυκλώματα, υστέρηση, δινορρεύματα, πειραματική μέτρηση απωλειών σιδήρου, αρμονικές, πραγματικός μετασχηματιστής, ισοδύναμο κύκλωμα αναφερόμενο στο πρωτεύον και δευτερεύον, τριφασικός μετασχηματιστής, ροή ισχύος, απώλειες και απόδοση μετασχηματιστή, αυτομετασχηματιστής, το ανά μονάδα σύστημα, ηλεκτρομηχανική μετατροπή ενέργειας, δύναμη και ροπή σε ηλεκτρομαγνητικό σύστημα, μηχανή συνεχούς ρεύματος (ΜΣΡ), αρχή λειτουργίας ΜΣΡ, κατασκευαστικά χαρακτηριστικά ΜΣΡ, τύποι ΜΣΡ, χαρακτηριστικές ροπής στροφών ΜΣΡ, έλεγχος ΜΣΡ, αρχη λειτουργίας επαγωγικής μηχανής (ΕΜ), κατασκευαστικά χαρακτηριστικά, απώλειες και απόδοση ΕΜ, ισοδύναμο κύκλωμα και χαρακτηριστικές ΕΜ, εκκίνηση και έλεγχος ΕΜ, αρχη λειτουργίας σύγχρονης μηχανής (ΣΜ), κατασκευαστικά χαρακτηριστικά ΣΜ κυλινδρικού δρομέα και εκτύπων πόλων, απώλειες και απόδοση ΣΜ, ισοδύναμα κύκλωματα και χαρακτηριστικές ΣΜ, εκκίνηση ΣΜ, έλεγχος συντελεστή ισχύος στη ΣΜ εκτύπων πόλων, d-q ανάλυση ΣΜ εκτύπων πόλων.

Το μάθημα δεν διαθέτει περιγραφή

Στοιχεία οπτικής και φυσικής στερεάς κατάστασης, διαμόρφωση φωτός, Lasers, εφαρμογές των Lasers, φωτοανιχνευτές, οπτικές ίνες, συστήματα οπτικής επικοινωνίας.

Γενική εισαγωγή στο δίκαιο, βασικές διακρίσεις δικαίου, στοιχεία δημοσίου δικαίου και δικαίου της Ευρωπαϊκής Ένωσης. Στοιχεία αστικού δικαίου (γενικές αρχές, ενοχικό δίκαιο, εμπράγματο δίκαιο). Στοιχεία εργατικού δικαίου, εμπορικού δικαίου, βιομηχανική ιδιοκτησία (σήμα, ευρεσιτεχνία), πνευματική ιδιοκτησία, στοιχεία δικαίου του περιβάλλοντος. Στοιχεία δικαίου των δημοσίων έργων (η ανάθεση και εκπόνηση μελετών δημοσίων έργων, η ανάθεση και κατασκευή δημοσίων έργων, το εργολαβικό αντάλλαγμα, η παραλαβή του δημοσίου έργου, η συμβατική ευθύνη των μερών, η διοικητική και δικαστική επίλυση των διαφορών, η οργάνωση των εργοληπτών δημοσίων έργων).

Ακαδ. έτος 2024-25

Εισαγωγή στα συστήματα μεταφοράς και διανομής ηλεκτρικής ενέργειας, ηλεκτρικά φορτία (καμπύλες φορτίου, ετεροχρονισμός, εκτίμηση αιχμής, πρόβλεψη φορτίου), κέντρα ελέγχου ενέργειας. Οικονομική λειτουργία Συστήματος Παραγωγής Ηλεκτρικής Ενέργειας. Εισαγωγή στην αξιοπιστία Συστημάτων Ηλεκτρικής Ενέργειας (Σ.Η.Ε.). Γραμμές μεταφοράς Σ.Η.Ε.: παράμετροι, παράσταση και συμπεριφορά (ισοδύναμα κυκλώματα, κυκλικά διαγράμματα ισχύος, ικανότητα φόρτισης), ρύθμιση τάσης, μεταφορά με συνεχές ρεύμα. Ανάλυση συμμετρικών και ασύμμετρων βραχυκυκλωμάτων. Εισαγωγή στις ηλεκτρολογικές εγκαταστάσεις (υπολογισμοί καλωδίωσης ασφαλειών και πτώσης τάσεως, γειώσεις, ηλεκτρικοί πίνακες ΧΤ και ΜΤ, ηλεκτρικοί υποσταθμοί. Ποιότητα ισχύος.

Για να λάβετε μέρος στην τελική εξέταση θα πρέπει να έχετε παρακολουθήσει επιτυχώς το εργαστήριο του μαθήματος (όλες τις παρουσίες, παραδώσει όλες τις εργασίες και προβιβάσιμο βαθμό και στις 2 εξετάσεις πειραμάτων). Αν αποτύχετε σε μια από τις δύο εξετάσεις ή θελετε να βελτιώσετε τον προβιβάσιμο βαθμό πειραμάτων που πετυχατε στις δύο επί μέρους εξετάσεις, στο τέλος Δεκεμβρίου σας δίνετε και η δυνατότητα μιας ολικής εξέτασης πειραμάτων. Ο προβιβάσιμος τελικός βαθμός εργαστηρίου διατηρείται για συνολικά 4 ακαδ. έτη (συμπεριλαμβανόμενου και του ακαδ. έτους που πετύχατε το βαθμό).

Αναπλήρωση σε περίπτωση απουσίας σας σε πείραμα γίνεται μόνο αν ενημερώσετε/εξηγήσετε το λόγο απουσίας με μύνημα στο eclass εντός  μιας βδομάδας από την ημέρα που απουσιάσατε και αν  γραφτείτε στην Ομάδα "Αναπληρώσεις". Οι αναπληρώσεις γίνονται σύμφωνα με τις εγγραφές στη λίστα  αναπλήρωσης κατά την διάρκεια του εξαμήνου, πριν την εξέταση των πειραμάτων.

ΠΡΟΓΡΑΜΜΑ ΕΡΓΑΣΤΗΡΙΑΚΩΝ ΟΜΑΔΩΝ: Έχετε 2 υποχρεωτικές παρουσίες στο εργαστήριο, για να κάνετε δύο πειράματα τη κάθε φορά. Απαραίτητη προϋπόθεση να έχετε στείλει πριν την ώρα του πειράματος την προβλεπόμενη προεργασία και να είστε θεωρητικά προετοιμασμένοι/νες κατά την ώρα του πειράματος. 

Πειράματα στην 1η παρουσία: LAB A και LAB B, Στα Εγγραφα Εργαστηρίου. θα βρείτε τη σχετική Θεωρία των πειραμάτων, τις Ερωτήσεις υποχρεωτικής προεργασίας και τα Φύλλα μετρήσεων. 

Διαθέσιμες ομάδες Εργαστηρίου:  Δευτέρες 2:15-4μμ, και 4:15-6μμ, Τρίτες 1:15-3μμ, Τρίτες 3:15-5μμ, Τετάρτες 1:15-3μμ, Τρίτες 3:15-5μμ, Πέμπτες 1:15-3μμ,  

ΕΓΓΡΑΦΗ ΣΕ ΕΡΓ. ΟΜΑΔΑ: Στο πεδίο "Ομάδες Χρηστών" επιλέγετε μια από τις ομάδες. Μπορείτε χωρίς συννενόηση μαζίμας  να αλλάζετε ημ/νία με αμοιβαία συμφωνία με μέλος άλλης Ομάδας. Τα πειράματα γίνονται στο κτίριο Ε3.007, υπάρχουν δύο είσοδοι από πάρκιγκ 6β.

ΣΗΜΑΝΤΙΚΕΣ ΗΜΕΡΟΜΗΝΙΕΣ (Εργαστηρίου):

1η Εξέταση πειραμάτων: Παρ. 15/11/2024,  5:00μμ-6:00μμ , αμφ. Α2(αφορά τα πειράματα που ολοκληρώσατε στην 1η παρουσία σας) (ΑΚΥΡΩΘΗΚΕ )

2η Εξέταση πειραμάτων: Δευτ 16/12/2024,  5:00μμ-6:30μμ , αμφ. A2 (αφορά τα πειράματα που ολοκληρώσατε στην 1η και  2η παρουσία σας)

Τελική - συνολική Εξέταση  πειραμάτων για τους μη-προβιβάσιμους: Παρ. 20/12/2023, ώρα 3:00μμ-4:00μμ, αιθ. 131Π39 αλλάζει για ΤΡΙΤΗ 7 ΙΑΝΟΥΑΡΙΟΥ 2025, ΩΡΑ 11:15πμ-12:45 μμ, αιθ. 137Π39 (αφορά τα πειράματα που ολοκληρώσατε στην 1η και 2η παρουσία σας)

Ώρες γραφείου ΕΔΙΠ Εργαστηρίου ΣΗΕ: Δρ. Ελευθερία Σεργάκη, (ΕΔΙΠ)  Δευτ. 12:45μμ-1:45μμ, Τρίτ. και Τετ. και Πέμπτες 11:45 πμ-12:45μμ, Γραφείο141.A-32 (κτίριο ΗΜΜΥ, πόρτα δίπλα καθ. κ. Σαμολαδά). Επιπλέο, μπορείτε να μου ζητάτε μέσω eclass συνάντηση και σε άλη ώρα/ημέρα που μας εξυπηρετεί και να με ενημερώνετε για πρόθεση συνάντησης στις παραπάνω ώρες ώστε να κρατώ προτεραιότητα και να μην περιμένετε.

Θεμελίωση και ιστορία της Τεχνητής Νοημοσύνης. Ευφυείς πράκτορες και περιβάλλοντα. Μέθοδοι απληροφόρητης, πληροφορημένης, ευριστικής συστηματικής αναζήτησης. Μέθοδοι τοπικής αναζήτησης. Προβλήματα ικανοποίησης περιορισμών και αλγόριθμοι επίλυσής τους. Βασική θεωρία παιγνίων και αναζήτηση υπό αντιπαλότητα. Προτασιακή λογική, λογική πρώτης τάξης, συλλογιστική, αλγόριθμοι συμπερασμού. Αναπαράσταση γνώσης, βάσεις γνώσης. Συστήματα συλλογιστικής, αποδείκτες θεωρημάτων, λογικός προγραμματισμός. Σχεδιασμός (planning) και αλγόριθμοι σχεδιασμού. Σχεδιασμός στον πραγματικό κόσμο.

Περιγραφή [pdf]