Μεταπτυχιακή διπλωματική εργασία

Ανάπτυξης Δεξιοτήτων

Εμβάθυνσης / Εμπέδωσης Γνώσεων

Το μάθημα προσφέρεται και σε φοιτητές προγραμμάτων ανταλλαγής.

1) Απόκτηση εις βάθος γνώσης. Οι φοιτητές δείχνουν μια ολοκληρωμένη κατανόηση του επιλεγμένου ερευνητικού θέματος, συμπεριλαμβανομένων των σχετικών θεωριών, μεθοδολογιών και υπάρχουσας βιβλιογραφίας. 2) Κριτική Ανάλυση και Αξιολόγηση. Οι φοιτητές αναπτύσσουν την ικανότητα κριτικής ανάλυσης και αξιολόγησης της υπάρχουσας έρευνας, εντοπίζοντας κενά και περιορισμούς στην τρέχουσα βιβλιογραφία. 3) Σχεδιασμός και Μεθοδολογία Έρευνας. Οι φοιτητές σχεδιάζουν και εφαρμόζουν κατάλληλες ερευνητικές μεθοδολογίες, επιδεικνύοντας γνώση τόσο ποιοτικών όσο και/ή ποσοτικών τεχνικών έρευνας. 4) Συλλογή και ανάλυση δεδομένων. Οι φοιτητές συλλέγουν, διαχειρίζονται και αναλύουν αποτελεσματικά δεδομένα χρησιμοποιώντας κατάλληλα εργαλεία και τεχνικές, εξάγοντας έγκυρα συμπεράσματα και ιδέες από τα ευρήματα. 5) Ανεξάρτητη έρευνα και επίλυση προβλημάτων. Οι φοιτητές επιδεικνύουν την ικανότητα να εργάζονται ανεξάρτητα, επιδεικνύοντας πρωτοβουλία στον εντοπισμό και την επίλυση ερευνητικών προβλημάτων που προκύπτουν κατά τη διάρκεια της διατριβής. 6) Συμβολή στη Γνώση. Οι φοιτητές κάνουν μια πρωτότυπη συνεισφορά στο πεδίο της Τεχνητής Νοημοσύνης παρέχοντας νέες ιδέες, προοπτικές ή λύσεις που επεκτείνουν το τρέχον σώμα γνώσης. 7) Ικανότητες επικοινωνίας και παρουσίασης. Οι φοιτητές παρουσιάζουν τα ευρήματα της έρευνας με σαφήνεια και πειστικότητα τόσο σε γραπτή όσο και σε προφορική μορφή, επιδεικνύοντας επάρκεια στην ακαδημαϊκή γραφή και δεξιότητες παρουσίασης.

Η διπλωματική εργασία εμβαθύνει στην πρώτη γραμμή της έρευνας της τεχνητής νοημοσύνης, αντιμετωπίζοντας τις σύγχρονες προκλήσεις και ωθεί τα όρια της τεχνολογικής καινοτομίας. Οι μαθητές συμμετέχουν σε πρωτότυπα και εντυπωσιακά ερευνητικά έργα, εξερευνώντας διάφορες πτυχές της τεχνητής νοημοσύνης, όπως η μηχανική μάθηση, η βαθιά μάθηση, η επεξεργασία φυσικής γλώσσας και η όραση υπολογιστή. Η εργασία της διατριβής περιλαμβάνει τόσο θεωρητικές όσο και πρακτικές διαστάσεις, επιτρέποντας στους φοιτητές να εφαρμόζουν εξελιγμένους αλγόριθμους σε προβλήματα του πραγματικού κόσμου. Αξιοποιώντας προηγμένες μεθοδολογίες και εργαλεία τελευταίας τεχνολογίας, η έρευνα διερευνά νέες λύσεις που συμβάλλουν στο εξελισσόμενο τοπίο των εφαρμογών τεχνητής νοημοσύνης. Δίνοντας έμφαση στη διεπιστημονική συνεργασία, η μεταπτυχιακή διατριβή ενθαρρύνει τους μαθητές να ενσωματώσουν τεχνολογίες τεχνητής νοημοσύνης με άλλους τομείς, προωθώντας μια ολιστική προσέγγιση στην επίλυση προβλημάτων. Το αποκορύφωμα αυτής της διατριβής αντιπροσωπεύει μια σημαντική συνεισφορά στον τομέα, επιδεικνύοντας την τεχνογνωσία του φοιτητή στην τεχνητή νοημοσύνη και την ικανότητά τους να κάνουν σημαντικές προόδους σε αυτόν τον δυναμικό και ταχέως εξελισσόμενο τομέα.

Μηχανική Μάθηση, Σημασιολογικός Ιστός, Προχωρημένη υπολογιστική όραση, Υπολογιστική Νοημοσύνη-Στατιστική Μάθηση, Ανάλυση Βιοσημάτων- Νευροπληροφορική, Παιχνίδια και Τεχνητή Νοημοσύνη, Γλωσσική Τεχνολογία, Προχωρημένα Θέματα Μηχανικής Μάθησης, Συστήματα Ευφυών Πρακτόρων, Βαθιά Μάθηση και Ανάλυση Πολυμεσικών Δεδομένων, Φιλοσοφία και Τεχνητή Νοημοσύνη, Αντίληψη Αυτόνομων Συστημάτων, Γράφοι Γνώσης και Μηχανική Οντολογιών

03-12-2023