ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

1.      ΓΕΝΙΚΑ

ΣΧΟΛΗ

ΜΗΧΑΝΙΚΩΝ

ΤΜΗΜΑ

ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ & ΔΙΟΙΚΗΣΗΣ

ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

ΠΡΟΠΤΥΧΙΑΚΟ

ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

 

ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

6ο

ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ

ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
σε περίπτωση που οι πιστωτικές μονάδες απονέμονται σε διακριτά μέρη του μαθήματος π.χ. Διαλέξεις, Εργαστηριακές Ασκήσεις κ.λπ. Αν οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος αναγράψτε τις εβδομαδιαίες ώρες διδασκαλίας και το σύνολο των πιστωτικών μονάδων

ΕΒΔΟΜΑΔΙΑΙΕΣ
ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

Διαλέξεις

2

 

4

Ασκήσεις Πράξης

1

Εργαστήριο

 

Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο 4.

 

 

ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

Υποβάθρου , Γενικών Γνώσεων, Επιστημονικής Περιοχής, Ανάπτυξης Δεξιοτήτων

Ειδικής Υποδομής

ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

 

 

ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

Ελληνική

ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

ΟΧΙ

ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

 

2.      ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μαθησιακά Αποτελέσματα

Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες  γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος.

Συμβουλευτείτε το Παράρτημα Α

·    Περιγραφή του Επιπέδου των Μαθησιακών Αποτελεσμάτων για κάθε ένα κύκλο σπουδών σύμφωνα με Πλαίσιο Προσόντων του Ευρωπαϊκού Χώρου Ανώτατης Εκπαίδευσης

·    Περιγραφικοί Δείκτες Επιπέδων 6, 7 & 8 του Ευρωπαϊκού Πλαισίου Προσόντων Διά Βίου Μάθησης

και Παράρτημα Β

·    Περιληπτικός Οδηγός συγγραφής Μαθησιακών Αποτελεσμάτων

Σκοπός του μαθήματος είναι να εισάγει τον φοιτητή στην έννοια των Τεχνητών Νευρωνικών Δικτύων και της Μηχανικής Μάθησης που είναι ο κύριος τομέας εφαρμογής τους. Να γνωρίσει τα διάφορα είδη τους, την δομή και τις εφαρμογές τους, καθώς και τα όρια στην επίδοσή τους.

Να μπορεί να χρησιμοποιήσει λογισμικά εξομοίωσης Νευρωνικών Δικτύων και να δημιουργεί εφαρμογές.

 

 

 

Γενικές Ικανότητες

Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;.

Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

Προσαρμογή σε νέες καταστάσεις

Λήψη αποφάσεων

Αυτόνομη εργασία

Ομαδική εργασία

Εργασία σε διεθνές περιβάλλον

Εργασία σε διεπιστημονικό περιβάλλον

Παράγωγή νέων ερευνητικών ιδεών

Σχεδιασμός και διαχείριση έργων

Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα

Σεβασμός στο φυσικό περιβάλλον

Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου

Άσκηση κριτικής και αυτοκριτικής

Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

·    Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

·    Προσαρμογή σε νέες καταστάσεις

·    Λήψη αποφάσεων

·    Αυτόνομη εργασία

·    Ομαδική εργασία

·    Εργασία σε διεθνές περιβάλλον

·     Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

3.      ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

·      Βασικές Έννοιες

·      Τεχνητά Νευρωνικά Δίκτυα

·      Τα δίκτυα Perceptron και ADALINE

·      Το Δίκτυο Multi-Layer Perceptron και ο Κανόνας Back-Propagation

·      Αυτο-οργανούμενα δίκτυα (SOM)

·      Δίκτυα Συναρτήσεων Βάσης Ακτινικού Τύπου (RBF)

·      Χεμπιανά μοντέλα μάθησης

·      Πραγματοποίηση Νερωνικών Δικτύων στο Matlab

·      Μάθηση και Γενίκευση

·      Μηχανές Διανυσμάτων Υποστήριξης (Support Vector Machines)

·      Στατιστικά Μοντέλα και ο Κανόνας του Bayes        

·      Μάθηση Κατανομών Πιθανότητας και Ομαδοποίηση

·      Βαθιά Μάθηση (Deep Learning)

·      Εφαρμογές Τεχνητών Νευρωνικών Δικτύων

1.      ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ
Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ.

Στην τάξη, πρόσωπο με πρόσωπο

ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές

Λογισμικό επικοινωνίας με τους φοιτητές μέσω της ηλεκτρονικής πλατφόρμας Moodle για την κοινοποίηση των ανακοινώσεων, των σημειώσεων και των ασκήσεων του μαθήματος.

ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας.

Διαλέξεις, Σεμινάρια, Εργαστηριακή Άσκηση, Άσκηση Πεδίου, Μελέτη & ανάλυση βιβλιογραφίας, Φροντιστήριο, Πρακτική (Τοποθέτηση), Κλινική Άσκηση, Καλλιτεχνικό Εργαστήριο, Διαδραστική διδασκαλία, Εκπαιδευτικές επισκέψεις, Εκπόνηση μελέτης (project), Συγγραφή εργασίας / εργασιών, Καλλιτεχνική δημιουργία, κ.λπ.

 

Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης ώστε ο συνολικός φόρτος εργασίας σε επίπεδο εξαμήνου να αντιστοιχεί στα standards του ECTS

Δραστηριότητα

Φόρτος Εργασίας Εξαμήνου

Διαλέξεις

26x2=52

Ασκήσεις Πράξης που εστιάζουν στην εφαρμογή μεθοδολογιών και ανάλυση μελετών περίπτωσης σε μικρότερες ομάδες φοιτητών, ή ανά φοιτητή.

13x2=26

Εργαστηριακές Ασκήσεις εφαρμογής για την επίτευξη των στόχων του μαθήματος.

 

Εργασίες εφαρμογής

13x1=13

 

 

 

 

 

 

Αυτοτελής Μελέτη

45x0,2=9

Σύνολο Μαθήματος

(25 ώρες φόρτου εργασίας ανά πιστωτική μονάδα)

100

 

 

ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

Περιγραφή της διαδικασίας αξιολόγησης

 

Γλώσσα Αξιολόγησης, Μέθοδοι αξιολόγησης, Διαμορφωτική  ή Συμπερασματική, Δοκιμασία Πολλαπλής Επιλογής, Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης Δοκιμίων, Επίλυση Προβλημάτων, Γραπτή Εργασία, Έκθεση / Αναφορά, Προφορική Εξέταση, Δημόσια Παρουσίαση, Εργαστηριακή Εργασία, Κλινική Εξέταση Ασθενούς, Καλλιτεχνική Ερμηνεία, Άλλη / Άλλες

 

Αναφέρονται  ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές.

 

Γραπτή τελική εξέταση (100%) που περιλαμβάνει:

·        Θεωρητικό μέρος

·        Επίλυση Προβλημάτων

 

Ή Εργασία (100%) πραγματοποίησης Τεχνητού Νευρωνικού Δικτύου

 

2.      ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

-Προτεινόμενη Βιβλιογραφία :

-Συναφή επιστημονικά περιοδικά:

 

1)      Νευρωνικά δίκτυα και μηχανική μάθηση. Haykin, Simon. Εκδόσεις Παπασωτηρίου, ISBN13: 9789607182647

2)      Neural Network Design. Martin T. Hagan, Howard B. Demuth, Mark Hudson Beale, Orlando De Jesús. ISBN13: 9780971732117. https://hagan.okstate.edu/NNDesign.pdf

3)      Τεχνητά νευρωνικά δίκτυα. Κωνσταντίνου Διαμαντάρα. Εκδόσεις Κλειδάριθμος, ISBN : 978-960-461-080-8

4)      Neural Network Toolbox (Matlab). Mark Hudson Beale, Martin T. Hagan, Howard B. Demuth.