ΜΕΓΑΛΑ ΔΕΔΟΜΕΝΑ ΚΑΙ ΕΥΦΥΕΙΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ ΔΙΑΔΙΚΤΥΟ ΤΩΝ ΠΡΑΓΜΑΤΩΝ

Μεγάλα Δεδομένα Και Ευφυείς Εφαρμογές Στο Διαδίκτυο Των Πραγμάτων


Κωδικός Μαθήματος: ETH11
Επίπεδο Μαθήματος: Προπτυχιακό
Τύπος Μαθήματος: Ειδικού Υποβάθρου
Εξάμηνο: 8
Κατεύθυνση: Κατεύθυνση Τηλεπικοινωνιών και Δικτύων
Πιστωτικές Μονάδες: 5
Εβδομαδιαίες Ώρες διδασκαλίας: 4
Erasmus:  
Ιστοσελίδα: eclass.uowm.gr
Γλώσσα διδασκαλίας: Ελληνική
Γενικές Ικανότητες:  
Περιεχόμενο:

Προχωρημένα Θέματα στο Διαδίκτυο των Πραγμάτων: Συστήματα Κινητού και Διάχυτου Υπολογισμού, Αρχιτεκτονικές και Ζητήματα Σχεδίασης και Υπολογιστική Νέφους. Μεγάλα Δεδομένα και το Διαδίκτυο των Πραγμάτων: Συλλογή, Επεξεργασία, Αποθήκευση, Διαλειτουργικότητα και Ανάλυση Δεδομένων. Εφαρμογές Μηχανικής Μάθησης και Διαχείριση Δεδομένων από το Διαδίκτυο των Πραγμάτων. Προχωρημένα Θέματα Ασφάλειας και Ιδιωτικότητας: Κρυπτογράφηση, Αυθεντικοποίηση, Εξουσιοδότηση και Πιστοποιητικά Ασφαλείας στο Διαδίκτυο των Πραγμάτων. Σύγχρονα Πρότυπα και Πρωτόκολλα: Τάσεις, Συνέργειες με Ενσύρματα Δίκτυα και Δίκτυα 5G. Μελέτη Περιπτώσεων σε Ευφυείς Εφαρμογές: Έξυπνη Γεωργία, Έξυπνη Πό-λη, Έξυπνα Δίκτυα Ηλεκτρικής Ενέργειας, Έξυπνο Σπίτι και Υ-πηρεσίες Υγείας.

Αναμενόμενα μαθησιακά αποτελέσματα:
  • Κατανόηση Μεγάλων Δεδομένων και της Χρήσης τους στο Διαδίκτυο των Πραγμάτων.
  • Εφαρμογές Μηχανικής Μάθησης στο Διαδίκτυο των Πραγμάτων. 
  • Κατανόηση και Διάκριση των Συστημάτων Διάχυτου Υπολογισμού στην Αρχιτεκτονική Διαδικτύου των Πραγμάτων. 
  • Σχεδίαση και Υποστήριξη Ολοκληρωμένων Λύσεων Ασφαλείας στο Διαδίκτυο των Πραγμάτων. 
  • Σχεδίαση Ευφυών Περιβαλλόντων σε Σενάρια Υλοποίησης του Διαδικτύου των Πραγμάτων. 
  • Δυνατότητα Μοντελοποίησης και Ενεργειακής Αποτίμησης Σύγχρονων Εφαρμογών του Διαδικτύου των Πραγμάτων. 
  • Στρατηγική Αποτίμηση των Σύγχρονων Εφαρμογών του Διαδικτύου των Πραγμάτων.
Προαπαιτούμενα:

-

Τρόπος Παράδοσης:  
Χρήση Τεχνολογιών Πληροφορίας και επικοινωνιών:  
Οργάνωση Διδασκαλίας:

Διαλέξεις, Εργαστήριο, Εργαστηριακές Ασκήσεις, Εξαμηνιαία Εργασία

Αξιολόγηση Φοιτητών:

Τελική Γραπτή Εξέταση (60%), Εργαστηριακές Ασκήσεις (30%), Παρουσίαση Εξαμηνιαίας Εργασίας (10%), Προφορική Εξέταση (20%)

Προτεινόμενη Βιβλιογραφία:

[1] G. Hwaiyu, G., & J. McKeeth, ‘Internet of things and data analytics handbook’, Wiley Online Library, 2016.

[2] I. P. Žarko, A. Broering, S. Soursos, & M. Serrano, ‘Interoperability and open-source solutions for the Internet of Things, 2015, Springer International Publishing [Κωδ Εύδοξο: 75487776].


Διδάσκων: Σαρηγιαννίδης Παναγιώτης

Διδάσκων: Αγγελίδης Παντελής
Χρησιμοποιούμε cookies για την εξατομίκευση του περιεχομένου και των διαφημίσεων, για την παροχή λειτουργιών κοινωνικής δικτύωσης και για την ανάλυση της επισκεψιμότητάς μας. Μοιραζόμαστε επίσης πληροφορίες σχετικά με τη χρήση του ιστότοπού μας από εσάς με τους συνεργάτες μας στα μέσα κοινωνικής δικτύωσης, τη διαφήμιση και την ανάλυση. View more
Cookies settings
Αποδοχή
Απόρριψη
Privacy & Cookie policy
Privacy & Cookies policy
Cookie name Active
Χρησιμοποιούμε cookies για την εξατομίκευση του περιεχομένου και των διαφημίσεων, για την παροχή λειτουργιών κοινωνικής δικτύωσης και για την ανάλυση της επισκεψιμότητάς μας. Μοιραζόμαστε επίσης πληροφορίες σχετικά με τη χρήση του ιστότοπού μας από εσάς με τους συνεργάτες μας στα μέσα κοινωνικής δικτύωσης, τη διαφήμιση και την ανάλυση.
Save settings
Cookies settings