Είναι κάτοχος διδακτορικού σε «Ευφυή Ανάκτηση και Εξαγωγή Πληροφορίας με χρήση Εννοιολογικών Γράφων» από το Τμήμα Πληροφορικής του ΑΠΘ και μεταπτυχιακού σε «Advanced Computing – Artificial Intelligence» από το Τμήμα Πληροφορικής του Πανεπιστημίου του Bristol/UK. Επίσης είναι απόφοιτος του Τμήματος Φυσικής του ΑΠΘ.
Έχει διδάξει επί σειρά ετών στα τμήματα Πληροφορικής του ΑΠΘ, του Πανεπιστημίου Θεσσαλίας και του ΤΕΙ Θεσσαλονίκης, τόσο σε προπτυχιακό όσο και σε μεταπτυχιακό επίπεδο. Από το 2011 έχει ενταχθεί στο ΕΠ του Τμ. Μηχανικών Πληροφορικής του ΤΕΙ Θεσσαλίας όπου και διδάσκει Προγραμματισμό Εφαρμογών Διαδικτύου, Τεχνητή Νοημοσύνη, Μηχανική Μάθηση, και Ειδικά Θέματα Παγκόσμιου Ιστού.
Ερευνητικά ασχολείται κύρια με το πάντρεμα τεχνολογιών ΤΝ και Παγκόσμιου Ιστού (web content extraction, open linked data, web mining, web intelligence) ενώ εργασίες του έχουν δημοσιευτεί σε επιστημονικά περιοδικά και πρακτικά συνεδρίων (όλα με σύστημα κριτών). Είναι μέλος της συγγραφικής ομάδας του βιβλίου «Τεχνητή Νοημοσύνη» που διδάσκεται επί σειρά ετών σε πολλά τμήματα Πανεπιστημίων και ΤΕΙ, συνδημιουργός του συστήματος αποδελτίωσης ιστού DEiXTo και της οικογένειας εφαρμογών fuelGR, ενώ έχει συμμετάσχει σε πολλά ερευνητικά και αναπτυξιακά προγράμματα σε ΑΠΘ, ΠΑΜΑΚ και ΤΕΙ Θεσσαλίας.
Μηχανική Μάθηση
Το μάθημα καλύπτει θεωρητικά και πρακτικά ζητήματα που σχετίζονται με το σημαντικότερο (και συνθετότερο) συστατικό της Τεχνητής Νοημοσύνης, την ικανότητα μάθησης. Ως εκ τούτου αποτελεί την αιχμή του δόρατος της σύγχρονης τεχνητής νοημοσύνης και αποτελεί πεδίο έντονης ερευνητικής δραστηριότητας αλλά και επιχειρηματικό πεδίο προηγμένων εφαρμογών πολλών δισεκατομυρίων.
Περιεχόμενο Μαθήματος (Ενδεικτικά)
Είδη Μάθησης,
Μάθηση Συνάρτησης,
Μάθηση Εννοιών,
Μάθηση βασισμένη σε Περιπτώσεις,
Δένδρα Ταξινόμησης,
Μάθηση κατά Bayes,
Μάθηση με k-πλησιέστερους Γείτονες,
SVM,
Αξιολόγηση Μοντέλων,
Συσταδοποίηση,
Κανόνες Συσχέτισης,
Ενισχυτική Μάθηση,
Λογισμικά και Εφαρμογές.
Για ώρες μαθημάτων δείτε το επίσημο πρόγραμμα διδασκαλίας του Τμήματος (στις ανακοινώσεις στο site του Τμήματος).
Ειδικά Θέματα Παγκόσμιου Ιστού
Το μάθημα εξετάζει παραμέτρους που μπορούν να συμβάλουν στη δημιουργία πετυχημένων υπηρεσίων και εφαρμογών στον σύγχονο παγκόσμιο ιστό. Παραδείγματα τέτοιων εφαρμογών υπάρχουν πολλά και λίγο ή πολύ όλοι έχουμε αλληλεπιδράσει μαζί τους. Βασίζονται κύρια στη βαθύτερη γνώση του τρόπου λειτουργίας του Παγκόσμιου Ιστού και στη χρήση τεχνολογιών προερχόμενων από τον χώρο της Τεχνητής Νοημοσύνης και ειδικότερα της Μηχανικής Μάθησης.
Περιεχόμενο Μαθήματος (Ενδεικτικά)
Αναζήτηση και Ανάκτηση Πληροφορίας στον Παγκόσμιο Ιστό,
Crawlers,
Μοντέλα Ανάκτησης και Μετρικές Αξιολόγησης,
Οι αλγόριθμοι Page Rank και HITS,
Βελτιστοποίηση Ιστοσελίδων (SEO) & Web marketing,
Τεχνολογίες Web 2.0 & Επαναχρησιμοποίηση Ιστού,
Εξαγωγή Δομημένων Δεδομένων (Κανόνες Εξαγωγής, Σχεδίαση και Επαγωγή Κανόνων),
Web Services, Web APIs,
Εξόρυξη Ιστού (Web Mining),
Εξόρυξη Γνώμης/Συναισθήματος,
Εξόρυξη σε Δεδομένα Χρήσης: Συστήματα Συστάσεων,
Εξατομικευμένες Συστάσεις (με βάση το περιεχόμενο, με βάση τον χρήστη, συνεργατικό φιλτράρισμα),
Μη Εξατομικευμένες Συστάσεις (ομοιότητα προϊόντων - μέτρα ομοιότητας, σχετικότητα προϊόντων).
Για ώρες μαθημάτων δείτε το επίσημο πρόγραμμα διδασκαλίας του Τμήματος (στις ανακοινώσεις στο site του Τμήματος).
Προγραμματισμός Εφαρμογών Διαδικτύου
Το μάθημα αφορά σε τεχνολογίες και διαδικασίες ανάπτυξης εφαρμογών στον Παγκόσμιο Ιστό (Word Wide Web - WWW). Δίνεται έμφαση σε βέλτιστες πρακτικές και λύσεις βασισμένες σε σύγχρονες τεχνολογίες.
Περιεχόμενο Μαθήματος (Ενδεικτικά)
Περιγραφή ιστοσελίδας με HTML/XHTML
Μορφοποίηση και χωροθέτηση περιεχομένου με CSS
Client side scripting (JavaScript) και Document Object Model (DOM)
Server side scripting, sessions, cookies, post/get κλίσεις
Σύνδεση ιστοσελίδας με βάσεις δεδομένων
Μελέτη Περιπτώσεων: registration, login, user tracking, κρυπτογράφηση, καλάθι αγορών, φόρμες αναζήτησης και σελιδοποίηση αποτελεσμάτων
Γλώσσα XML/DTD
Web εφαρμογές υψηλής αλληλεπίδρασης (RIAs) - Τεχνολογία AJAX
Εργαλεία προγραμματισμού web εφαρμογών, Web CMS
Για ώρες μαθημάτων δείτε το επίσημο πρόγραμμα διδασκαλίας του Τμήματος (στις ανακοινώσεις στο site του Τμήματος).
Τεχνητή Νοημοσύνη
Το μάθημα σχετίζεται με την Τεχνητή Νοημοσύνη (ΤΝ), δηλαδή τον τομέα της επιστήμης των υπολογιστών που ασχολείται με τη σχεδίαση ευφυών υπολογιστικών συστημάτων. Πρόκειται για συστημάτα που επιδεικνύουν χαρακτηριστικά που σχετίζουμε με τη νοημοσύνη στην ανθρώπινη συμπεριφορά. Το μάθημα καλύπτει βασικές έννοιες τόσο της κλασικής (συμβολικής) όσο και της υπολογιστικής ΤΝ.
Περιεχόμενο Μαθήματος (Ενδεικτικά)
Στοιχεία Λογικού Προγραμματισμού,
Περιγραφή Προβλημάτων,
Αλγόριθμοι Αναζήτησης (Τυφλοί, Ευρετικοί, σε Παίγνια 2 Αντιπάλων),
Αναπαράσταση Γνώσης και Συλλογιστικές,
Συστήματα Γνώσης,
Σχεδιασμός Ενεργειών,
Γενετικοί Αλγόριθμοι,
Τεχνητά Νευρωνικά Δίκτυα.
Για ώρες μαθημάτων δείτε το επίσημο πρόγραμμα διδασκαλίας του Τμήματος (στις ανακοινώσεις στο site του Τμήματος).
fuelGR
is a family of applications providing information for prices and fuel stations
for the Greek liquid (and gas) fuel market. The applications receive data from
the fuelGR API (build by the DEiXTo team) which in turn gets data from the state
owned site of Fuel Prices Observatory.
DEiXTo (or ΔEiXTo) is a powerful web data extraction tool that is based on the W3C Document Object Model (DOM). It allows users to create highly accurate “extraction rules” (wrappers) that describe what pieces of data to scrape from a website.
DEiXTo can contend with a wide range of websites with high precision and recall. It provides the user with an arsenal of features aiming at the construction of well-engineered extraction rules. Wrappers built with GUI DEiXTo can be scheduled to run automatically providing automated access to resources of interest and saving users a lot of time, energy and repetitive effort.