Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα"

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα Διδακτορική Διατριβή Γεώργιος Τζανής Πτυχιούχος Τμήματος Πληροφορικής Α.Π.Θ. ΘΕΣΣΑΛΟΝΙΚΗ 2011

2

3 Γεώργιος Τζανής Πτυχιούχος Τμήματος Πληροφορικής Α.Π.Θ. Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα Διδακτορική Διατριβή Υποβλήθηκε στο Τμήμα Πληροφορικής του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης Ημερομηνία Προφορικής Εξέτασης: 20/06/2011 Συμβουλευτική Επιτροπή: Βλαχάβας Ιωάννης - Καθηγητής (επιβλέπων) Βακάλη Αθηνά - Αναπληρώτρια Καθηγήτρια Βασιλειάδης Νικόλαος - Αναπληρωτής Καθηγητής Εξεταστική Επιτροπή: Βλαχάβας Ιωάννης - Καθηγητής Βακάλη Αθηνά - Αναπληρώτρια Καθηγήτρια Βασιλειάδης Νικόλαος - Αναπληρωτής Καθηγητής Λάσκαρης Νικόλαος - Επίκουρος Καθηγητής Ποταμιάς Γεώργιος - Ερευνητής Β Τσαμαρδίνος Ιωάννης - Επίκουρος Καθηγητής Τσουμάκας Γρηγόριος - Λέκτορας

4

5 Ευχαριστίες Η εκπόνηση της διατριβής πραγματοποιήθηκε στο Εργαστήριο Γλωσσών Προγραμματισμού και Τεχνολογίας Λογισμικού του Τμήματος Πληροφορικής του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης, σε συνεργασία με την ομάδα Μηχανικής Μάθησης και Ανακάλυψης Γνώσης. Θα ήθελα να ευχαριστήσω θερμά τον επιβλέποντα της διατριβής μου Καθηγητή κ. Ιωάννη Βλαχάβα, για την εμπιστοσύνη που μου έδειξε, για τον απεριόριστο χρόνο που αφιέρωσε στην καθοδήγησή μου και για την εξασφάλιση υλικών και τεχνικών υποδομών κατά τη διάρκεια της εκπόνησης της διατριβής. Επίσης, θα ήθελα να τον ευχαριστήσω, γιατί μου έδωσε τη δυνατότητα συμμετοχής σε ερευνητικά και αναπτυξιακά προγράμματα, τα οποία αποτέλεσαν πηγή σημαντικής επαγγελματικής εμπειρίας και γνώσης. Θα ήθελα ακόμη να ευχαριστήσω τον Αναπληρωτή Καθηγητή κ. Νικόλαο Βασιλειάδη και την Αναπληρώτρια Καθηγήτρια κ. Αθηνά Βακάλη, που διατέλεσαν μέλη της συμβουλευτικής μου επιτροπής και συνέβαλλαν σημαντικά με την πολύτιμη καθοδήγηση και υποστήριξή τους. Θα ήθελα επίσης να ευχαριστήσω το διδάκτορα κ. Χρήστο Μπερμπερίδη, το Λέκτορα κ. Γρηγόριο Τσουμάκα και τον υποψήφιο διδάκτορα κ. Ιωάννη Καβακιώτη, για τις εποικοδομητικές ανταλλαγές απόψεων και την άριστη συνεργασία τους κατά την προετοιμασία και συγγραφή πολλών από τα επιστημονικά άρθρα που προέκυψαν ως αποτέλεσμα της εκπόνησης της διατριβής. Επιπλέον, θα ήθελα να ευχαριστήσω την Καθηγήτρια κ. Άρτεμις Χατζηγεωργίου και την Καθηγήτρια κ. Φίλια Μακεδών για την πρόθυμη και πολύτιμη συνεισφορά τους με τις γνώσεις και την εμπειρία τους. Επίσης, οφείλω να εκφράσω τις ευχαριστίες μου στους φίλους και συναδέλφους, διδάκτορες κκ. Ιωάννη Κατάκη, Ιωάννη Παρτάλα, Ευστράτιο Κοντόπουλο και Γεώργιο Μεδίτσκο για την αρμονική συνύπαρξη και την άριστη συνεργασία τους κατά τη διάρκεια της εκπόνησης της διατριβής. Θα ήθελα ακόμη να ευχαριστήσω και τους υπόλοιπους συνεργάτες του εργαστηρίου, το Λέκτορα κ. Δημήτριο Βράκα, τον Καθηγητή Εφαρμογών κ. Φώτιο Κόκκορα και το Λέκτορα κ. Ηλία Σακελλαρίου, καθώς και τα νεότερα μέλη του εργαστηρίου, τους υποψήφιους διδάκτορες κκ. Καλλιόπη Κράβαρη, Αθανάσιο Σταυρόπουλο και Ελευθέριο Σπυρομήτρο-Ξιούφη. Τέλος, αισθάνομαι την ανάγκη να ευχαριστήσω την οικογένειά μου και τους φίλους μου για την υπομονή και την υποστήριξή τους καθ όλη τη διάρκεια εκπόνησης της διατριβής. Γεώργιος Τζανής Θεσσαλονίκη, Ιούνιος 2011 i

6

7 Περίληψη Κατά τη διάρκεια των τελευταίων δεκαετιών, οι σημαντικές εξελίξεις των επιστημών της πληροφορικής και της βιολογίας έχουν προσελκύσει το ενδιαφέρον όλης της ανθρωπότητας. Η ανάπτυξη του Παγκόσμιου Ιστού και η αποκρυπτογράφηση του ανθρώπινου γονιδιώματος αντανακλούν την έκταση της προόδου αυτών των επιστημών. Μάλιστα, η ραγδαία ανάπτυξη της τεχνολογίας έχει οδηγήσει στην αύξηση του ρυθμού παραγωγής βιολογικών δεδομένων, γεγονός που κατέστησε επιτακτική την ανάγκη στενής συνεργασίας μεταξύ των επιστημόνων της βιολογίας και της πληροφορικής. Αυτή η συνεργασία οδήγησε στην εμφάνιση της βιοπληροφορικής, μιας νέας διεπιστημονικής ερευνητικής περιοχής, που αποτελεί την τομή των επιστημών της βιολογίας και της πληροφορικής. Σκοπός της βιοπληροφορικής είναι η ανάπτυξη και η χρήση εργαλείων για τη διαχείριση και ανάλυση του τεράστιου όγκου των βιολογικών δεδομένων. Παράλληλα με τη βιοπληροφορική εξελίχθηκε και ένα άλλο ερευνητικό πεδίο ως απότοκος της ανάγκης αποδοτικής και αποτελεσματικής διαχείρισης μεγάλων όγκων δεδομένων. Η ανακάλυψη γνώσης από βάσεις δεδομένων παρέχει ένα σύνολο ισχυρών εργαλείων για την ανάλυση νέων τύπων δεδομένων με σκοπό την αποδοτική και αποτελεσματική εξαγωγή γνώσης. Αυτά τα εργαλεία συνδυάζουν τεχνικές από διάφορες περιοχές, όπως είναι η στατιστική, η τεχνητή νοημοσύνη, η αναγνώριση προτύπων και η τεχνολογία βάσεων δεδομένων, με σκοπό την αντιμετώπιση των εμποδίων και των περιορισμών που τίθενται από τις παραδοσιακές μεθόδους ανάλυσης δεδομένων. Η παρούσα διατριβή έχει ως αντικείμενο μελέτης την ανακάλυψη γνώσης από βιολογικά δεδομένα και εντάσσεται στα πλαίσια των ερευνητικών περιοχών της ανακάλυψης γνώσης από βάσεις δεδομένων και της βιοπληροφορικής. Στους στόχους της διατριβής περιλαμβάνεται η επινόηση νέων και η τροποποίηση ή επέκταση υπαρχουσών μεθόδων ανακάλυψης γνώσης, καθώς και η εφαρμογή τους για την ανάλυση βιολογικών δεδομένων. Στα πλαίσια της διατριβής ορίζεται ένα νέο είδος προβλήματος της ανακάλυψης γνώσης από βάσεις δεδομένων, που περιλαμβάνει την ανακάλυψη αμοιβαίως αποκλειόμενων αντικειμένων. Προτείνεται ένας αλγόριθμος ανακάλυψής τους από μια βάση δεδομένων συναλλαγών, ο οποίος εφαρμόζεται σε βιολογικά δεδομένα που αφορούν την έκφραση γονιδίων. Επιπλέον, προτείνεται μια μέθοδος για την αποτελεσματική ταξινόμηση δεδομένων γονιδιακής έκφρασης με απώτερο σκοπό την πρόβλεψη φαινοτύπου. Επίσης, προτείνονται προσεγγίσεις που εντάσσονται στα πλαίσια της ανάλυσης βιολογικών αλληλουχιών. Συγκεκριμένα, αντιμετωπίζονται δύο ξεχωριστά προβλήματα που προσελκύουν το ενδιαφέρον των ερευνητών, η πρόβλεψη του σημείου έναρξης της μετάφρασης και η πρόβλεψη του σημείου αποκοπής και πολυαδενυλίωσης. iii

8

9 Abstract 1. Title of PhD Thesis: Knowledge Discovery from Biological Data During the last decades the major advances in informatics and biology have attracted the interest of all humanity. The growth of World Wide Web and the Human Genome Project reflect the extent of the development of these two scientific areas. Moreover, the rapid technological development has resulted in an increased rate of biological data accumulation, necessitating the collaboration between scientists of biology and informatics. This collaboration has lead to the emergence of bioinformatics, a new interdisciplinary research area, which is the intersection of biology and informatics. The aim of bioinformatics is the development and use of tools for managing and analyzing the vast amounts of biological data. Another research area has been grown along with bioinformatics, in order to deal with large-volume data management efficiently and effectively. Knowledge discovery in databases provides a set of tools to analyze new data types in order to extract various types of knowledge efficiently and effectively. These tools combine powerful techniques from different areas, such as statistics, artificial intelligence, pattern recognition and database technology. This fusion of technologies aims to overcome the obstacles and constraints posed by the traditional data analysis methods. The scope of this thesis includes knowledge discovery from biological data and is strongly related to the research areas of knowledge discovery in data bases and bioinformatics. This thesis targets to the invention of new knowledge discovery methods and the modification or extension of existing ones, as well as the application of these methods for biological data analysis. In the framework of this thesis a new knowledge discovery problem, which deals with the discovery of mutually exclusive items, is defined. An algorithm for mining mutually exclusive items from transactional data is provided and is applied on gene expression data. Moreover, an approach for the effective classification of gene expression data and phenotype prediction is proposed. Furthermore, a number of biological sequence analysis approaches are proposed. In particular, two interesting and distinct sequence analysis problems are studied, namely translation initiation site prediction and cleavage-polyadenylation site prediction. v

10

11 Περιεχόμενα Ευχαριστίες Περίληψη Abstract Περιεχόμενα Κατάλογος Εικόνων Κατάλογος Πινάκων 1 Εισαγωγή 1.1 Κίνητρο Διατριβής και Συναφή Ερευνητικά Πεδία Τάσεις της Ανακάλυψης Γνώσης από Βάσεις Δεδομένων Τάσεις της Βιοπληροφορικής 1.2 Συμβολή και Δομή της Διατριβής 2 Ανακάλυψη Γνώσης από Βάσεις Δεδομένων 2.1 Η Διαδικασία Ανακάλυψης Γνώσης από Βάσεις Δεδομένων Στάδια της Διαδικασίας Ανακάλυψης Γνώσης από Βάσεις Δεδομένων 2.2 Μηχανική Μάθηση Κατηγορίες Μεθόδων Μηχανικής Μάθησης Σχέση Μηχανικής Μάθησης και Ανακάλυψης Γνώσης 2.3 Μέθοδοι Εξόρυξης από Δεδομένα Ταξινόμηση και Παλινδρόμηση Εξόρυξη Κανόνων Συσχέτισης Ομαδοποίηση 2.4 Μέθοδοι Προεπεξεργασίας και Μεταεπεξεργασίας Μείωση Διαστάσεων Διακριτοποίηση Αξιολόγηση Ταξινομητών 2.5 Αποθήκες Δεδομένων 2.6 Προβλήματα της Ανακάλυψης Γνώσης από Βάσεις Δεδομένων Ποιότητα Δεδομένων Όγκος Δεδομένων Διαχείριση Αποτελεσμάτων Προβλήματα Μεθοδολογίας Προβλήματα Απόδοσης i iii v vii xiii xvii vii

12 viii Γεώργιος Τζανής Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα 2.7 Εφαρμογές της Ανακάλυψης Γνώσης από Βάσεις Δεδομένων 2.8 Σύνοψη 3 Μοριακή Βιολογία και Βιοπληροφορική 3.1 Οργανισμοί και Κύτταρα 3.2 Βιομόρια Μικρά Μόρια Πρωτεΐνες DNA RNA 3.3 Γονίδια και Γονιδίωμα 3.4 Μεταλλάξεις και Πολυμορφισμοί 3.5 Γονιδιακή Έκφραση Μεταγραφή Μάτισμα Προσθήκη Καλύπτρας και Πολυαδενυλίωση Μετάφραση 3.6 Γονιδιακή Ρύθμιση 3.7 Η Ροή της Βιολογικής Πληροφορίας 3.8 Βιοπληροφορική Οι Στόχοι της Βιοπληροφορικής 3.9 Εύρεση και Ανάλυση Βιολογικών Αλληλουχιών Αλληλούχιση DNA Πρόβλεψη Γονιδίων Στοίχιση Αλληλουχιών 3.10 Μέτρηση και Ανάλυση της Γονιδιακής Έκφρασης Μικροσυστοιχίες Η Τεχνική SAGE 3.11 Νεολογισμοί της Βιοπληροφορικής Γονιδιωματική Συγκριτική Γονιδιωματική Πρωτεωμική 3.12 Βιολογικές Βάσεις Δεδομένων Γενικευμένες ή Αρχειακές Βιολογικές Βάσεις Δεδομένων Δευτερογενείς Βιολογικές Βάσεις Δεδομένων Εξειδικευμένες Βιολογικές Βάσεις Δεδομένων Βιβλιογραφικές Βιολογικές Βάσεις Δεδομένων Βιολογικές Βάσεις Δεδομένων Ιστοσελίδων 3.13 Η Ανακάλυψη Γνώσης στη Βιοπληροφορική Ανακάλυψη Γνώσης από Βιολογικές Αλληλουχίες Ανακάλυψη Γνώσης από Δεδομένα Γονιδιακής Έκφρασης Ανακάλυψη Γνώσης στη Δομική Βιοπληροφορική Ανακάλυψη Γνώσης από Βιολογικά Κείμενα

13 Περιεχόμενα ix 3.14 Ερευνητικά Κέντρα Βιοπληροφορικής 3.15 Εργαλεία Βιοπληροφορικής 3.16 Εφαρμογές και Τάσεις της Βιοπληροφορικής 3.17 Σύνοψη 4 Ανακάλυψη Αμοιβαίως Αποκλειόμενων Αντικειμένων 4.1 Εισαγωγή 4.2 Βασικές Έννοιες 4.3 Σχετικές Εργασίες 4.4 Εξόρυξη Αμοιβαίως Αποκλειόμενων Αντικειμένων Ορισμός του Προβλήματος Εξόρυξη Εκτεταμένων Συχνών Συνόλων Αντικειμένων Εξόρυξη Ζευγών Αμοιβαίως Αποκλειόμενων Αντικειμένων Εξόρυξη Τριάδων Αμοιβαίως Αποκλειόμενων Αντικειμένων Παράδειγμα Εκτέλεσης του Αλγορίθμου Πειράματα Αμοιβαίως Αποκλειόμενα Αντικείμενα και Ταξονομίες 4.5 Ανακάλυψη Αμοιβαίως Αποκλειόμενων Γονιδίων Η Τεχνική SAGE Τα Δεδομένα SAGE Διακριτοποίηση των Δεδομένων Πειράματα 4.6 Συμπεράσματα 5 Πρόβλεψη Φαινοτύπου από Δεδομένα Γονιδιακής Έκφρασης 5.1 Εισαγωγή 5.2 Βασικές Έννοιες 5.3 Σχετικές Εργασίες 5.4 Η Προτεινόμενη Προσέγγιση Δομή Δεδομένων Εισόδου Διακριτοποίηση Εξόρυξη Συχνών Συνόλων Αντικειμένων Επιλογή Χαρακτηριστικών Ταξινόμηση 5.5 Πειραματική Αξιολόγηση Σύνολα Δεδομένων Εξόρυξη Συχνών Συνόλων Αντικειμένων Επιλογή Χαρακτηριστικών Ταξινόμηση Μέθοδος Επικύρωσης Αποτελέσματα 5.6 Συμπεράσματα

14 x Γεώργιος Τζανής Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα 6 Πρόβλεψη του Σημείου Έναρξης της Μετάφρασης 6.1 Εισαγωγή 6.2 Βασικές Έννοιες 6.3 Σχετικές Εργασίες 6.4 Η Μέθοδος Πλειοψηφίας Χαρακτηριστικά Ταξινομητές Πειραματική Αξιολόγηση 6.5 Η Μέθοδος StackTIS Το Στοιχείο Κωδικής Περιοχής Το Στοιχείο Προτύπου Συναίνεσης Το Στοιχείο Απόστασης του ATG Σύντηξη των Επιμέρους Προβλέψεων Τελική Πρόβλεψη του Σημείου Έναρξης της Μετάφρασης Πειραματική Αξιολόγηση 6.6 Συμπεράσματα 7 Πρόβλεψη του Σημείου Αποκοπής και Πολυαδενυλίωσης 7.1 Εισαγωγή 7.2 Βασικές Έννοιες Αποκοπή και Πολυαδενυλίωση Ταξινόμηση με Αναδυόμενα Πρότυπα 7.3 Σχετικές Εργασίες 7.4 Η Μέθοδος PolyA-iEP Εξαγωγή Στοιχείων Εξαγωγή των Προτύπων Νουκλεοτιδίων Διακριτοποίηση Εξόρυξη Χι Αναδυόμενων Προτύπων Βαθμολόγηση με Βάση τα Χι Αναδυόμενα Πρότυπα Βαθμολόγηση με Βάση την Απόσταση Ταξινόμηση 7.5 Πειραματική Αξιολόγηση Δεδομένα Εξερευνητική Ανάλυση Συνεισφορά των Χαρακτήρων Διττής Σημασίας Αξιολόγηση της Βαθμολόγησης με Βάση τα Χι Αναδυόμενα Πρότυπα Αξιολόγηση της Βαθμολόγησης με Βάση την Απόσταση Αξιολόγηση του Ταξινομητή 7.6 Συμπεράσματα 8 Επίλογος 8.1 Συμπεράσματα 8.2 Μελλοντικές Επεκτάσεις

15 Περιεχόμενα xi Βιβλιογραφία Λίστα Δημοσιεύσεων Λίστα Ετεροαναφορών

16

17 Κατάλογος Εικόνων Εικόνα 1.1: Εξέλιξη του μεγέθους της βάσης δεδομένων GenBank ( ). Εικόνα 2.1: Τα βασικά στάδια της διαδικασίας ανακάλυψης γνώσης. Εικόνα 2.2: Διαδικασία δημιουργίας και χρήσης αποθήκης δεδομένων. Εικόνα 3.1: Η ταυτότητα του σύγχρονου ανθρώπου. Εικόνα 3.2: Τυπικά μεγέθη κυττάρων, μικροοργανισμών και μορίων. Εικόνα 3.3: Τυπικό ζωικό κύτταρο. Εικόνα 3.4: Τυπικό φυτικό κύτταρο. Εικόνα 3.5: Τυπικό βακτηριακό κύτταρο. Εικόνα 3.6: Τα τέσσερα επίπεδα διαμόρφωσης των πρωτεϊνών. Εικόνα 3.7: Η διπλή έλικα του μορίου του DNA. Εικόνα 3.8: Αναλυτικότερη άποψη του δίκλωνου μορίου του DNA. Εικόνα 3.9: Η δομή του χρωμοσώματος σε διάφορα επίπεδα μεγέθυνσης. Εικόνα 3.10: Η διαδικασία της μετάφρασης. Εικόνα 3.11: Το κεντρικό δόγμα της μοριακής βιολογίας. Εικόνα 3.12: Η ροή της βιολογικής πληροφορίας. Εικόνα 3.13: Η συστοιχία GeneChip της εταιρείας Affymetrix. Εικόνα 3.14: Η τεχνική SAGE. Εικόνα 4.1: Τα τρία βήματα του αλγορίθμου εξόρυξης Εικόνα 4.2: Το τοπικό μέτρο αμοιβαίου αποκλεισμού (LM) σε σύγκριση με την τοπική υποστήριξη των αντικειμένων A και B και του συνόλου {Α, Β} στον F-υποχώρο. 86 Εικόνα 4.3: Διαγράμματα Venn ζεύγους υποψήφιων αμοιβαίως αποκλειόμενων αντικειμένων. Εικόνα 4.4: Χρόνοι εκτέλεσης του αλγορίθμου εξόρυξης. Εικόνα 4.5: Μια ταξονομία προϊόντων καφέ. Εικόνα 4.6: Μέσο μέγεθος συναλλαγής σε σχέση με τη μέθοδο διακριτοποίησης. Εικόνα 4.7: Πλήθος αμοιβαίως αποκλειόμενων γονιδίων σε σχέση με το κατώφλι ελάχιστης τοπικής υποστήριξης (min_gsup = 0,25, διακριτοποίηση mid-range-based cutoff). Εικόνα 5.1: Η αρχιτεκτονική της προτεινόμενης μεθόδου Εικόνα 5.2: Ακρίβεια των ταξινομητών στο σύνολο δεδομένων Ως μέτρο αξιολόγησης των χαρακτηριστικών χρησιμοποιήθηκε το στατιστικό X xiii

18 xiv Γεώργιος Τζανής Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα Εικόνα 5.3: Ακρίβεια των ταξινομητών στο σύνολο δεδομένων Ως μέτρο αξιολόγησης των χαρακτηριστικών χρησιμοποιήθηκε το κέρδος πληροφορίας. Εικόνα 5.4: Ακρίβεια των ταξινομητών στο σύνολο δεδομένων Ως μέτρο αξιολόγησης των χαρακτηριστικών χρησιμοποιήθηκε το μέτρο Relief F. Εικόνα 5.5: Ακρίβεια των ταξινομητών στο σύνολο δεδομένων Ως μέτρο αξιολόγησης των χαρακτηριστικών χρησιμοποιήθηκε το στατιστικό X 2. Εικόνα 5.6: Ακρίβεια των ταξινομητών στο σύνολο δεδομένων Ως μέτρο αξιολόγησης των χαρακτηριστικών χρησιμοποιήθηκε το κέρδος πληροφορίας. Εικόνα 5.7: Ακρίβεια των ταξινομητών στο σύνολο δεδομένων Ως μέτρο αξιολόγησης των χαρακτηριστικών χρησιμοποιήθηκε το μέτρο Relief F. Εικόνα 6.1: Έναρξη της μετάφρασης σε αλληλουχία mrna. Εικόνα 6.2: Εξαγωγή διανύσματος χαρακτηριστικών από αλληλουχία cdna Εικόνα 6.3: Αρίθμηση των θέσεων των νουκλεοτιδίων μέσα στα κωδικόνια που βρίσκονται στο ίδιο πλαίσιο ανάγνωσης με το κωδικόνιο ATG που αποτελεί το σημείο αναφοράς. 123 Εικόνα 6.4: Αρίθμηση των νουκλεοτιδίων μιας αλληλουχίας ως προς το κωδικόνιο αναφοράς. 123 Εικόνα 6.5: Σύγκριση μεταξύ ομάδων ταξινομητών που δημιουργήθηκαν χρησιμοποιώντας τα χαρακτηριστικά της προτεινόμενης μεθόδου ή τα χαρακτηριστικά της μελέτης [Liu et al., 2004] (ράβδοι σφάλματος: ±τυπική απόκλιση). 126 Εικόνα 6.6: Σύγκριση της προτεινόμενης προσέγγισης με τις δύο παραλλαγές της. Εικόνα 6.7: Λειτουργία της μεθόδου StackTIS. Εικόνα 6.8: Εξαγωγή διανυσμάτων συχνοτήτων κωδικονίων για το στοιχείο κωδικής περιοχής. Εικόνα 6.9: Αξιολόγηση των ταξινομητών του στοιχείου κωδικής περιοχής Εικόνα 6.10: Αξιολόγηση των ταξινομητών του στοιχείου προτύπου συναίνεσης (ράβδοι σφάλματος: ±τυπική απόκλιση). 140 Εικόνα 7.1: Η διαδικασία της αποκοπής και πολυαδενυλίωσης του mrna. Εικόνα 7.2: Η αρχιτεκτονική της μεθόδου PolyA-iEP. Εικόνα 7.3: Τα στοιχεία γύρω από το σημείο πολυαδενυλίωσης Εικόνα 7.4: Κατανομή νουκλεοτιδίων στις θέσεις -200 έως +100 γύρω από το σημείο πολύ(α) στο 3 άκρο των αλληλουχιών mrna. 161 Εικόνα 7.5: Κατανομή νουκλεοτιδίων στις αλληλουχίες 5 UTR. Εικόνα 7.6: Κατανομή νουκλεοτιδίων στις κωδικές αλληλουχίες. Εικόνα 7.7: Κατανομή νουκλεοτιδίων στα ιντρόνια

19 1. Εισαγωγή xv Εικόνα 7.8: Συνεισφορά των χαρακτήρων διττής σημασίας στην ισχύ των χι αναδυόμενων προτύπων. Εικόνα 7.9: Απόδοση ταξινόμησης με χρήση των ισχυρότερων χι αναδυόμενων προτύπων. Εικόνα 7.10: Μέση απόσταση αλληλουχιών της θετικής τάξης από κάθε τάξη και υποτάξη. Εικόνα 7.11: Προσαρμοσμένη ακρίβεια των ταξινομητών. Εικόνα 7.12: Ευαισθησία και ειδικότητα των ταξινομητών

20

21 Κατάλογος Πινάκων Πίνακας 2.1: Πίνακας σύγχυσης (confusion matrix). Πίνακας 3.1: Οι προτεινόμενες ταξινομήσεις των έμβιων όντων. Πίνακας 3.2: Τα 20 αμινοξέα. Πίνακας 3.3: Μεγέθη των γονιδιωμάτων και του αριθμού των γονιδίων οργανισμών. Πίνακας 3.4: Ο γενετικός κώδικας. Πίνακας 4.1: Ο αλγόριθμος εξόρυξης αμοιβαίως αποκλειόμενων αντικειμένων. Πίνακας 4.2: Ένα σύνολο δεδομένων καλαθιού αγορών. Πίνακας 4.3: Οι κανόνες συσχέτισης του συνόλου δεδομένων (Πίνακας 4.2). Πίνακας 4.4: Αμοιβαίως αποκλειόμενα αντικείμενα, τα συχνά σύνολα που τα υποστηρίζουν και τα αντίστοιχα μέτρα αμοιβαίου αποκλεισμού Πίνακας 4.5: Γενικευμένοι κανόνες συσχέτισης βάσει της ταξονομίας στην Εικόνα Πίνακας 4.6: Σύνολο δεδομένων SAGE. Πίνακας 5.1: Δομή πίνακα δεδομένων SAGE. Πίνακας 5.2: Ο αλγόριθμος για την υλοποίηση της προτεινόμενης προσέγγισης. Πίνακας 5.3: Αποτελέσματα μελετών για τα σύνολα δεδομένων του κεφαλαίου. Πίνακας 6.1: Σύνολο χαρακτηριστικών. Πίνακας 6.2: Τα 10 πρώτα χαρακτηριστικά της κατάταξης βάσει των δύο μέτρων. Πίνακας 6.3: Αποτελέσματα μελετών για το σύνολο δεδομένων «Verebrates». Πίνακας 6.4: Ο αλγόριθμος που υλοποιεί τη μέθοδο StackTIS Πίνακας 6.5: Σύγκριση των μεθόδων StackTIS, MANTIS και της τυπικής προσέγγισης με ταξινομητή επιπέδου-1 τον ταξινομητή MLR. 144 Πίνακας 6.6: Σύγκριση των μεθόδων StackTIS, MANTIS και της τυπικής προσέγγισης με ταξινομητή επιπέδου-1 τον ταξινομητή M Πίνακας 6.7: Στατιστική σύγκριση της μεθόδου StackTIS με τη μέθοδο MANTIS. Πίνακας 6.8: Αποτελέσματα μελετών για το σύνολο δεδομένων «H. sapiens 1». Πίνακας 7.2: Το αλφάβητο των προτύπων. Πίνακας 7.3: Παράδειγμα πίνακα με τις συχνότητες των νουκλεοτιδίων. Πίνακας 7.4: Παράδειγμα πίνακα με τις κατατάξεις των νουκλεοτιδίων. Πίνακας 7.4: Ο αλγόριθμος που υλοποιεί τη μέθοδο PolyA-iEP. Πίνακας 7.5: Σύνολα Αλληλουχιών xvii

22 xviii Γεώργιος Τζανής Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα Πίνακας 7.6: Απόδοση των ταξινομητών της μεθόδου PolyA-iEP. 167 Πίνακας 7.7: Στατιστική σύγκριση των ταξινομητών για την ταξινόμηση θετικές/σύνολο αρνητικών (+/-/0: ο ταξινομητής της γραμμής υπερέχει/υστερεί/δε διαφέρει). 168

23 Εισαγωγή 1 Η παρούσα διατριβή έχει ως αντικείμενο μελέτης την ανακάλυψη γνώσης από βιολογικά δεδομένα και εντάσσεται στα πλαίσια των ερευνητικών περιοχών της ανακάλυψης γνώσης από βάσεις δεδομένων και της βιοπληροφορικής. Οι βασικοί στόχοι της διατριβής και οι άξονες πάνω στους οποίους κινείται είναι οι εξής: Η επινόηση νέων και η τροποποίηση ή επέκταση υπαρχουσών μεθόδων ανακάλυψης γνώσης για την ανάλυση βιολογικών δεδομένων. Η εφαρμογή νέων ή υπαρχουσών μεθόδων ανακάλυψης γνώσης για την ανάλυση βιολογικών δεδομένων. Στις επόμενες παραγράφους παρέχεται μια σύντομη εισαγωγή στα ερευνητικά πεδία που είναι συναφή με το αντικείμενο της διατριβής και παρουσιάζονται τα βασικά ανοιχτά προβλήματα που αποτέλεσαν το κίνητρο για την εκπόνηση της. Επίσης, περιγράφεται η συμβολή και η δομή της διατριβής. 1.1 Κίνητρο Διατριβής και Συναφή Ερευνητικά Πεδία Κατά τη διάρκεια των τελευταίων δεκαετιών, δύο ξεχωριστές επιστήμες, η πληροφορική και η βιολογία, έχουν χαρακτηριστεί από σημαντικές εξελίξεις, οι οποίες προσέλκυσαν το ενδιαφέρον όλης της ανθρωπότητας. Η ανάπτυξη του Παγκόσμιου Ιστού και η επιτυχής διεξαγωγή του προγράμματος αποκρυπτογράφησης του ανθρώπινου γονιδιώματος αποτελούν δύο αντιπροσωπευτικά επιτεύγματα που αντανακλούν την έκταση της προόδου αυτών των επιστημών. Ωστόσο, οι πορείες της εξέλιξης αυτών των δύο επιστημών τα τελευταία χρόνια δεν είναι ανεξάρτητες. Η ανάγκη συνεργασίας μεταξύ των επιστημόνων της βιολογίας και της πληροφορικής αυξάνεται διαρκώς, καθώς οι δύο επιστήμες εξελίσσονται και καθώς ανακύπτουν νέα επιστημονικά ερωτήματα. Αυτή η συνεργασία έχει ως αποτέλεσμα μια αμφίδρομη επίδραση στην εξέλιξη της κάθε 1

24 2 Γεώργιος Τζανής Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα επιστήμης. Η πρόοδος της πληροφορικής, μεν, προσφέρει στους βιολόγους τα μέσα για τη διαχείριση και ανάλυση των βιολογικών δεδομένων με αποτέλεσμα την πρόοδο της βιολογίας. Η εξέλιξη της βιολογίας, δε, παρέχει νέα ερωτήματα που απαιτούν την εξέλιξη της πληροφορικής για να απαντηθούν. Η βιοπληροφορική είναι μια νέα διεπιστημονική ερευνητική περιοχή, που έχει εμφανιστεί για να καλύψει την ανάγκη συνεργασίας των επιστημόνων της βιολογίας και της πληροφορικής. Είναι ένα πολλά υποσχόμενο πεδίο και έχει σκοπό να εξασφαλίσει τα μέσα για την ανάλυση και ερμηνεία των τεράστιων όγκων βιολογικών δεδομένων, συνεισφέροντας με αυτόν τον τρόπο στην ανάπτυξη και άλλων συγγενικών επιστημών, όπως είναι η ιατρική. Αποτέλεσμα της αλματώδους εξέλιξης των επιστημών της πληροφορικής και της βιολογίας είναι η συλλογή τεράστιων όγκων βιολογικών δεδομένων. Η συμβολή της τεχνολογίας σε αυτήν την εκρηκτική αύξηση των συσσωρευμένων δεδομένων είναι διττή και καθορίζεται μέσω της αμφίδρομης σχέσης της με τη βιολογία. Πρώτον, η βελτίωση των τεχνολογιών έχει οδηγήσει στην επίσπευση των διαδικασιών παραγωγής και συλλογής δεδομένων. Δεύτερον, η δημιουργία νέων βιολογικών ερωτημάτων, που οδηγούν στην ανακάλυψη και εφαρμογή νέων τεχνολογιών, έχει ανοίξει το δρόμο σε διαδικασίες παραγωγής και συλλογής νέων μορφών δεδομένων. Αντιπροσωπευτικό παράδειγμα της ταχείας συσσώρευσης βιολογικών δεδομένων αποτελεί η εκθετική αύξηση του αριθμού των αλληλουχιών που διατηρούνται στη δημοφιλή βάση βιολογικών δεδομένων GenBank (Εικόνα 1.1) αλληλουχίες Εικόνα 1.1: Εξέλιξη του μεγέθους της βάσης δεδομένων GenBank ( ) 1. Οι μεγάλοι όγκοι και οι νέες μορφές των δεδομένων, καθώς και οι ιδιαιτερότητες που μπορεί να παρουσιάζουν, όπως η παρουσία θορύβου, ο μεγάλος αριθμός διαστά- 1 (προσπελάστηκε: 17/05/2011).

25 1. Εισαγωγή 3 σεων, κ.α., προβάλλουν νέες προκλήσεις που σχετίζονται με τη διαχείριση και την ανάλυσή τους. Οι παραδοσιακές τεχνικές συχνά αδυνατούν να χειριστούν αποδοτικά και αποτελεσματικά τα δεδομένα αυτά. Ωστόσο, για να επιτευχθεί η επιστημονική πρόοδος, δεν αρκεί μόνο η συλλογή των δεδομένων. Τα συγκεντρωμένα δεδομένα πρέπει να αναλυθούν με σκοπό την ανακάλυψη της γνώσης που πιθανώς κρύβουν. Μάλιστα, οι μέθοδοι ανάλυσης που θα χρησιμοποιηθούν πρέπει να είναι αποδοτικές, καθώς αυτό απαιτεί ο μεγάλος όγκος των δεδομένων και φυσικά πρέπει να είναι αποτελεσματικές, ώστε να παράγεται χρήσιμη γνώση, η οποία μπορεί να αξιοποιηθεί κατάλληλα στη συνέχεια. Μια ερευνητική περιοχή της πληροφορικής, η ανακάλυψη γνώσης από βάσεις δεδομένων, προσφέρει στους βιολόγους, αλλά και σε άλλους επιστήμονες, ένα σύνολο ισχυρών εργαλείων για την ανάλυση νέων τύπων δεδομένων με σκοπό την αποδοτική και αποτελεσματική εξαγωγή γνώσης. Αυτά τα εργαλεία συνδυάζουν τεχνικές από διάφορες περιοχές, όπως είναι τα μαθηματικά, η στατιστική, η τεχνητή νοημοσύνη και η τεχνολογία βάσεων δεδομένων. Απώτερος σκοπός της σύντηξης όλων αυτών των τεχνολογιών είναι η αντιμετώπιση των εμποδίων και των περιορισμών που τίθενται από τις παραδοσιακές μεθόδους ανάλυσης δεδομένων Τάσεις της Ανακάλυψης Γνώσης από Βάσεις Δεδομένων Στα τέλη του 2005 οι Qiang Yang και Xindong Wu ανέλαβαν την πρωτοβουλία να προσδιορίσουν τα δέκα σημαντικότερα ανοιχτά προβλήματα της ανακάλυψης γνώσης από βάσεις δεδομένων [Yang & Wu, 2006]. Στην προσπάθεια αυτή ζήτησαν τη συνεισφορά των μελών των οργανωτικών επιτροπών των συνεδρίων IEEE International Conference on Data Mining (ICDM) και ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD). Από την έρευνα αυτή, στην οποία ανταποκρίθηκαν 14 ερευνητές 2, προσδιορίστηκαν τα ακόλουθα δέκα προβλήματα ως τα σημαντικότερα: 1. Ανάπτυξη μιας ενιαίας θεωρίας ανακάλυψης γνώσης. 2. Κλιμάκωση για πολυδιάστατα δεδομένα και ροές δεδομένων υψηλής ταχύτητας. 3. Ανακάλυψη γνώσης από δεδομένα ακολουθιών και χρονοσειρών. 4. Ανακάλυψη πολύπλοκης γνώσης από πολύπλοκα δεδομένα, όπως για παράδειγμα δεδομένα από πολλαπλούς πίνακες (multi-relational), δεδομένα γράφων και μη σχεσιακά δεδομένα (κείμενο, ιστοσελίδες, εικόνες, κλπ.). 5. Ανακάλυψη γνώσης σε δικτυακό περιβάλλον. 6. Ανακάλυψη γνώσης από κατανεμημένα δεδομένα και δεδομένα πολλαπλών πρακτόρων. 7. Ανακάλυψη γνώσης για βιολογικά και περιβαλλοντικά προβλήματα. 2 Pedro Domingos, Charles Elkan, Johannes Gehrke, Jiawei Han, David Heckerman, Daniel Keim, Jiming Liu, David Madigan, Gregory Piatetsky-Shapiro, Vijay V. Raghavan, Rajeev Rastogi, Salvatore J. Stolfo, Alexander Tuzhilin και Benjamin W. Wah.

26 4 Γεώργιος Τζανής Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα 8. Προβλήματα σχετικά με τις διαδικασίες ανακάλυψης γνώσης. 9. Ασφάλεια, προστασία απορρήτου και ακεραιότητα δεδομένων. 10. Χειρισμός δεδομένων τα οποία δεν είναι στατικά, ή έχουν άνιση κατανομή των τάξεων, ή έχουν διαφορετικό κόστος λανθασμένης ταξινόμησης μεταξύ διαφορετικών τάξεων. Το αντικείμενο της παρούσας διατριβής κινείται στα πλαίσια του έβδομου ερευνητικού προβλήματος από αυτά που καταγράφονται στην παραπάνω λίστα. Ωστόσο, η έρευνα που πραγματοποιήθηκε στα πλαίσια της διατριβής συχνά ήρθε αντιμέτωπη και με κάποια από τα άλλα ερευνητικά προβλήματα που προσδιορίστηκαν παραπάνω. Για παράδειγμα, τα δεδομένα γονιδιακής έκφρασης, που αποτελούν ένα από τα αντικείμενα μελέτης της διατριβής, είναι πολυδιάστατα δεδομένα και συνεπώς η αντιμετώπισή τους υπάγεται και στα πλαίσια του δεύτερου προβλήματος. Επίσης, η ανάλυση βιολογικών γονιδιακών αλληλουχιών, που και αυτή αποτελεί αντικείμενο έρευνας της διατριβής, μπορεί να ενταχθεί στα πλαίσια του τρίτου προβλήματος, λόγω της ακολουθιακής φύσης των δεδομένων. Επιπλέον, κατά την εκπόνηση της διατριβής εμφανίστηκαν προβλήματα σχετικά με τις διαδικασίες ανακάλυψης γνώσης (π.χ. καθαρισμός των δεδομένων γονιδιακής έκφρασης), που αποτελούν μέρος του όγδοου προβλήματος της παραπάνω λίστας. Τέλος, το δέκατο πρόβλημα σχετίζεται και αυτό με την παρούσα διατριβή, καθώς σε πολλές από τις προσεγγίσεις ταξινόμησης υπήρχε σημαντική διαφορά ανάμεσα στις συχνότητες εμφάνισης των παραδειγμάτων διαφορετικών τάξεων (ανισοκατανομή των τάξεων) Τάσεις της Βιοπληροφορικής Η βιοπληροφορική διαδραματίζει σημαντικό ρόλο τόσο στην αποκρυπτογράφηση των δεδομένων που παράγονται από τις σύγχρονες τεχνολογίες της γονιδιωματικής, της πρωτεωμικής και της ανάλυσης γονιδιακής έκφρασης, όσο και στη διαχείριση και ανάλυση των δεδομένων που παράγονται από τις παραδοσιακές μεθόδους της βιολογίας και της ιατρικής. Η εξέλιξη της βιοπληροφορικής ξεκίνησε από την ανάλυση μεμονωμένων αλληλουχιών και πλέον κινείται προς την κατεύθυνση της ανάλυσης ολόκληρου του γονιδιώματος (genome), του μεταγραφώματος (trascriptome) και του πρωτεώματος (proteome), που αποτελούν αντίστοιχα τα σύνολα των γονιδιακών αλληλουχιών, των μεταφρασμένων αλληλουχιών (RNA) και των πρωτεϊνών ενός οργανισμού. Υπαίτιος αυτής της εξέλιξης, όπως έχει ήδη αναφερθεί, είναι η ραγδαία ανάπτυξη της τεχνολογίας. Η εξέλιξη της βιοπληροφορικής δημιούργησε νέες προοπτικές για εφαρμογές με σημαντικό αντίκτυπο στην κοινωνία, όπως είναι η μοριακή και η εξατομικευμένη ιατρική. Μάλιστα, αυτές οι νέες εφαρμογές χαράσσουν το δρόμο στη βιοπληροφορική και την οδηγούν προς την κατεύθυνση της συστημικής βιολογίας (systems biology). Η προσέγγιση της συστημικής βιολογίας αποτελεί ένα διεπιστημονικό πεδίο έρευνας που εστιάζει στη μελέτη των πολύπλοκων αλληλεπιδράσεων μεταξύ των βιολογικών συστη-

27 1. Εισαγωγή 5 μάτων, υπό το πρίσμα μιας ολιστικής θεώρησης των πραγμάτων. Αυτές οι νέες προοπτικές εξέλιξης της βιοπληροφορικής απαιτούν την ενοποίηση και ανάλυση γονιδιακών, μοριακών, κυτταρικών και κλινικών δεδομένων, θέτοντας μια σειρά από προκλήσεις στους ερευνητές. Η πρόβλεψη της δομής των πρωτεϊνών, η αναζήτηση ομολογιών, η πολλαπλή στοίχιση αλληλουχιών, η κατασκευή φυλογενετικών δένδρων, η ανάλυση μεταβολικών μονοπατιών, η ανάλυση και o υπομνηματισμός (annotation) γονιδιωμάτων, η πρόβλεψη γονιδίων και η ανάλυση των επιπέδων γονιδιακής έκφρασης αποτελούν μερικά από τα πλέον σημαντικά ερευνητικά θέματα που απασχολούν τους ερευνητές της βιοπληροφορικής. Οι προκλήσεις που τίθενται από τα παραπάνω ερευνητικά προβλήματα έθεσαν το κίνητρο για την εκπόνηση της παρούσας διατριβής. Ένα από τα αντικείμενα της διατριβής είναι η ανάλυση βιολογικών αλληλουχιών (πρόβλεψη σημείου έναρξης της μετάφρασης και πρόβλεψη σημείου αποκοπής και πολυαδενυλίωσης), η οποία σχετίζεται με την ανάλυση και τον υπομνηματισμό γονιδιωμάτων, καθώς και με την πρόβλεψη γονιδίων. Επιπλέον, αντικείμενο της διατριβής αποτελεί και η ανάλυση των επιπέδων γονιδιακής έκφρασης. 1.2 Συμβολή και Δομή της Διατριβής Το κείμενο της διατριβής είναι δομημένο σε οκτώ κεφάλαια, συμπεριλαμβανομένου του παρόντος εισαγωγικού κεφαλαίου. Τα επόμενα δύο κεφάλαια (κεφάλαια 2 και 3) παρέχουν το βασικό επιστημονικό και τεχνικό υπόβαθρο των ερευνητικών περιοχών στις οποίες εντάσσεται η διατριβή. Δόθηκε έμφαση τόσο στην περιγραφή των βασικών εννοιών για την κατανόηση της ερευνητικής εργασίας που πραγματοποιήθηκε, όσο και στην κατά το δυνατόν πληρέστερη, πλην όμως συνοπτική, παρουσίαση των συγκεκριμένων ερευνητικών πεδίων. Τα κεφάλαια 4, 5, 6 και 7 παρουσιάζουν τις τέσσερεις προσεγγίσεις που προτείνονται στα πλαίσια της διατριβής και το κεφάλαιο 8 αποτελεί τον επίλογο. Στις επόμενες παραγράφους περιγράφονται με περισσότερες λεπτομέρειες τα περιεχόμενα κάθε κεφαλαίου. Στο δεύτερο κεφάλαιο, με τίτλο «Ανακάλυψη Γνώσης από Βάσεις Δεδομένων», παρουσιάζονται τα στάδια που περιλαμβάνει η διαδικασία ανακάλυψης γνώσης από βάσεις δεδομένων καθώς και κάποιοι από τους βασικότερους αλγορίθμους που χρησιμοποιούνται σε καθένα από τα στάδια. Η πλειοψηφία των αλγορίθμων αυτών εφαρμόστηκαν, τροποποιήθηκαν, ή επεκτάθηκαν κατά την εκπόνηση της παρούσας διατριβής. Επίσης, περιγράφηκε η σχέση της ανακάλυψης γνώσης με τη συγγενική περιοχή της μηχανικής μάθησης καθώς και κάποια προβλήματα που αντιμετωπίζονται κατά την εφαρμογή της διαδικασίας. Τέλος, παρουσιάζονται μερικά από τα βασικότερα πεδία εφαρμογής της διαδικασίας. Στο τρίτο κεφάλαιο, με τίτλο «Μοριακή Βιολογία και Βιοπληροφορική», παρουσιάζονται τα επιστημονικά πεδία της μοριακής βιολογίας και της βιοπληροφορικής. Γίνεται αναφορά σε κάποιες βασικές έννοιες που συναντώνται στη μοριακή βιολογία και

Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα

Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Ανακάλυψη Γνώσης από Βιολογικά Δεδομένα Διδακτορική Διατριβή Γεώργιος Τζανής Πτυχιούχος Τμήματος Πληροφορικής Α.Π.Θ. ΘΕΣΣΑΛΟΝΙΚΗ 2011 Γεώργιος

Διαβάστε περισσότερα

Εξόρυξη Γνώσης από Βιολογικά εδομένα

Εξόρυξη Γνώσης από Βιολογικά εδομένα Παρουσίαση Διπλωματικής Εργασίας Εξόρυξη Γνώσης από Βιολογικά εδομένα Καρυπίδης Γεώργιος (Μ27/03) Επιβλέπων Καθηγητής: Ιωάννης Βλαχάβας MIS Πανεπιστήμιο Μακεδονίας Φεβρουάριος 2005 Εξόρυξη Γνώσης από Βιολογικά

Διαβάστε περισσότερα

Κεφάλαιο 20. Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Κεφάλαιο 20. Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Κεφάλαιο 20 Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Τεχνητή Νοηµοσύνη, B' Έκδοση - 1 - Ανακάλυψη Γνώσης σε

Διαβάστε περισσότερα

Πρόβλεψη της Κωδικής Περιοχής Βιολογικών Αλληλουχιών

Πρόβλεψη της Κωδικής Περιοχής Βιολογικών Αλληλουχιών ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ Πρόβλεψη της Κωδικής Περιοχής Βιολογικών Αλληλουχιών Διπλωματική Εργασία του Γεωργίου

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης

Διαβάστε περισσότερα

NATIONAL AND KAPODISTRIAN UNIVERSITY OF ATHENS SCHOOL OF SCIENCE FACULTY OF INFORMATICS AND TELECOMMUNICATIONS

NATIONAL AND KAPODISTRIAN UNIVERSITY OF ATHENS SCHOOL OF SCIENCE FACULTY OF INFORMATICS AND TELECOMMUNICATIONS NATIONAL AND KAPODISTRIAN UNIVERSITY OF ATHENS SCHOOL OF SCIENCE FACULTY OF INFORMATICS AND TELECOMMUNICATIONS INTERDICIPLINARY POSTGRADUATE PROGRAMME "INFORMATION TECHNOLOGIES IN MEDICINE AND BIOLOGY"

Διαβάστε περισσότερα

ΙΑ ΟΧΙΚΕΣ ΒΕΛΤΙΩΣΕΙΣ

ΙΑ ΟΧΙΚΕΣ ΒΕΛΤΙΩΣΕΙΣ Tel.: +30 2310998051, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Σχολή Θετικών Επιστημών Τμήμα Φυσικής 541 24 Θεσσαλονίκη Καθηγητής Γεώργιος Θεοδώρου Ιστοσελίδα: http://users.auth.gr/theodoru ΙΑ ΟΧΙΚΕΣ ΒΕΛΤΙΩΣΕΙΣ

Διαβάστε περισσότερα

Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων

Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. Τεχνητά Νευρωνικά Δίκτυα (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα Τεχνητή Νοημοσύνη (Artificial Intelligence) Ανάπτυξη μεθόδων και τεχνολογιών για την επίλυση προβλημάτων στα οποία ο άνθρωπος υπερέχει (?) του υπολογιστή Συλλογισμοί

Διαβάστε περισσότερα

Μελέτη και Υλοποίηση Αλγορίθμων για Βιολογικές Εφαρμογές σε MapReduce Περιβάλλον

Μελέτη και Υλοποίηση Αλγορίθμων για Βιολογικές Εφαρμογές σε MapReduce Περιβάλλον Μελέτη και Υλοποίηση Αλγορίθμων για Βιολογικές Εφαρμογές σε MapReduce Περιβάλλον Δανάη Κούτρα Eργαστήριο Συστημάτων Βάσεων Γνώσεων και Δεδομένων Εθνικό Μετσόβιο Πολυτεχνείο Θέματα Σκοπός της διπλωματικής

Διαβάστε περισσότερα

ΟΜΑΔΑ Λ. Αναστασίου Κωνσταντίνος Δεληγιάννη Ισαβέλλα Ζωγοπούλου Άννα Κουκάκης Γιώργος Σταθάκη Αρετιάννα

ΟΜΑΔΑ Λ. Αναστασίου Κωνσταντίνος Δεληγιάννη Ισαβέλλα Ζωγοπούλου Άννα Κουκάκης Γιώργος Σταθάκη Αρετιάννα ΟΜΑΔΑ Λ Αναστασίου Κωνσταντίνος Δεληγιάννη Ισαβέλλα Ζωγοπούλου Άννα Κουκάκης Γιώργος Σταθάκη Αρετιάννα ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ Τι είναι η βιοπληροφορική; Αποκαλείται ο επιστημονικός κλάδος ο οποίος προέκυψε από

Διαβάστε περισσότερα

Γονιδιωματική. G. Patrinos

Γονιδιωματική. G. Patrinos Γονιδιωματική Η μεταγονιδιωματική εποχή... Σημαντικότερα επιτεύγματα POST GENOME ERA Ολοκλήρωση της αποκρυπτογράφησης της αλληλουχίας των γονιδιωμάτων πολλών οργανισμών. Προτύπωση μεθοδολογιών για προσδιορισμό

Διαβάστε περισσότερα

Βιοπληροφορική και Πολυµέσα. Ειρήνη Αυδίκου Αθήνα

Βιοπληροφορική και Πολυµέσα. Ειρήνη Αυδίκου Αθήνα Βιοπληροφορική και Πολυµέσα Αθήνα 1.2.2009 ΠΕΡΙΕΧΟΜΕΝΑ 1. Πως σχετίζεται µε τα Πολυµέσα 2. Τι είναι η Βιοπληροφορική 3. Χρήσεις 4. Συµπεράσµατα 5. Βιβλιογραφία Βιοπληροφορική και Πολυµέσα 2 1. Τι είναι

Διαβάστε περισσότερα

Βιοπληροφορική. Μαργαρίτα Θεοδωροπούλου. Πανεπιστήμιο Θεσσαλίας, Λαμία 2016

Βιοπληροφορική. Μαργαρίτα Θεοδωροπούλου. Πανεπιστήμιο Θεσσαλίας, Λαμία 2016 Βιοπληροφορική Μαργαρίτα Θεοδωροπούλου Πανεπιστήμιο Θεσσαλίας, Λαμία 2016 Βιοπληροφορική Εισαγωγή στη Μοριακή Βιολογία, Γενωμική και Βιοπληροφορική. Βάσεις Βιολογικών Δεδομένων. Ακολουθίες Πρωτεϊνών και

Διαβάστε περισσότερα

Βιοπληροφορική Ι (ΜΕΡΟΣ Α) Βιοπληροφορική Ανάλυση Γονιδιωμάτων. Εισαγωγή στης Βιολογικές Βάσεις Δεδομένων

Βιοπληροφορική Ι (ΜΕΡΟΣ Α) Βιοπληροφορική Ανάλυση Γονιδιωμάτων. Εισαγωγή στης Βιολογικές Βάσεις Δεδομένων Βιοπληροφορική Ι (ΜΕΡΟΣ Α) Βιοπληροφορική Ανάλυση Γονιδιωμάτων Εισαγωγή στης Βιολογικές Βάσεις Δεδομένων Η επιστήμη της Βιολογίας έχει μετατραπεί τα τελευταία χρόνια σε μια υπερπλούσια σε πληροφορίες επιστήμη.

Διαβάστε περισσότερα

Κύρια σημεία. Η έννοια του μοντέλου. Έρευνα στην εφαρμοσμένη Στατιστική. ΈρευναστηΜαθηματικήΣτατιστική. Αντικείμενο της Μαθηματικής Στατιστικής

Κύρια σημεία. Η έννοια του μοντέλου. Έρευνα στην εφαρμοσμένη Στατιστική. ΈρευναστηΜαθηματικήΣτατιστική. Αντικείμενο της Μαθηματικής Στατιστικής Κύρια σημεία Ερευνητική Μεθοδολογία και Μαθηματική Στατιστική Απόστολος Μπουρνέτας Τμήμα Μαθηματικών ΕΚΠΑ Αναζήτηση ερευνητικού θέματος Εισαγωγή στην έρευνα Ολοκλήρωση ερευνητικής εργασίας Ο ρόλος των

Διαβάστε περισσότερα

Βιοπληροφορική Ι. Παντελής Μπάγκος. Παν/µιο Στερεάς Ελλάδας

Βιοπληροφορική Ι. Παντελής Μπάγκος. Παν/µιο Στερεάς Ελλάδας Βιοπληροφορική Ι Παντελής Μπάγκος Παν/µιο Στερεάς Ελλάδας Λαµία 2006 1 Βιοπληροφορική Ι Εισαγωγή: Ορισµός της Βιοπληροφορικής, Υποδιαιρέσεις της Βιοπληροφορικής, Τα είδη των δεδοµένων στη Βιοπληροφορική.

Διαβάστε περισσότερα

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος xi 1 Αντικείμενα των Πιθανοτήτων και της Στατιστικής 1 1.1 Πιθανοτικά Πρότυπα και Αντικείμενο των Πιθανοτήτων, 1 1.2 Αντικείμενο της Στατιστικής, 3 1.3 Ο Ρόλος των Πιθανοτήτων

Διαβάστε περισσότερα

Τεχνικές Εξόρυξης Δεδομένων

Τεχνικές Εξόρυξης Δεδομένων ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ Διατμηματικό Μεταπτυχιακό Πρόγραμμα στα Πληροφοριακά Συστήματα ( MIS ) Τεχνικές Εξόρυξης Δεδομένων για την βελτίωση της απόδοσης σε Κατανεμημένα Συστήματα Ζάχος Δημήτριος Επιβλέποντες:

Διαβάστε περισσότερα

Splice site recognition between different organisms

Splice site recognition between different organisms NATIONAL AND KAPODISTRIAN UNIVERSITY OF ATHENS SCHOOL OF SCIENCE DEPARTMENT OF INFORMATICS AND TELECOMMUNICATIONS INTERDEPARTMENTAL POSTGRADUATE PROGRAM "INFORMATION TECHNOLOGIES IN MEDICINE AND BIOLOGY"

Διαβάστε περισσότερα

Αναγνώριση Προτύπων Ι

Αναγνώριση Προτύπων Ι Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1)

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1) ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1) 1 Προέλευση και ιστορία της Επιχειρησιακής Έρευνας Αλλαγές στις επιχειρήσεις Τέλος του 19ου αιώνα: βιομηχανική

Διαβάστε περισσότερα

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΤΕΧΝΙΚΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΤΕΧΝΙΚΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΤΕΧΝΙΚΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΕΥΑΓΓΕΛΙΑΣ Π. ΛΟΥΚΟΓΕΩΡΓΑΚΗ Διπλωματούχου Πολιτικού Μηχανικού ΟΛΟΚΛΗΡΩΜΕΝΟ

Διαβάστε περισσότερα

Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17

Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17 Περιεχόμενα Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17 1 Εισαγωγή 21 1.1 Γιατί χρησιμοποιούμε τη στατιστική; 21 1.2 Τι είναι η στατιστική; 22 1.3 Περισσότερα για την επαγωγική στατιστική 23 1.4 Τρεις

Διαβάστε περισσότερα

«Αναζήτηση Γνώσης σε Νοσοκομειακά Δεδομένα»

«Αναζήτηση Γνώσης σε Νοσοκομειακά Δεδομένα» ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Πρόγραμμα Σπουδών M.I.S. «Αναζήτηση Γνώσης σε Νοσοκομειακά Δεδομένα» Μεταπτυχιακός Φοιτητής: Επιβλέπων Καθηγητής: Εξεταστής Καθηγητής: Τορτοπίδης Γεώργιος Μηχανικός

Διαβάστε περισσότερα

Στο στάδιο ανάλυσης των αποτελεσµάτων: ανάλυση ευαισθησίας της λύσης, προσδιορισµός της σύγκρουσης των κριτηρίων.

Στο στάδιο ανάλυσης των αποτελεσµάτων: ανάλυση ευαισθησίας της λύσης, προσδιορισµός της σύγκρουσης των κριτηρίων. ΠΕΡΙΛΗΨΗ Η τεχνική αυτή έκθεση περιλαµβάνει αναλυτική περιγραφή των εναλλακτικών µεθόδων πολυκριτηριακής ανάλυσης που εξετάσθηκαν µε στόχο να επιλεγεί η µέθοδος εκείνη η οποία είναι η πιο κατάλληλη για

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 5. Κύκλος Ζωής Εφαρμογών ΕΝΟΤΗΤΑ 2. Εφαρμογές Πληροφορικής. Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών

ΚΕΦΑΛΑΙΟ 5. Κύκλος Ζωής Εφαρμογών ΕΝΟΤΗΤΑ 2. Εφαρμογές Πληροφορικής. Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών 44 Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών Διδακτικοί στόχοι Σκοπός του κεφαλαίου είναι οι μαθητές να κατανοήσουν τα βήματα που ακολουθούνται κατά την ανάπτυξη μιας εφαρμογής.

Διαβάστε περισσότερα

Διακριτικές Συναρτήσεις

Διακριτικές Συναρτήσεις Διακριτικές Συναρτήσεις Δρ. Δηµήτριος Τσέλιος Επίκουρος Καθηγητής ΤΕΙ Θεσσαλίας Τµήµα Διοίκησης Επιχειρήσεων Θερµικός χάρτης των XYZ ξενοδοχείων σε σχέση µε τη γεωγραφική περιοχή τους P. Adamopoulos New

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΕΠΛ 450 ΥΠΟΛΟΓΙΣΤΙΚΗ ΒΙΟΛΟΓΙΑ. Παύλος Αντωνίου

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΕΠΛ 450 ΥΠΟΛΟΓΙΣΤΙΚΗ ΒΙΟΛΟΓΙΑ. Παύλος Αντωνίου ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΕΠΛ 450 ΥΠΟΛΟΓΙΣΤΙΚΗ ΒΙΟΛΟΓΙΑ Παύλος Αντωνίου Με μια ματιά: Εισαγωγή στη Βιολογία Ευθυγράμμιση Ακολουθιών Αναζήτηση ομοίων ακολουθιών από βάσεις δεδομενων Φυλογενετική πρόβλεψη Πρόβλεψη

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Ασάφεια (Fuzziness) Ποσοτικοποίηση της ποιοτικής πληροφορίας Οφείλεται κυρίως

Διαβάστε περισσότερα

Ευφυής Προγραμματισμός

Ευφυής Προγραμματισμός Ευφυής Προγραμματισμός Ενότητα 10: Δημιουργία Βάσεων Κανόνων Από Δεδομένα-Προετοιμασία συνόλου δεδομένων Ιωάννης Χατζηλυγερούδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ & Πληροφορικής Δημιουργία Βάσεων Κανόνων

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη. 18η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Τεχνητή Νοημοσύνη. 18η διάλεξη ( ) Ίων Ανδρουτσόπουλος. Τεχνητή Νοημοσύνη 18η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται: στο βιβλίο Machine Learning του T. Mitchell, McGraw- Hill, 1997,

Διαβάστε περισσότερα

Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΙΣΗΓΗΤΗΣ: Δρ. Ιωάννης Σ. Τουρτούρας Μηχανικός Παραγωγής & Διοίκησης Δ.Π.Θ. Χρηματοδότηση Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

Μεθοδολογίες Αξιοποίησης Δεδομένων

Μεθοδολογίες Αξιοποίησης Δεδομένων Μεθοδολογίες Αξιοποίησης Δεδομένων Βλάχος Σ. Ιωάννης Λέκτορας 407/80, Ιατρικής Σχολής Πανεπιστημίου Αθηνών Εργαστήριο Πειραματικής Χειρουργικής και Χειρουργικής Ερεύνης «Ν.Σ. Σ Χρηστέας» Στάδια Αξιοποίησης

Διαβάστε περισσότερα

«Αριθμητική και πειραματική μελέτη της διεπιφάνειας χάλυβασκυροδέματος στις σύμμικτες πλάκες με χαλυβδόφυλλο μορφής»

«Αριθμητική και πειραματική μελέτη της διεπιφάνειας χάλυβασκυροδέματος στις σύμμικτες πλάκες με χαλυβδόφυλλο μορφής» ΠΕΡΙΛΗΨΗ ΤΗΣ ΔΙΔΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ «Αριθμητική και πειραματική μελέτη της διεπιφάνειας χάλυβασκυροδέματος στις σύμμικτες πλάκες με χαλυβδόφυλλο μορφής» του Θεμιστοκλή Τσαλκατίδη, Δρ. Πολιτικού Μηχανικού

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ Ανάπτυξη μιας προσαρμοστικής πολιτικής αντικατάστασης αρχείων, με χρήση

Διαβάστε περισσότερα

Τα Διδακτικά Σενάρια και οι Προδιαγραφές τους. του Σταύρου Κοκκαλίδη. Μαθηματικού

Τα Διδακτικά Σενάρια και οι Προδιαγραφές τους. του Σταύρου Κοκκαλίδη. Μαθηματικού Τα Διδακτικά Σενάρια και οι Προδιαγραφές τους του Σταύρου Κοκκαλίδη Μαθηματικού Διευθυντή του Γυμνασίου Αρχαγγέλου Ρόδου-Εκπαιδευτή Στα προγράμματα Β Επιπέδου στις ΤΠΕ Ορισμός της έννοιας του σεναρίου.

Διαβάστε περισσότερα

ΜΑΘΗΜΑ: Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ. 1 η ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ

ΜΑΘΗΜΑ: Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ. 1 η ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΜΑΘΗΜΑ: Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ 1 η ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Στόχος Θεματικής Ενότητας Οι μαθητές να περιγράφουν τους βασικούς τομείς της Επιστήμης των Υπολογιστών και να μπορούν

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΕΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ.

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΕΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ. ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΕΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ. ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΑΠΟΤΙΜΗΣΗΣ ΣΠΟΥΔΩΝ Ακαδημαϊκό Έτος Εγγραφής

Διαβάστε περισσότερα

Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων»

Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων» Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πρόγραμμα Μεταπτυχιακών Σπουδών Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων» Αργυροπούλου Αιμιλία

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΛΟΓΙΣΜΙΚΟΥ ΓΙΑ ΤΗ ΔΙΕΝΕΡΓΕΙΑ ΥΠΟΛΟΓΙΣΤΙΚΩΝ ΜΕΛΕΤΩΝ

ΑΝΑΠΤΥΞΗ ΛΟΓΙΣΜΙΚΟΥ ΓΙΑ ΤΗ ΔΙΕΝΕΡΓΕΙΑ ΥΠΟΛΟΓΙΣΤΙΚΩΝ ΜΕΛΕΤΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΑΝΑΠΤΥΞΗ ΛΟΓΙΣΜΙΚΟΥ ΓΙΑ ΤΗ ΔΙΕΝΕΡΓΕΙΑ ΥΠΟΛΟΓΙΣΤΙΚΩΝ ΜΕΛΕΤΩΝ ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ Α.Μ. 123/04 ΕΠΙΒΛΕΠΩΝ: ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ ΘΕΣΣΑΛΟΝΙΚΗ, ΙΟΥΝΙΟΣ 2007 Περιεχόμενα

Διαβάστε περισσότερα

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ (ΒΙΟ 003) Εισαγωγή στη Βιοπληροφορική Διδάσκων: Βασίλειος Ι. Προμπονάς, Ph.D. Λέκτορας Βιοπληροφορικής ΓΕΝΙΚΕΣ ΠΛΗΡΟΦΟΡΙΕΣ Διαλέξεις Φροντιστήριο Τρίτη και

Διαβάστε περισσότερα

ΠΟΩΤΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΕΡΓΑΣΤΗΡΙΟ ΔΤΝΑΜΙΚΗΣ ΜΗΧΑΝΩΝ

ΠΟΩΤΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΕΡΓΑΣΤΗΡΙΟ ΔΤΝΑΜΙΚΗΣ ΜΗΧΑΝΩΝ ΡΙΣΤΟΤΕΩΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΟΕΣΣΑΩΟΝΙΚΗΣ ΠΟΩΤΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΤΑΣΚΕΤΑΣΤΙΚΟΣ ΤΟΜΕΑΣ ΕΡΓΑΣΤΗΡΙΟ ΔΤΝΑΜΙΚΗΣ ΜΗΧΑΝΩΝ Γεωργία N. Γεωργίου Διπλ. Μηχανολόγος Μηχανικός A.Π.O. ΙΖΡΟΣΔΙΟΡΙΣΜΟΣ

Διαβάστε περισσότερα

Βιοπληροψορική, συσιημική βιολογία και εξατομικευμένη θεραπεία

Βιοπληροψορική, συσιημική βιολογία και εξατομικευμένη θεραπεία Βιοπληροψορική, συσιημική βιολογία και εξατομικευμένη θεραπεία Φραγκίσκος Κολίσης Καθηγητής Βιοτεχνολογίας, Σχολή Χημικών Μηχανικών ΕΜΠ, Διευθυντής Ινστιτούτου Βιολογικών Ερευνών και Βιοτεχνολογίας, EIE

Διαβάστε περισσότερα

ΓΕΩΠΟΝΙΚΗ ΣΧΟΛΗ ΑΠΘ Εργαστήριο Πληροφορικής στη Γεωργία ΠΛΗΡΟΦΟΡΙΚΗ Ι

ΓΕΩΠΟΝΙΚΗ ΣΧΟΛΗ ΑΠΘ Εργαστήριο Πληροφορικής στη Γεωργία ΠΛΗΡΟΦΟΡΙΚΗ Ι ΓΕΩΠΟΝΙΚΗ ΣΧΟΛΗ ΑΠΘ Εργαστήριο Πληροφορικής στη Γεωργία ΠΛΗΡΟΦΟΡΙΚΗ Ι Συστήματα Υποστήριξης Αποφάσεων Τα Συστήματα Υποστήριξης Αποφάσεων (Σ.Υ.Α. - Decision Support Systems, D.S.S.) ορίζονται ως συστήματα

Διαβάστε περισσότερα

Πρόβλημα είναι μια κατάσταση η οποία χρήζει αντιμετώπισης, απαιτεί λύση, η δε λύση της δεν είναι γνωστή, ούτε προφανής.

Πρόβλημα είναι μια κατάσταση η οποία χρήζει αντιμετώπισης, απαιτεί λύση, η δε λύση της δεν είναι γνωστή, ούτε προφανής. Κεφάλαιο 2 - Πρόβλημα 2.1.1. Η έννοια του προβλήματος Πρόβλημα είναι μια κατάσταση η οποία χρήζει αντιμετώπισης, απαιτεί λύση, η δε λύση της δεν είναι γνωστή, ούτε προφανής. 2.1.2. Κατηγορίες προβλημάτων

Διαβάστε περισσότερα

Ανακάλυψη κανόνων συσχέτισης από εκπαιδευτικά δεδομένα

Ανακάλυψη κανόνων συσχέτισης από εκπαιδευτικά δεδομένα 6ο Πανελλήνιο Συνέδριο των Εκπαιδευτικών για τις ΤΠΕ «Αξιοποίηση των Τεχνολογιών της Πληροφορίας και της Επικοινωνίας στη Διδακτική Πράξη» Σύρος 6-8 Μαϊου 2011 Ανακάλυψη κανόνων συσχέτισης από εκπαιδευτικά

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΔΙΑΔΙΚΤΥΟ ΚΑΙ ΠΑΓΚΟΣΜΙΟΣ ΙΣΤΟΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ.

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΔΙΑΔΙΚΤΥΟ ΚΑΙ ΠΑΓΚΟΣΜΙΟΣ ΙΣΤΟΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ. ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΔΙΑΔΙΚΤΥΟ ΚΑΙ ΠΑΓΚΟΣΜΙΟΣ ΙΣΤΟΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ. ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΑΠΟΤΙΜΗΣΗΣ ΣΠΟΥΔΩΝ Ακαδημαϊκό Έτος Εγγραφής

Διαβάστε περισσότερα

Τμήμα Επιστημών της Θάλασσας Σύντομες οδηγίες συγγραφής της Πτυχιακής Εργασίας

Τμήμα Επιστημών της Θάλασσας Σύντομες οδηγίες συγγραφής της Πτυχιακής Εργασίας Τμήμα Επιστημών της Θάλασσας Σύντομες οδηγίες συγγραφής της Πτυχιακής Εργασίας Περίληψη (τυπική έκταση: 2-3 παράγραφοι) Η Περίληψη συνοψίζει την εργασία και τα κύρια ευρήματα αυτής με τέτοιον τρόπο, ώστε

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ (ΒΙΟ 003) Εισαγωγή στη Βιοπληροφορική Διδάσκοντες: Χρήστος Ουζούνης, Βασίλειος Ι. Προµπονάς ΓΕΝΙΚΕΣ ΠΛΗΡΟΦΟΡΙΕΣ Διαλέξεις Τρίτη και Παρασκευή 10:30 12:00,

Διαβάστε περισσότερα

Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R

Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόμενα Εισαγωγή στο

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΕΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ.

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΕΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ. ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΕΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ. ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΑΠΟΤΙΜΗΣΗΣ ΣΠΟΥΔΩΝ Ακαδημαϊκό Έτος Εγγραφής

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ Εισαγωγή Μεθοδολογία της Έρευνας ΕΙΚΟΝΑ 1-1 Μεθοδολογία της έρευνας.

ΚΕΦΑΛΑΙΟ Εισαγωγή Μεθοδολογία της Έρευνας ΕΙΚΟΝΑ 1-1 Μεθοδολογία της έρευνας. ΚΕΦΑΛΑΙΟ 1 Εισαγωγή Η Μεθοδολογία της Έρευνας (research methodology) είναι η επιστήμη που αφορά τη μεθοδολογία πραγματοποίησης μελετών με συστηματικό, επιστημονικό και λογικό τρόπο, με σκοπό την παραγωγή

Διαβάστε περισσότερα

Οδηγός. Σχολιασμού. Διπλωματικής Εργασίας

Οδηγός. Σχολιασμού. Διπλωματικής Εργασίας ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Μεταπτυχιακό Δίπλωμα Ειδίκευσης: «Σπουδές στην Εκπαίδευση» Οδηγός Σχολιασμού Διπλωματικής Εργασίας (βιβλιογραφική σύνθεση) ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: «ΕΞΕΛΙΞΗ ΤΟΥ ΠΑΙΔΙΟΥ ΣΤΟ ΚΟΙΝΩΝΙΚΟ

Διαβάστε περισσότερα

κατεύθυνση της εξάλειψης εθνοκεντρικών και άλλων αρνητικών στοιχείων που υπάρχουν στην ελληνική εκπαίδευση έτσι ώστε η εκπαίδευση να λαμβάνει υπόψη

κατεύθυνση της εξάλειψης εθνοκεντρικών και άλλων αρνητικών στοιχείων που υπάρχουν στην ελληνική εκπαίδευση έτσι ώστε η εκπαίδευση να λαμβάνει υπόψη ΕΙΣΑΓΩΓΗ Είναι γνωστό ότι, παραδοσιακά, όπως άλλα εκπαιδευτικά συστήματα έτσι και το ελληνικό στόχευαν στην καλλιέργεια και ενδυνάμωση της εθνοπολιτιστικής ταυτότητας. Αυτό κρίνεται θετικό, στο βαθμό που

Διαβάστε περισσότερα

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ Αναλυτική Μέθοδος- Αναλυτικό Πρόβλημα. Ανάλυση, Προσδιορισμός και Μέτρηση. Πρωτόκολλο. Ευαισθησία Μεθόδου. Εκλεκτικότητα. Όριο ανίχνευσης (limit of detection, LOD).

Διαβάστε περισσότερα

ΕΝΙΑΙΟ ΠΛΑΙΣΙΟ ΠΡΟΓΡΑΜΜΑΤΟΣ ΣΠΟΥΔΩΝ

ΕΝΙΑΙΟ ΠΛΑΙΣΙΟ ΠΡΟΓΡΑΜΜΑΤΟΣ ΣΠΟΥΔΩΝ ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΠΑΙΔΑΓΩΓΙΚΟ ΙΝΣΤΙΤΟΥΤΟ ΕΝΙΑΙΟ ΠΛΑΙΣΙΟ ΠΡΟΓΡΑΜΜΑΤΟΣ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΙΣΧΥΕΙ ΚΑΤΑ ΤΟ ΜΕΡΟΣ ΠΟΥ ΑΦΟΡΑ ΤΟ ΛΥΚΕΙΟ ΓΙΑ ΤΗΝ ΥΠΟΧΡΕΩΤΙΚΗ ΕΚΠΑΙΔΕΥΣΗ ΙΣΧΥΟΥΝ ΤΟ ΔΕΠΠΣ

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ Δ.Π.Μ.Σ: «Εφαρμοσμένες Μαθηματικές Επιστήμες» 2008

Διαβάστε περισσότερα

"Αθηνά" - Ερευνητικό Κέντρο Καινοτομίας στις Τεχνολογίες της Πληροφορίας, των Επικοινωνιών και της Γνώσης

Αθηνά - Ερευνητικό Κέντρο Καινοτομίας στις Τεχνολογίες της Πληροφορίας, των Επικοινωνιών και της Γνώσης "Αθηνά" - Ερευνητικό Κέντρο Καινοτομίας στις Τεχνολογίες της Πληροφορίας, των Επικοινωνιών και της Γνώσης ΙΝΣΤΙΤΟΥΤΟ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΡΟΣΚΛΗΣΗ ΕΚΔΗΛΩΣΗΣ ΕΝΔΙΑΦΕΡΟΝΤΟΣ Ημ/νία ανάρτησης στον ιστότοπο

Διαβάστε περισσότερα

Έμπειρα Συστήματα. Εργαστήριο

Έμπειρα Συστήματα. Εργαστήριο Έμπειρα Συστήματα Εργαστήριο Χρυσόστομος Στύλιος E-class: Ανακοινώσεις, διαφάνειες, εργασίες, χρήσιμοι σύνδεσμοι, κλπ. 1 Εργασίες Θα δοθεί υποχρεωτική εργασία: Ανάπτυξη ενός έμπειρου συστήματος σε γλώσσα

Διαβάστε περισσότερα

ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ. Data Mining - Classification

ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ. Data Mining - Classification ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ Data Mining - Classification Data Mining Ανακάλυψη προτύπων σε μεγάλο όγκο δεδομένων. Σαν πεδίο περιλαμβάνει κλάσεις εργασιών: Anomaly Detection:

Διαβάστε περισσότερα

ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams

ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams Αλέκα Σεληνιωτάκη Ηράκλειο, 26/06/12 aseliniotaki@csd.uoc.gr ΑΜ: 703 1. Περίληψη Συνεισφοράς

Διαβάστε περισσότερα

Προγραμματισμός Η/Υ. Προτεινόμενα θέματα εξετάσεων Εργαστήριο. Μέρος 1 ό. ΤΕΙ Λάρισας- Σχολή Τεχνολογικών Εφαρμογών Τμήμα Πολιτικών Έργων Υποδομής

Προγραμματισμός Η/Υ. Προτεινόμενα θέματα εξετάσεων Εργαστήριο. Μέρος 1 ό. ΤΕΙ Λάρισας- Σχολή Τεχνολογικών Εφαρμογών Τμήμα Πολιτικών Έργων Υποδομής Προγραμματισμός Η/Υ Προτεινόμενα θέματα εξετάσεων Εργαστήριο Μέρος 1 ό ΤΕΙ Λάρισας- Σχολή Τεχνολογικών Εφαρμογών Τμήμα Πολιτικών Έργων Υποδομής Ιανουάριος 2011 Καλογιάννης Γρηγόριος Επιστημονικός/ Εργαστηριακός

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ (ΒΙΟ 650) Ειδικά Θέματα Βιοπληροφορικής Διδάσκων: Βασίλειος Ι. Προμπονάς, Ph.D. Λέκτορας Βιοπληροφορικής ΓΕΝΙΚΕΣ ΠΛΗΡΟΦΟΡΙΕΣ Διαλέξεις Δευτέρα και Πέμπτη

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ. «ΔΙΟΙΚΗΣΗ της ΥΓΕΙΑΣ» ΑΞΙΟΛΟΓΗΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΝΟΣΟΚΟΜΕΙΑΚΟΥ ΠΡΟΣΩΠΙΚΟΥ

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ. «ΔΙΟΙΚΗΣΗ της ΥΓΕΙΑΣ» ΑΞΙΟΛΟΓΗΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΝΟΣΟΚΟΜΕΙΑΚΟΥ ΠΡΟΣΩΠΙΚΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΔΙΟΙΚΗΣΗ της ΥΓΕΙΑΣ» ΑΞΙΟΛΟΓΗΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΝΟΣΟΚΟΜΕΙΑΚΟΥ ΠΡΟΣΩΠΙΚΟΥ Μαστρογιάννη Μαρία Διπλωματική Εργασία υποβληθείσα

Διαβάστε περισσότερα

ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 1 ο : Εισαγωγή στην γλωσσική τεχνολογία. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος: 2012 2013

ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 1 ο : Εισαγωγή στην γλωσσική τεχνολογία. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος: 2012 2013 ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ Μάθημα 1 ο : Εισαγωγή στην γλωσσική τεχνολογία Γεώργιος Πετάσης Ακαδημαϊκό Έτος: 2012 2013 ΤMHMA MHXANIKΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ, Πανεπιστήμιο Πατρών, 2012 2013 Τι είναι η γλωσσική τεχνολογία;

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑ ΠΑΡΑΚΟΛΟΥΘΗΣΗΣ ΑΕΡΟΣΩΜΑΤΙ ΙΑΚΗΣ ΡΥΠΑΝΣΗΣ ΣΕ ΣΧΕ ΟΝ ΠΡΑΓΜΑΤΙΚΟ ΧΡΟΝΟ

ΣΥΣΤΗΜΑ ΠΑΡΑΚΟΛΟΥΘΗΣΗΣ ΑΕΡΟΣΩΜΑΤΙ ΙΑΚΗΣ ΡΥΠΑΝΣΗΣ ΣΕ ΣΧΕ ΟΝ ΠΡΑΓΜΑΤΙΚΟ ΧΡΟΝΟ ΣΥΣΤΗΜΑ ΠΑΡΑΚΟΛΟΥΘΗΣΗΣ ΑΕΡΟΣΩΜΑΤΙ ΙΑΚΗΣ ΡΥΠΑΝΣΗΣ ΣΕ ΣΧΕ ΟΝ ΠΡΑΓΜΑΤΙΚΟ ΧΡΟΝΟ ΠΑΡΑ ΟΤΕΟ 9 ΠΛΑΤΦΟΡΜΑ ΥΠΟΛΟΓΙΣΜΟΥ ΑΕΡΟΣΩΜΑΤΙ ΙΑΚΗΣ ΡΥΠΑΝΣΗΣ Συγγραφείς: ημήτρης Παρώνης, Αδριανός Ρετάλης, Φίλιππος Τύμβιος,

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΠΑΙΔΑΓΩΓΙΚΟ ΙΝΣΤΙΤΟΥΤΟ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ Κ Υ Κ Λ Ο Υ Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ Κ Α Ι Υ Π Η Ρ Ε Σ Ι Ω Ν Τ Ε Χ Ν Ο Λ Ο Γ Ι Κ Η

Διαβάστε περισσότερα

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Μάθημα 10: Ανάπτυξη ΠΣ Μαρίνος Θεμιστοκλέους Email: mthemist@unipi.gr Ανδρούτσου 150 Γραφείο 206 Τηλ. 210 414 2723 Ώρες Γραφείου: Δευτέρα 11-12 πμ Ενδεικτικά Περιεχόμενα Εργασίας

Διαβάστε περισσότερα

ιπλωµατική εργασία: Νικόλαος Ματάνας Επιβλέπων Καθηγήτρια: Μπούσιου έσποινα

ιπλωµατική εργασία: Νικόλαος Ματάνας Επιβλέπων Καθηγήτρια: Μπούσιου έσποινα ιπλωµατική εργασία: Νικόλαος Ματάνας Επιβλέπων Καθηγήτρια: Μπούσιου έσποινα ΤµήµαΕφαρµοσµένης Πληροφορικής Πανεπιστήµιο Μακεδονίας Θεσσαλονίκη Ιούνιος 2006 εισαγωγικού µαθήµατος προγραµµατισµού υπολογιστών.

Διαβάστε περισσότερα

Βιολογία Ο.Π. Θετικών Σπουδών Γ' Λυκείου

Βιολογία Ο.Π. Θετικών Σπουδών Γ' Λυκείου Βιολογία Ο.Π. Θετικών Σπουδών Γ' Λυκείου ΘΕΜΑ Α Α1. Η αναλογία Α+G/T+C στο γενετικό υλικό ενός ιού είναι ίση με 2/3. Ο ιός μπορεί να είναι: α. ο φάγος λ. β. ο ιός της πολιομυελίτιδας. γ. φορέας κλωνοποίησης

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ BIO 331 - Αρχές και Μέθοδοι Βιοπληροφορικής I Διδάσκων: Βασίλειος Ι. Προμπονάς, Ph.D. Λέκτορας Βιοπληροφορικής ΓΕΝΙΚΕΣ ΠΛΗΡΟΦΟΡΙΕΣ Διαλέξεις Δευτέρα και Πέμπτη

Διαβάστε περισσότερα

Πληροφορική (BSc & MSc)

Πληροφορική (BSc & MSc) ς Πληροφορική (BSc & MSc) www.nup.ac.cy ΠΡΟΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ Πτυχίο στην Εφαρμοσμένη Πληροφορική BSc in Applied Informatics Περιγραφή Προγράμματος Στόχος του Προπτυχιακού Προγράμματος στην Εφαρμοσμένη

Διαβάστε περισσότερα

ΑΝΑΣΤΟΧΑΣΜΟΣ 1ης ΔΙΔΑΚΤΙΚΗΣ ΠΑΡΕΜΒΑΣΗΣ

ΑΝΑΣΤΟΧΑΣΜΟΣ 1ης ΔΙΔΑΚΤΙΚΗΣ ΠΑΡΕΜΒΑΣΗΣ Αναστοχασμός ΑΝΑΣΤΟΧΑΣΜΟΣ 1ης ΔΙΔΑΚΤΙΚΗΣ ΠΑΡΕΜΒΑΣΗΣ ΟΝΟΜΑΤΕΠΩΝΥΜΟ(A) : Βαρβιτσιώτης Ιωάννης ΤΙΤΛΟΣ ΔΡΑΣΤΗΡΙΟΤΗΤΑΣ : Ελεύθερη πτώση επιτάχυνση της βαρύτητας g ΗΜΕΡΟΜΗΝΙΑ ΠΡΑΓΜΑΤΟΠΟΙΗΣΗΣ ΤΗΣ ΔΡΑΣΤΗΡΙΟΤΗΤΑΣ

Διαβάστε περισσότερα

Κεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση

Κεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση Κεφάλαιο 8 Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Αναπαράσταση Γνώσης Σύνολο συντακτικών

Διαβάστε περισσότερα

Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων. Δρ. Ε. Χάρου

Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων. Δρ. Ε. Χάρου Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων Δρ. Ε. Χάρου Πρόγραμμα υπολογιστικής ευφυίας Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών ΕΚΕΦΕ ΔΗΜΟΚΡΙΤΟΣ exarou@iit.demokritos.gr Μηχανική

Διαβάστε περισσότερα

Περιεχόμενο του μαθήματος

Περιεχόμενο του μαθήματος ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Απαιτήσεις Λογισμικού Περιπτώσεις χρήσης Δρ Βαγγελιώ Καβακλή Τμήμα Πολιτισμικής Τεχνολογίας και Επικοινωνίας Πανεπιστήμιο Αιγαίου Εαρινό Εξάμηνο 2012-2013 1 Περιεχόμενο του μαθήματος

Διαβάστε περισσότερα

Πανηγύρι των Φυσικών Επιστημών» στο 2ο Γυμνάσιο Πυλαίας

Πανηγύρι των Φυσικών Επιστημών» στο 2ο Γυμνάσιο Πυλαίας «Το Πανηγύρι των Φυσικών Επιστημών» στο 2ο Γυμνάσιο Πυλαίας Συμμετέχουν: Οι μαθητές της 2ας και 3ης τάξης Υπεύθυνη καθηγήτρια: Μαρία Καλλέρη Τα μέρη της παρουσίασης Μέρος 1ο: Περιγραφή της πορείας της

Διαβάστε περισσότερα

HMY 795: Αναγνώριση Προτύπων

HMY 795: Αναγνώριση Προτύπων HMY 795: Αναγνώριση Προτύπων Διάλεξη 3 Επιλογή μοντέλου Επιλογή μοντέλου Θεωρία αποφάσεων Επιλογή μοντέλου δεδομένα επικύρωσης Η επιλογή του είδους του μοντέλου που θα χρησιμοποιηθεί σε ένα πρόβλημα (π.χ.

Διαβάστε περισσότερα

Πληροφορική 2. Τεχνητή νοημοσύνη

Πληροφορική 2. Τεχνητή νοημοσύνη Πληροφορική 2 Τεχνητή νοημοσύνη 1 2 Τι είναι τεχνητή νοημοσύνη; Τεχνητή νοημοσύνη (AI=Artificial Intelligence) είναι η μελέτη προγραμματισμένων συστημάτων τα οποία μπορούν να προσομοιώνουν μέχρι κάποιο

Διαβάστε περισσότερα

Πρόγνωση δομής πρωτεϊνών (Μέρος Ι)

Πρόγνωση δομής πρωτεϊνών (Μέρος Ι) Πρόγνωση δομής πρωτεϊνών (Μέρος Ι) Βασίλης Προμπονάς, PhD Ερευνητικό Εργαστήριο Βιοπληροφορικής Τμήμα Βιολογικών Επιστημών Νέα Παν/πολη, Γραφείο B161 Πανεπιστήμιο Κύπρου Ταχ.Κιβ. 20537 1678, Λευκωσία ΚΥΠΡΟΣ

Διαβάστε περισσότερα

Μηχανική Μάθηση: γιατί;

Μηχανική Μάθηση: γιατί; Μηχανική Μάθηση Μηχανική Μάθηση: γιατί; Απαραίτητη για να μπορεί ο πράκτορας να ανταπεξέρχεται σε άγνωστα περιβάλλοντα Δεν είναι δυνατόν ο σχεδιαστής να προβλέψει όλα τα ενδεχόμενα περιβάλλοντα. Χρήσιμη

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΚΑΤΑΝΟΗΣΗΣ

ΕΡΩΤΗΣΕΙΣ ΚΑΤΑΝΟΗΣΗΣ ΕΡΩΤΗΣΕΙΣ ΚΑΤΑΝΟΗΣΗΣ ΚΕΦΑΛΑΙΟ 2 ο 1. Με ποιο μηχανισμό αντιγράφεται το DNA σύμφωνα με τους Watson και Crick; 2. Ένα κύτταρο που περιέχει ένα μόνο χρωμόσωμα τοποθετείται σε θρεπτικό υλικό που περιέχει ραδιενεργό

Διαβάστε περισσότερα

ΠΑΡΆΡΤΗΜΑ Β Ενδεικτική Λίστα Διδασκόντων Μελών Δ.Ε.Π. του Τμήματος

ΠΑΡΆΡΤΗΜΑ Β Ενδεικτική Λίστα Διδασκόντων Μελών Δ.Ε.Π. του Τμήματος ΠΑΡΆΡΤΗΜΑ Β Ενδεικτική Λίστα Διδασκόντων Μελών Δ.Ε.Π. του Τμήματος 1 Βασίλειος Χρυσικόπουλος Καθηγητής Πληροφορική Δίκτυα Ασφάλεια Πληροφοριών Ερευνητικά Ενδιαφέροντα Ασφάλεια Δίκτυα Η/Υ http://di.ionio.gr/staff-2/faculty-staff/vassilischrissikopoulos/

Διαβάστε περισσότερα

Διπλωματικές των κ. Ι. Βλαχάβα και Ν. Βασιλειάδη

Διπλωματικές των κ. Ι. Βλαχάβα και Ν. Βασιλειάδη ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΡΓΑΣΤΗΡΙΟ ΓΛΩΣΣΩΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ & ΤΕΧΝΟΛΟΓΙΑΣ ΛΟΓΙΣΜΙΚΟΥ Διπλωματικές 2006-2007 των κ. Ι. Βλαχάβα και Ν. Βασιλειάδη Επιβλέπων: Ι. Βλαχάβας 1.

Διαβάστε περισσότερα

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Μη γραμμικός προγραμματισμός: βελτιστοποίηση χωρίς περιορισμούς Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 7-8 η /2017 Τι παρουσιάστηκε

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ 1. ΓΕΝΙΚΑ ΣΧΟΛΗ ΟΙΚΟΝΟΜΙΑΣ ΔΙΟΙΚΗΣΗΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Μεταπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Επεξεργασία

Διαβάστε περισσότερα

Διαφοροποίηση στρατηγικών διδασκαλίας ανάλογα με το περιεχόμενο στα μαθήματα των φυσικών επιστημών

Διαφοροποίηση στρατηγικών διδασκαλίας ανάλογα με το περιεχόμενο στα μαθήματα των φυσικών επιστημών Διαφοροποίηση στρατηγικών διδασκαλίας ανάλογα με το περιεχόμενο στα μαθήματα των φυσικών επιστημών Κων/νος Στεφανίδης Σχολικός Σύμβουλος Πειραιά kstef2001@yahoo.gr Νικόλαος Στεφανίδης Φοιτητής ΣΕΜΦΕ, ΕΜΠ

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ (1) ΓΕΝΙΚΑ ΣΧΟΛΗ ΠΟΛΥΤΕΧΝΙΚΗ ΤΜΗΜΑ Μηχανικών Οικονομίας και Διοίκησης ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΓΕ0145 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 4ο ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Εργαστήριο Προγράμματος

Διαβάστε περισσότερα

1 Συστήματα Αυτοματισμού Βιβλιοθηκών

1 Συστήματα Αυτοματισμού Βιβλιοθηκών 1 Συστήματα Αυτοματισμού Βιβλιοθηκών Τα Συστήματα Αυτοματισμού Βιβλιοθηκών χρησιμοποιούνται για τη διαχείριση καταχωρήσεων βιβλιοθηκών. Τα περιεχόμενα των βιβλιοθηκών αυτών είναι έντυπα έγγραφα, όπως βιβλία

Διαβάστε περισσότερα

Εξόρυξη Δεδομένων για την Εύρεση Σημείου Πολυαδενυλίωσης σε Βιολογικές Αλληλουχίες

Εξόρυξη Δεδομένων για την Εύρεση Σημείου Πολυαδενυλίωσης σε Βιολογικές Αλληλουχίες ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Εξόρυξη Δεδομένων για την Εύρεση Σημείου Πολυαδενυλίωσης σε Βιολογικές Αλληλουχίες Διπλωματική Εργασία του Ιωάννη Καβακιώτη

Διαβάστε περισσότερα

ΤΙΤΛΟΣ ΑΝΑΦΟΡΑΣ: ΕΦΑΡΜΟΓΗ ΚΑΙ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕ ΕΠΙΛΕΓΜΕΝΕΣ ΠΕΡΙΤΠΩΣΕΙΣ

ΤΙΤΛΟΣ ΑΝΑΦΟΡΑΣ: ΕΦΑΡΜΟΓΗ ΚΑΙ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕ ΕΠΙΛΕΓΜΕΝΕΣ ΠΕΡΙΤΠΩΣΕΙΣ ΤΙΤΛΟΣ ΑΝΑΦΟΡΑΣ: ΕΦΑΡΜΟΓΗ ΚΑΙ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΕ ΕΠΙΛΕΓΜΕΝΕΣ ΠΕΡΙΤΠΩΣΕΙΣ ΚΩΔΙΚΟΣ ΠΑΡΑΔΟΤΕΟΥ: Π18 ΑΡΙΘΜΟΣ ΠΡΩΤΟΚΟΛΛΟΥ ΈΡΓΟΥ: ΤΠΕ/ΟΡΖΙΟ/0308(ΒΕ)/03 ΤΙΤΛΟΣ ΕΡΓΟΥ: ΓΕΝΙΚΕΥΜΕΝΟ ΣΥΣΤΗΜΑ ΑΣΑΦΟΥΣ ΓΝΩΣΤΙΚΟΥ ΧΑΡΤΗ

Διαβάστε περισσότερα

Κυριακή Αγγελοπούλου. Επιβλέπων Καθηγητής: Μανώλης Πατηνιώτης

Κυριακή Αγγελοπούλου. Επιβλέπων Καθηγητής: Μανώλης Πατηνιώτης Κυριακή Αγγελοπούλου Επιβλέπων Καθηγητής: Μανώλης Πατηνιώτης Οι πρώτες προσπάθειες μελέτης του τρόπου επιστημονικής εργασίας έγιναν το 1970. Πραγματοποιήθηκαν μέσω της άμεσης παρατήρησης των επιστημόνων

Διαβάστε περισσότερα

τρόπος για να εμπεδωθεί η θεωρία. Για την επίλυση των παραδειγμάτων χρησιμοποιούνται στατιστικά πακέτα, ώστε να είναι δυνατή η ανάλυση μεγάλου όγκου

τρόπος για να εμπεδωθεί η θεωρία. Για την επίλυση των παραδειγμάτων χρησιμοποιούνται στατιστικά πακέτα, ώστε να είναι δυνατή η ανάλυση μεγάλου όγκου ΠΡΟΛΟΓΟΣ Η γραμμική παλινδρόμηση χρησιμοποιείται για την μελέτη των σχέσεων μεταξύ μετρήσιμων μεταβλητών. Γενικότερα, η γραμμική στατιστική συμπερασματολογία αποτελεί ένα ευρύ πεδίο της στατιστικής ανάλυσης

Διαβάστε περισσότερα

ΣΧΕΔΙΑΣΜΟΣ ΚΑΤΑΣΚΕΥΩΝ

ΣΧΕΔΙΑΣΜΟΣ ΚΑΤΑΣΚΕΥΩΝ Τ.Ε.Ι. Θεσσαλίας Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανολογίας ΣΧΕΔΙΑΣΜΟΣ ΚΑΤΑΣΚΕΥΩΝ Κώστας Κιτσάκης Μηχανολόγος Μηχανικός ΤΕ MSc Διασφάλιση ποιότητας Επιστημονικός Συνεργάτης Αρχές Μεθοδικής Πορείας

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Αναπαράσταση Γνώσης Η περιγραφή ενός προβλήματος σε συνδυασμό με τους τελετές

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΕΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ.

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΕΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ. ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) «ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΕΣ» ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ Α.Π.Θ. ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΑΠΟΤΙΜΗΣΗΣ ΣΠΟΥΔΩΝ Ακαδημαϊκό Έτος Εγγραφής

Διαβάστε περισσότερα

Περί της Ταξινόμησης των Ειδών

Περί της Ταξινόμησης των Ειδών Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Σχολή Θετικών Επιστημών Τμήμα Φυσικής 541 24 Θεσσαλονίκη Καθηγητής Γεώργιος Θεοδώρου Tel.: +30 2310998051, Ιστοσελίδα: http://users.auth.gr/theodoru Περί της Ταξινόμησης

Διαβάστε περισσότερα

Διδακτική της Πληροφορικής ΙΙ

Διδακτική της Πληροφορικής ΙΙ Διδακτική της Πληροφορικής ΙΙ Ομάδα Γ Βότσης Ευστάθιος Γιαζιτσής Παντελής Σπαής Αλέξανδρος Τάτσης Γεώργιος Προβλήματα που αντιμετωπίζουν οι αρχάριοι προγραμματιστές Εισαγωγή Προβλήματα Δυσκολίες Διδακτικό

Διαβάστε περισσότερα

Αθήνα, 18/5/2011 ΠΑΝΕΛΛΗΝΙΑ ΕΝΩΣΗ ΒΙΟΕΠΙΣΤΗΜΟΝΩΝ

Αθήνα, 18/5/2011 ΠΑΝΕΛΛΗΝΙΑ ΕΝΩΣΗ ΒΙΟΕΠΙΣΤΗΜΟΝΩΝ Αθήνα, 18/5/2011 ΠΑΝΕΛΛΗΝΙΑ ΕΝΩΣΗ ΒΙΟΕΠΙΣΤΗΜΟΝΩΝ Σας αποστέλλουμε τις προτεινόμενες απαντήσεις που αφορούν τα θέματα της Βιολογίας Θετικής Κατεύθυνσης των Ημερησίων Γενικών Λυκείων. Η Επιτροπή Παιδείας

Διαβάστε περισσότερα