Βιοϊατρική Μηχανική (Biomedical Engineering) Δευτερεύον Πρόγραμμα Σπουδών Διατμηματικό/Διασχολικό Πρόγραμμα σε Συνεργασία με Τμήμα Μηχανικών Μηχανολογίας και Κατασκευαστικής Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Τμήμα Επιστημών Πληροφορικής Τμήμα Βιολογικών Επιστημών
Πίνακας Περιεχομένων Πίνακας Περιεχομένων... 2 Εισαγωγή... 4 Αιτήσεις και Εισαγωγή στο Πρόγραμμα... 5 Δομή Δευτερεύοντος Πτυχίου ΒΜ... 6 Μαθήματα ΒΜ... 7 Περιγραφή Μαθημάτων... 9 Τμήμα Βιολογικών Επιστημών... 9 ΒΙΟ 101... 9 Εισαγωγή στη Σύγχρονη Βιολογία... 9 BIO 230... 11 Εισαγωγή στην Υπολογιστική Βιολογία... 11 BIO 331... 13 Υπολογιστική και Συστηµική Βιολογία... 13 BIO 670... 15 Οπτική Απεικόνιση στη Βιολογία... 15 BIO 630... 17 Νουκλεϊνικά Οξέα... 17 BIO 650... 18 Ειδικά Θέματα Βιοπληροφορικής... 18 Τμήμα Πληροφορικής... 20 ΕΠΛ 341... 20 Τεχνητή Νοημοσύνη... 20 ΕΠΛ 435... 21 Αλληλεπίδραση Ανθρώπου-Υπολογιστή... 21 ΕΠΛ 444... 22 Συστήματα Υπολογιστικής Νοημοσύνης... 22 ΕΠΛ 445... 24 Ψηφιακή Επεξεργασία Εικόνας... 24 ΕΠΛ 604... 25 Τεχνητή Νοημοσύνη... 25 ΕΠΛ 607... 26 Γραφικός και Εικονικός Υπολογισμός... 26 ΕΠΛ 667... 27 Νευρο-υπολογιστική Επιστήμη... 27 Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών... 31 ΗΜΥ 421... 31 Ευφυή Συστήματα... 31 ΗΜΥ 425... 32 Ρομποτική... 32 ΗΜΥ 428... 33 Εργαστήριο Συστημάτων Ελέγχου... 33 ΗΜΥ 429... 34 Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων... 34 ΗΜΥ 434... 35 Εισαγωγή στη Φωτονική... 35 ΗΜΥ 435... 36
Εργαστήριο Οπτικής και Φωτονικής... 36 ΗΜΥ 471... 37 Νευροφυσιολογία και Αισθήσεις... 37 ΗΜΥ 473... 38 Όργανα Βιο-Iατρικής και Σχεδιασμός... 38 ΗΜΥ 474... 39 Εργαστήριο Βιο-Oργάνων και Φυσιολογίας... 39 ΗΜΥ 476... 40 Βιο-ιατρική Απεικόνιση... 40 ΗΜΥ 477... 41 Βιο-ιατρική Οπτική... 41 ΗΜΥ 478... 42 Επεξεργασία Εικόνων... 42 ΗΜΥ 480... 43 Πράκτορες Λογισμικού... 43 Τμήμα Μηχανικών Μηχανολογίας και Κατασκευαστικής... 44 MMΚ 332... 44 Φυσιολογία και Εμβιομηχανική... 44 MMΚ 431... 45 Θεραπευτικές και Διαγνωστικές εφαρμογές Υπερήχων... 45 MMΚ 4ΧΧ... 46 Μηχανική Ακουστική... 46 MMΚ 432... 47 Εισαγωγή σε Διαγνωστικές και Απεικονιστικές Τεχνικές... 47 MMΚ 433... 48 Εμβιομηχανική και Ανθρώπινη Κίνηση... 48 MMΚ 434... 49 Μηχανική κυττάρων και ιστών... 49 MMΚ 531... 50 Μηχανική Συνεχών Μέσων... 50 MMΚ 533... 51 Εφαρμογές Μηχανικής Ακουστικής στη Βιομηχανία και Βιοϊατρική... 51 MMΚ 534... 52 Θέματα στους Βιοιατρικούς Υπέρηχους... 52 MMΚ 536... 53 Εισαγωγή στη Μαγνητική Τομογραφία... 53 MMΚ 535... 54 Ιατρική Διαγνωστική Απεικόνιση με Υπέρηχους... 54 MMΚ 542... 55 Εισαγωγή στη Ρομποτική... 55 MMΚ 555... 56 Ιδιότητες Πολυμερών και Πολυμερή σε Ιατρικές Εφαρμογές... 56 MMΚ 477... 57 Υπολογιστική Ρευστομηχανική στη Βιοϊατρική... 57
Εισαγωγή Η Βιοϊατρική Μηχανική (ΒΜ ή Biomedical Engineering) είναι ένας κλάδος ο οποίος προάγει την παραγωγή γνώσης στη μηχανική και θετικές επιστήμες και βελτιώνει την ανθρώπινη υγεία μέσα από διεπιστημονικές δραστηριότητες, οι οποίες συνδυάζουν τεχνικές μηχανικής και ανάλυσης με Βιοϊατρικές επιστήμες και κλινικές πρακτικές. Περιλαμβάνει 1. Την παραγωγή γνώσης και την κατανόηση των ζώντων οργανισμών μέσα από καινοτόμες και ουσιαστικές εφαρμογές πειραματικών και αναλυτικών τεχνικών από τη Μηχανική και τις Επιστήμες 2. Την ανάπτυξη νέων τεχνολογιών, αλγορίθμων, διαδικασιών και συστημάτων τα οποία να προωθούν την ανάπτυξη της βιολογίας και της ιατρικής και να βελτιώνουν το τομέα της παροχής υγείας. Στην πλειοψηφία των περιοχών που σχετίζονται με την υγεία, πρόληψη, διάγνωση και θεραπεία, υπάρχουν προβλήματα των οποίων η λύση μπορεί να βρεθεί μόνο με μια επιστημονική/μηχανική προσέγγιση. Τέτοια προβλήματα περιλαμβάνουν, για παράδειγμα, σχεδιασμό και ανάπτυξη διαγνωστικών τεχνολογιών και συσκευών, συστημάτων φροντίδας, προσθετικών μερών, ή και διεπαφών που επιτρέπουν σε άτομα με αναπηρία να χρησιμοποιούν τους υπολογιστές. Η όλο και αυξανόμενη πολυπλοκότητα της ιατρικής τεχνολογίας έχει αυξήσει σημαντικά τη ζήτηση για ειδικά εκπαιδευμένο προσωπικό το οποίο θα μπορεί να καλύψει το κενό που υπάρχει μεταξύ κλινικών εφαρμογών και εφαρμοσμένης μηχανικής και τεχνολογίας. Η ΒΜ συνήθως βασίζεται σε ένα από τους παραδοσιακούς κλάδους της Μηχανικής, όπως Ηλεκτρολογία ή Μηχανολογία. Ένας Μηχανικός Βιοϊατρικής, όμως, κατέχει επίσης γνώσεις στην Πληροφορική, Βιολογία και Φυσική. Ο συνδυασμός αυτών των γνώσεων καθιστά τους Μηχανικούς Βιοϊατρικής ικανούς να διαδραματίσουν τον σημαντικό ρόλο στον τομέα της υγείας. Λόγω του εύρους των γνώσεων τους, οι Μηχανικοί Βιοϊατρικής απασχολούνται σε εταιρίες ιατρικού εξοπλισμού, νοσοκομεία, δημόσιες υπηρεσίες, και ακαδημαϊκά ιδρύματα. Εξειδικευμένες περιοχές απασχόλησης περιλαμβάνουν σχεδιασμό ιατρικού εξοπλισμού και οργάνων, σχεδιασμό και συμβουλευτικές υπηρεσίες για εξειδικευμένο εξοπλισμό ανάλογα με τις ανάγκες του πελάτη, ανάπτυξη, κατασκευή και έλεγχο ιατρικών προϊόντων, διαχείριση τεχνολογίας στα νοσοκομεία, κλπ.
Αιτήσεις και Εισαγωγή στο Πρόγραμμα Το Πρόγραμμα Βιοϊατρικής Μηχανικής (ΒΜ) ανακοινώνει θέσεις για το προπτυχιακό δευτερεύον πτυχίο την πρώτη εβδομάδα του Σεπτεμβρίου και δέχεται αιτήσεις μέχρι και τις 31 Οκτωβρίου, κάθε έτους. Οι αιτήσεις πρέπει να αποστέλλονται στην Επιτροπή του προγράμματος (ένας αντιπρόσωπος από κάθε συμμετέχον Τμήμα). Η επιτροπή εισηγείται ποιοι υποψήφιοι πρέπει να γίνουν δεκτοί και πιθανούς ακαδημαϊκούς συμβούλους. Οι εισηγήσεις της επιτροπής μελετούνται και εγκρίνονται από το Συμβούλιο του υπεύθυνου Τμήματος. Οι υποψήφιοι ειδοποιούνται για την απόφαση μέχρι το τέλος Νοεμβρίου. Τους κοινοποιείται, επίσης, το όνομα του ακαδημαϊκού τους συμβούλου, ο οποίος θα ανήκει στο Τμήμα τους αν οι φοιτητές είναι είδη μέλη ενός από τα συμμετέχοντα Τμήματα ή θα είναι πιο κοντά στα ερευνητικά τους ενδιαφέροντα. Κάθε αίτηση πρέπει να περιλαμβάνει Επιστολή με την οποία ο/η φοιτητής/τρια να εκφράζει το ενδιαφέρον της για συμμετοχή στο δευτερεύον πτυχίο ΒΜ. Μια περίληψη μισής σελίδας στην οποία ο/η φοιτητής/τρια να αναλύει τους λόγους για τους οποίους επέλεξε να συμμετέχει σε αυτό το δευτερεύον πτυχίο. Αναλυτική βαθμολογία μέχρι και το τρέχον εξάμηνο Για να έχουν δικαίωμα αίτησης, οι φοιτητές/τριες πρέπει Να φοιτούν στο Πανεπιστήμιο Κύπρου και να βρίσκονται μεταξύ 5 ου και 8 ου εξαμήνου. Να κατέχουν τις απαραίτητες βάσεις ώστε να μπορούν αν παρακολουθήσουν με επιτυχία τα μαθήματα ΒΜ που θα επιλέξουν. Οι φοιτητές/τριες οφείλουν να συμπληρώσουν το δευτερεύον πτυχίο μέσα στα 8-12 εξάμηνα τα οποία παρέχονται για τη συμπλήρωση ενός κανονικού πτυχίου. Τα κύρια και δευτερεύοντα πτυχία απονέμονται ταυτόχρονα, μετά τη συμπλήρωση τους, από το Τμήμα του κύριου πτυχίου.
Δομή Δευτερεύοντος Πτυχίου ΒΜ Για απονομή δευτερεύοντος πτυχίου ΒΜ, ο/η φοιτητής/τρια πρέπει να συμπληρώσει με επιτυχία τα πιο κάτω μαθήματα. Ο ολικός φόρτος πρέπει να είναι τουλάχιστον 60 ΠΜ ECTS και τουλάχιστον 10 μαθήματα. Λόγω ανομοιομορφίας στον αριθμό ECTS μεταξύ συμμετεχόντων τμημάτων σε ειδικές περιπτώσεις θα γίνεται εξαίρεση για 10 μαθήματα του προγράμματος που συγκεντρώνουν άνω των 57 και άνω ECTS. Κωδικός Τίτλος ECTS 1 BIO 101 Εισαγωγή στη σύγχρονη Βιολογία 5 2 HMY 370 Εισαγωγή στη Βιοιατρική Μηχανική 6 3 ΗΜΥ 471 ή ΜΜΚ Νευροφυσιολογία και Αισθήσεις, ή Μηχανική 6 3ΧΧ, ή ΕΠΛ 445 Ακουστική ή Ψηφιακή Επεξεργασία Εικόνας 4 Επιλεγόμενο ΒΜ 5 Επιλεγόμενο ΒΜ 6 Επιλεγόμενο ΒΜ 7 Επιλεγόμενο ΒΜ 8 Επιλεγόμενο ΒΜ 9 Επιλεγόμενο ΒΜ 10 Επιλεγόμενο ΒΜ Ολικό 60 Σημειώνεται ότι για απόκτηση δευτερεύοντος πτυχίου ο/η φοιτητής/τρια πρέπει να συμπληρώσει τουλάχιστον πέντε επιπρόσθετα μαθήματα που δεν έχουν προσμετρηθεί στην απόκτηση του κυρίως πτυχίου του/της. Ένα από τα επιλεγόμενα μαθήματα ΒΜ μπορεί να είναι ένα μάθημα από τα μια Επιβλεπόμενη Μελέτη ή Εξειδικευμένα Θέματα.
Μαθήματα ΒΜ Κωδικός BIO 101 ΒΙΟ 354 ΒΙΟ 431 ΒΙΟ 432 ΒΙΟ 442, 443 ΒΙΟ 495, 496, 497, 498, 499 Χειμερινό Εξάμηνο Τίτλος Εισαγωγή στη Σύγχρονη Βιολογία Βιολογία Συστημάτων Ειδικά Θέματα Υπολογιστικής και Συστημικής Βιολογίας Κλινική Βιοπληροφορική Πρακτική Άσκηση στη Βιολογία Σύγχρονα Θέματα Βιολογίας ΕΠΛ 435 ΕΠΛ 445 ΗΜΥ 421 ΗΜΥ 425 ΗΜΥ 429 ΗΜΥ 434 HMY 471 ΗΜΥ 476 ΗΜΥ 480 MMΚ 432 MMΚ 433 MMK 477 ΜΜΚ 533 MMΚ 534 MMΚ 536 MMΚ 542 ΒΜΤ ΧΧΧ ΒΜΤ ΧΧΧ Διεπαφές Υπολογιστή Εγκεφάλου Ψηφιακή Επεξεργασία Εικόνας Ευφυή Συστήματα Ρομποτική Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Εισαγωγή στην Φωτονική Νευροφυσιολογία και Αισθήσεις Βιοϊατρική Απεικόνιση Πράκτορες Λογισμικού Εισαγωγή σε Διαγνωστικές και Απεικονιστικές Τεχνικές Εμβιομηχανική και Ανθρώπινη Κίνηση Υπολογιστική Ρευστομηχανική στη Βιοϊατρική Εφαρμογές Μηχανικής Ακουστικής στη Βιομηχανία και Βιοϊατρική Θέματα Βιοιατρικών Υπερήχων Εισαγωγή στη Μαγνητική Τομογραφία Εισαγωγή στη Ρομποτική Επιβλεπόμενη Μελέτη ΒΜ Εξειδικευμένα Θέματα Μηχανικής Βιοϊατρικής Τεχνολογίας Κωδικός BIO 331 ΒΙΟ 442, 443 ΒΙΟ 495, 496, 497, 498, 499 ΕΠΛ 341 Εαρινό Εξάμηνο Τίτλος Υπολογιστική και Συστηµική Βιολογία Πρακτική Άσκηση στη Βιολογία Σύγχρονα Θέματα Βιολογίας Τεχνητή Νοημοσύνη
ΕΠΛ 444 ΗΜΥ 428 ΗΜΥ 435 ΗΜΥ 450 ΗΜΥ 473 ΗΜΥ 474 ΗΜΥ 477 ΗΜΥ 478 MMΚ 332 MMΚ 431 ΜΜΚ 434 MMΚ 535 ΜΜΚ 531 MMΚ 542 MMΚ 555 ΒΜ ΧΧΧ ΒΜ ΧΧΧ Συστήματα Υπολογιστικής Νοημοσύνης Εργαστήριο Συστημάτων Ελέγχου Εργαστήριο Οπτικής και Φωτονικής (δεν προσφέρετε επί του παρόντος) Θεωρία Πληροφορίας Βιοϊατρική Οργανολογία και Σχεδιασμός Εργαστήριο Βιοϊατρικής Οργανολογίας και Σχεδιασμού Βιοϊατρική Οπτική Επεξεργασία Εικόνας Φυσιολογία και Εμβιομηχανική Θεραπευτικές και Διαγνωστικές εφαρμογές Υπερήχων Μηχανική κυττάρων και ιστών Ιατρική Διαγνωστική Απεικόνιση με Υπέρηχους Μηχανική Συνεχών Μέσων Εισαγωγή στην Ρομποτική Ιδιότητες Πολυμερών και Πολυμερή σε Ιατρικές Εφαρμογές Επιβλεπόμενη Μελέτη ΒΜ Εξειδικευμένα Θέματα Μηχανικής Βιοϊατρικής Τεχνολογίας Επιπρόσθετα, οι φοιτητές θα μπορούν να εγγραφούν σε μέχρι και δύο μεταπτυχιακά μαθήματα (κατόπιν έγκρισης του ακαδημαϊκού τους συμβούλου) από τα πιο κάτω: Χειμερινό Εξάμηνο Κωδικός Τίτλος BIO 670 Οπτική Απεικόνιση στη Βιολογία ΕΠΛ 604 Τεχνητή Νοημοσύνη ΕΠΛ 607 Γραφικός και Εικονικός Υπολογισμός ΕΠΛ 679 Ηλεκτρονική Υγεία ΗΜΥ 627 Machine Vision (παρόμιο με ΕΠΛ 668) Εαρινό Εξάμηνο Κωδικός Τίτλος BIO 630 Νουκλεϊνικά Οξέα BIO 650 Ειδικά Θέματα Βιοπληροφορικής ΕΠΛ 667 Νευρο-υπολογιστική Επιστήμη ΕΠΛ 668 Υπολογιστική Όραση (παρόμιο με ΗΜΥ 627)
Περιγραφή Μαθημάτων Τμήμα Βιολογικών Επιστημών ΒΙΟ 101 Εισαγωγή στη Σύγχρονη Βιολογία Δ Φ Ε Κ Σ ECTS 3 5 5 Έτος: 1 Προαπαιτούμενα: Παροχή ενός γενικού επιστημονικού υπόβαθρου στη σύγχρονη βιολογία. Αποτελέσματα: Οι διαλέξεις περιλαμβάνουν: Εισαγωγή στα Κύτταρα Χημική δομή των πρωτεϊνών και γενετικού υλικού Το σχήμα, δομή και ο τρόπος λειτουργίας των πρωτεϊνών Δομή και Αντιγραφή του DNA Επιδιόρθωση του DNA Μεταγραφή του DNA Μετάφραση του RNA Η δομή των χρωματοσωμάτων Ρύθμιση Έκφρασης των Γονιδίων Γενετική ποικιλότητα και αλλαγές στο γονιδίωμα Εισαγωγή στην Βιοτεχνολογία -Τεχνικές ανάλυσης του DNA Εισαγωγή στην Μοριακή Ιολογία Αρχές Βιοπληροφορικής (Λέκτορας Βασίλης Προμπονάς) Με αυξανόμενο ρυθμό, ζητήματα σχετικά με τις βιολογικές επιστήμες συνεχώς απασχολούν τους ανθρώπους σ όλο τον κόσμο. Τα ζητήματα αυτά απαιτούν τη στοιχειώδη γνώση των σύγχρονων βιολογικών τάσεων ώστε να είναι κανείς κατατοπισμένος και σε θέση να λάβει αποφάσεις. Το μάθημα αυτό θα θίξει το πώς και γιατί πραγματοποιείται η βασική έρευνα στις βιολογικές επιστήμες και θα παρέχει τη βασική γνώση πίσω από τον πειραματικό σχεδιασμό. Ο κύριος στόχος του μαθήματος είναι να παρέχει στους φοιτητές από όλα τα επιστημονικά πεδία τα βασικά διανοητικά εργαλεία που χρειάζονται για να προσεγγίσει κανείς τα ζητήματα αυτά όπως προκύπτουν. Τα επιμέρους θέματα που παρουσιάζονται στο μάθημα αυτό εξάγονται από το γνωστικό αντικείμενο της σύγχρονης μοριακής βιολογίας, γενετικής και ιολογίας και περιλαμβάνουν τα ακόλουθα: (1) Βασικές αρχές και μεθοδολογία γενετικής προκαρυωτικών και ευκαρυωτικών οργανισμών. (2) Μοριακές ιδιότητες του γενετικού υλικού, η ικανότητά του να αναδιπλασιάζεται, να ανασυνδυάζεται, να μεταλλάσσεται και να υπαγορεύει τη σύνθεση RNA και πρωτεϊνών. (3) Γενετικές μεθοδεύσεις γενετικής in vitro με
τεχνικές ανασυνδυασμένου DNA. (4) Αρχές μοριακής ιολογίας και ανθρώπινων νοσημάτων. Ένας δευτερεύον στόχος του μαθήματος αυτού είναι η παρουσίαση του υλικού με τέτοιο τρόπο ώστε να δίνεται έμφαση στην ιστορική αλληλουχία και τις πνευματικές διαδικασίες που οδήγησαν στην ανάπτυξη και κατανόηση των βιολογικών εννοιών. Βιβλιογραφία: Βασικές Αρχές Κυτταρικής Βιολογίας (Essential Cell Biology: An Introduction to the Molecular Biology of the Cell). Alberts, Bray Johnson, Lewis, Raff, Roberts and Walter. Garland Publishing, Inc. New York & London ΙΑΤΡΙΚΕΣ ΕΚΔΟΣΕΙΣ Π.Χ. ΠΑΣΧΑΛΙΔΗΣ Αξιολόγηση: Μία ενδιάμεση (30%) τελική εξέταση (70%).
BIO 230 Έτος: 2 Εισαγωγή στην Υπολογιστική Βιολογία Δ Φ Ε Κ Σ ECTS 6 Προαπαιτούμενα: Εισαγωγή στα βασικά υπολογιστικά εργαλεία και μεθόδους που χρησιμοποιούνται στη σύγχρονη μοριακή βιολογία. Αποτελέσματα: Οι διαλέξεις περιλαμβάνουν: Εισαγωγή/Επισκόπηση του πεδίου και των κυρίαρχων ιδεών/μεθοδολογιών. Βιολογικά δεδομένα και Βάσεις Δεδομένων. Εισαγωγή στην ανάλυση αμινοξικών και νουκλεοτιδικών ακολουθιών. Σύγκριση ακολουθιών και μέθοδοι για κατά ζεύγη και πολλαπλή στοίχιση ακολουθιών. Ευριστικές μέθοδοι για ταχεία αναζήτηση σε βάσεις δεδομένων ακολουθιών: στόχοι και παγίδες. Εισαγωγή στη Μοριακή Εξέλιξη και την ανακατασκευή φυλογενετικών σχέσεων με βάση μοριακά δεδομένα. Πίνακες αντικατάστασης για σύγκριση ακολουθιών. Patterns, profiles, motifs και πιθανοθεωρητικά μοντέλα αναπαράστασης οικογενειών ακολουθιών. Εισαγωγή στην πρόγνωση της δομής γονιδίων και της δευτεροταγούς δομής πρωτεϊνών. Εφαρμογή στην πρόγνωση της θέσης διαμεμβρανικών α-ελίκων. Προηγμένες τεχνικές αναζήτησης σε βάσεις δεδομένων ακολουθιών. Πρόγνωση της Δομής Πρωτεϊνών. Προχωρημένα αντικείμενα: προφίλ γονιδιακής έκφρασης με ανάλυση μικροσυστοιχιών cdna. Αυτοματοποιημένος σχολιασμός Γονιδιωμάτων. Μεγάλης κλίμακα υπολογιστική ανάλυση Γονιδιωμάτων και Συγκριτική Γονιδιωματική. Οι πρακτικές ασκήσεις περιλαμβάνουν παραδείγματα χρήσης αποτελεσματικών μεθόδων/εργαλείων σχετιζόμενων με τα αντικείμενα που καλύπτονται στις διαλέξεις, καθώς και η εισαγωγή στον προγραμματισμό Η/Υ για Βιολόγους με τη γλώσσα προγραμματισμού Perl σε περιβάλλον LINUX. Αυτό το μάθημα έχει σκοπό να καταδείξει, μέσα από διαλέξεις και πρακτικές ασκήσεις, τον τρόπο με τον οποίο υπολογιστικά εργαλεία έχουν φέρει επανάσταση στη βιολογική έρευνα. Έμφαση δίνεται στην ανάλυση αλληλουχιών και δομών νουκλεϊκών οξέων και πρωτεϊνών, ενώ δίνεται εισαγωγή στην ανάλυση πολύπλοκων βιολογικών συστημάτων. Οι διαλέξεις καλύπτουν τις αρχές και τις μεθόδους που χρησιμοποιούνται για: στοίχιση αλληλουχιών, εντοπισμό μοτίβων, πρόγνωση δομών και μελέτη βιολογικών δικτύων. Οι πρακτικές ασκήσεις περιλαμβάνουν παραδείγματα προχωρημένης χρήσης σύγχρονων μεθόδων και εργαλείων, που σχετίζονται με θέματα που καλύπτονται στις διαλέξεις και μικρές ερευνητικές εργασίες, στις οποίες οι φοιτητές σχεδιάζουν και προγραμματίζουν την ανάλυση πραγματικών συνόλων δεδομένων. Βιβλιογραφία: Βιοπληροφορική. Ένας Πρακτικός Οδηγός για την Ανάλυση
Αξιολόγηση: Γονιδίων και Πρωτεϊνών (2η Έκδοση). A.D. Baxevanis and B.F.F. Ouellette (eds.), Επιστημονικές Εκδόσεις Παρισιάνου, 2004. Understanding Bioinformatics. Marketa Zvelebil and Jeremy O. Baum, Garland Science, ISBN-13:978 0 8153 4024 9 Bioinformatics and functional genomics. Jonathan Pevsner, Wiley-Liss, 2003, ISBN 0 47121 004 8. Bioinformatics: Sequence and Genome Analysis (2nd edition). D.W. Mount, Cold Spring Harbor Laboratory Press, 2004. Bioinformatics: a Practical Guide to the Analysis of Genes and Proteins (3rd edition). A.D. Baxevanis and B.F.F. Ouellette (eds.), John Wiley and Sons, 2005. Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids. R. Durbin, S. Eddy, A. Krogh and G. Mitchison, Cambridge University Press, 1998. Bioinformatics: the Machine Learning Approach. P. Baldi and S. Brunak. MIT Press, 2001. Structural Bioinformatics. P.E. Bourne and H. Weissig (eds.), John Wiley and Sons, 2003. Protein Bioinformatics: an Algorithmic Approach to Sequence and Structure Analysis. I. Eidhammer, I. Jonassen and W.R. Taylor, John Wiley and Sons, 2004. Bioinformatics: Sequence, Structure and Databanks. D. Higgins and W. Taylor (eds.), Oxford University Press, 2000. Introduction to Bioinformatics. A.M. Lesk, Oxford University Press, 2002. Due to the rapid advancements of the field students will be exposed to contemporary research publications on relevant subjects. Τελική Εξέταση 40%, Ενδιάμεση Εξέταση 10%, Εργαστήρια Lab- Work/Homework 50%
BIO 331 Υπολογιστική και Συστηµική Βιολογία Δ Φ Ε Κ Σ ECTS 6 Έτος: 3/4 Προαπαιτούμενα: ΒΙΟ 230 Κατανόηση των αρχών σχεδιασμού και ανάπτυξης βασικών υπολογιστικά εργαλείων και μεθόδων που χρησιμοποιούνται στην υπολογιστική βιολογία και βιολογία συστημάτων. Αποτελέσματα: Οι διαλέξεις/πρακτικές ασκήσεις περιλαμβάνουν: αρχές σύγχρονων λειτουργικών συστηµάτων, αρχιτεκτονική και εφαρµογές δικτύων, διαδικτυακές βάσεις δεδοµένων και εργαλεία ανάλυσης για τη βιολογική έρευνα, εισαγωγή σε τεχνικές επίλυσης προβληµάτων σε µια υψηλού επιπέδου γλώσσα προγραµµατισµού (Perl ή Python), αρχές ποσοτικής ανάλυσης βιολογικών δεδοµένων µε χρήση του στατιστικού περιβάλλοντος R με έμφαση σε πραγματικά προβλήματα από το πεδίο της υπολογιστικής βιολογίας/βιολογίας συστημάτων. Οι υπολογιστικές προσεγγίσεις παίζουν σηµαντικό ρόλο στην κατανόηση των βιολογικών συστηµάτων. Αυτό το µάθηµα προσφέρει µια γενική εισαγωγή στις αρχές και τα υπολογιστικά εργαλεία και τις πρακτικές τους εφαρµοφές στην επίλυση πραγµατικών βιολογικών προβληµάτων. Αυτό επιτυγχάνεται µέσα από σειρά εισαγωγικών διαλέξεων και πρακτικών ασκήσεων και καλύπτει ένα ευρύ φάσµα θεµάτων, όπως: αρχές σύγχρονων λειτουργικών συστηµάτων, αρχιτεκτονική και εφαρµογές δικτύων, διαδικτυακές βάσεις δεδοµένων και εργαλεία ανάλυσης για τη βιολογική έρευνα, εισαγωγή σε τεχνικές επίλυσης προβληµάτων σε µια υψηλού επιπέδου γλώσσα προγραµµατισµού (Perl ή Python), αρχές ποσοτικής ανάλυσης βιολογικών δεδοµένων µε χρήση του στατιστικού περιβάλλοντος R.. Βιβλιογραφία: Βιοπληροφορική. Ένας Πρακτικός Οδηγός για την Ανάλυση Γονιδίων και Πρωτεϊνών (2η Έκδοση). A.D. Baxevanis and B.F.F. Ouellette (eds.), Επιστημονικές Εκδόσεις Παρισιάνου, 2004. Understanding Bioinformatics. Marketa Zvelebil and Jeremy O. Baum, Garland Science, ISBN-13:978 0 8153 4024 9 Bioinformatics and functional genomics. Jonathan Pevsner, Wiley-Liss, 2003, ISBN 0 47121 004 8. Bioinformatics: Sequence and Genome Analysis (2nd edition). D.W. Mount, Cold Spring Harbor Laboratory Press, 2004. Bioinformatics: a Practical Guide to the Analysis of Genes and Proteins (3rd edition). A.D. Baxevanis and B.F.F. Ouellette (eds.), John Wiley and Sons, 2005. Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids. R. Durbin, S. Eddy, A. Krogh and G. Mitchison, Cambridge University Press, 1998.
Αξιολόγηση: Bioinformatics: the Machine Learning Approach. P. Baldi and S. Brunak. MIT Press, 2001. Structural Bioinformatics. P.E. Bourne and H. Weissig (eds.), John Wiley and Sons, 2003. Protein Bioinformatics: an Algorithmic Approach to Sequence and Structure Analysis. I. Eidhammer, I. Jonassen and W.R. Taylor, John Wiley and Sons, 2004. Bioinformatics: Sequence, Structure and Databanks. D. Higgins and W. Taylor (eds.), Oxford University Press, 2000. Introduction to Bioinformatics. A.M. Lesk, Oxford University Press, 2002. Due to the rapid advancements of the field students will be exposed to contemporary research publications on relevant subjects. Τελική Εξέταση 40%, Ενδιάμεση Εξέταση 10%, Εργαστήρια Lab- Work/Homework 50%
BIO 670 Οπτική Απεικόνιση στη Βιολογία Δ Φ Ε Κ Σ ECTS Έτος: Μ Κορμού Επιλογής Προαπαιτούμενα: Αυτή η σειρά μαθημάτων και εργαστηριακών ασκήσεων πραγματεύεται την θεωρία και την πρακτική της οπτικής μικροσκοπίας με ιδιαίτερη έμφαση στις εφαρμογές στην βιολογία. Αποτελέσματα: Βασική θεωρία της οπτικής Οπτική μικροσκοπία, μικροσκοπία φθορισμού, ομοεστιακή μικροσκόπηση, μικροσκοπία βασισμένη στην αρχή δύο-φωτονίων Συνολική εσωτερική μικροσκόπηση αντανάκλασης Η αντίθεση στην οπτική μικροσκόπηση Μοριακή μικροσκοπία Τεχνικές για απεικόνιση ζωντανών βιολογικών δειγμάτων Βασικές αρχές ανάλυσης και επεξεργασίας εικόνας Νέες τεχνικές και τεχνολογίες στην οπτική απεικόνιση Το οπτικό μικροσκόπιο έχει υποστεί ριζικές διαφοροποιήσεις. Οι πρόσφατες ανακαλύψεις σε τομείς όπως lasers, χημεία, μοριακή βιολογία, ανιχνευτές, υπολογιστές και οπτική έχουν αναγάγει το μικροσκόπιο σε εργαλείο πρωτεύουσας σημασίας της σύγχρονης βιολογίας. Αυτά τα πολύπλοκα, πλέον, μηχανήματα αποτελούν στις μέρες μας ιδανικό εργαλείο για την αποκάλυψη της βιολογικής δομής και λειτουργίας. Το μάθημα αυτό πραγματεύεται τις αρχές και πρακτικές εφαρμογές της μοντέρνας οπτικής μικροσκοπίας. Αποτελείται από διαλέξεις, επιδείξεις, συζήτηση και εργαστηριακές ασκήσεις. Επιπρόσθετα, οι φοιτητές αναμένεται να παρουσιάσουν και να συζητήσουν στην τάξη κεντρικά ερευνητικά άρθρα. Ξεκινώντας με τη βασική θεωρία της οπτικής, το μάθημα προοδευτικά εισέρχεται σε εξειδικευμένα θέματα όπως: μικροσκοπίες εκπομπής και φθορισμού, συνεστιακής μικροσκοπίας, και τελικά πολυφωτονικής μικροσκοπίας. Ιδιαίτερη έμφαση θα δοθεί στις τεχνικές που χρησιμοποιούνται για οπτική απεικόνιση ζώντων κυττάρων καθώς και στις τεχνολογίες σήμανσης μορίων-στόχων. Η ύλη του μαθήματος αναμένεται να αναπροσαρμόζεται κάθε χρόνο ώστε να συμπεριλαμβάνει νέες προσεγγίσεις στην κυτταρική απεικόνιση και τις σχετικές τεχνικές. Η δομή του μαθήματος στοχεύει στην πρακτική κατανόηση των τεχνικών, καθώς από τη στιγμή που αυτό επιτευχθεί είναι δυνατόν να υπάρξουν εφαρμογές σε οποιοδήποτε σύστημα (κύτταρα/ιστοί) ή ερευνητικό αντικείμενο. Βιβλιογραφία: Fundamentals of light microscopy and electronic imaging / Douglas B. Murphy New York :Wiley-Liss, c2001 Advanced light microscopy / Maksymilian Pluta Warszawa :, Amsterdam, New York Elsevier Science Publishing Co., 1988-1993 Basic methods in microscopy : protocols and concepts from cells : a laboratory manual / edited by David L. Spector, Robert D. Goldman, Cold Spring Harbor Laboratory Press, c2006 http://www.microscopyu.com/
http://micro.magnet.fsu.edu/ http://www.olympusmicro.com/ Αξιολόγηση: Τελική Εξέταση 50%, Εργαστήρια 20%, Παρουσιάσεις 30%
BIO 630 Νουκλεϊνικά Οξέα Δ Φ Ε Κ Σ ECTS Έτος: Μ Κορμού Επιλογής Προαπαιτούμενα: Το μάθημα που έχει σχεδιαστεί για τις ανάγκες του μεταπτυχιακού προγράμματος στην μοριακή βιολογία, βιοτεχνολογία και μοριακή γενετική, προσφέρει μια σύγχρονη αναφορά στις μελέτες για την δομή και τις φυσικές ιδιότητες των νουκλεϊνικών οξέων δίνοντας έμφαση στην βιολογική τους λειτουργία. Αποτελέσματα: Χημική δομή του Γενετικού υλικού Μοριακός υβριδισμός νουκλεϊκών οξέων Τακτοποίηση μεταλλάξεων Βιοιατρικές εφαρμογές του RNA Τεχνολογία του Real-time PCR Αυτό το μεταπτυχιακό μάθημα του τμήματος Βιολογικών Επιστημών πραγματεύεται τη δομή και λειτουργία των νουκλεϊνικών οξέων (DNA και RNA). Το μάθημα που έχει σχεδιαστεί για τις ανάγκες του μεταπτυχιακού προγράμματος στην μοριακή βιολογία, βιοτεχνολογία και μοριακή γενετική, προσφέρει μια σύγχρονη αναφορά στις μελέτες για την δομή και τις φυσικές ιδιότητες των νουκλεϊνικών οξέων δίνοντας έμφαση στην βιολογική τους λειτουργία. Προαπαιτούμενες γνώσεις συμπεριλαμβάνουν εισαγωγικά μαθήματα στην βιοχημεία και μοριακή βιολογία. Τον κύριο άξονα του μαθήματος θα αποτελέσουν οι τεχνολογίες που χρησιμοποιούνται για την μελέτη της δομής και των ιδιοτήτων των νουκλεϊνικών οξέων καθώς επίσης και τα σύγχρονα βιοτεχνολογικά επιτεύγματα που βασίζονται στα νουκλεϊνικά οξέα. Βιβλιογραφία: Πρόσφατες μελέτες από έγκριτα επιστημονικά περιοδικά Αξιολόγηση: Μια ενδιάμεση εξέταση (30%) και τελική εξέταση (70%)
BIO 650 Ειδικά Θέματα Βιοπληροφορικής Δ Φ Ε Κ Σ ECT S Προαπαιτούμεν Έτος: Μ α: Αποτελέσματα: Στόχος αυτού του μαθήματος (μεταπτυχιακού επιπέδου) είναι, πέρα από τη χρήση λογισμικού Βιοπληροφορικής ως μαύρου κουτιού, να αποκτήσουν οι φοιτητές εις βάθος γνώση για τις αρχές στις οποίες βασίζεται. Αυτό επιτυγχάνεται μέσα από σειρά διαλέξεων, κύκλους συζητήσεων και παρουσίαση επιλεγμένων εργασιών από τους φοιτητές. Οι διαλέξεις περιλαμβάνουν ΑΝΑΛΥΣΗ ΑΚΟΛΟΥΘΙΩΝ: Εισαγωγή στις ακολουθίες βιολογικών μακρομορίων και στοιχεία Μοριακής Εξέλιξης, Ομοιότητα ακολουθιών και ομολογία, Αλγόριθμοι εύρεσης ομοιοτήτων ακολουθιών και έλεγχος σημαντικότητας (Μέθοδοι δυναμικού προγραμματισμού, Στοχαστικά μοντέλα σύγκρισης ακολουθιών, Στοιχίσεις κατά ζεύγη, Ευριστικές μέθοδοι αναζήτησης σε μεγάλες βάσεις δεδομένων, Συστήματα βαθμονόμησης, Πολλαπλές στοιχίσεις ακολουθιών, Μέθοδοι εύρεσης απομακρυσμένων ομολόγων), Χαρακτηρισμός, ανακάλυψη και αναζήτηση μοτίβων αλληλουχιών, Μελέτη επαναλήψεων και περιοχών με ακραία σύσταση ΑΝΑΛΥΣΗ ΠΡΩΤΕΙΝΙΚΩΝ ΔΟΜΩΝ: Αρχιτεκτονική της τρισδιάστατης δομής πρωτεϊνών, Σύγκριση και κατηγοριοποίηση πρωτεϊνικών δομών, Πρόγνωση δομής πρωτεϊνών, Από την πρωτεϊνική δομή στη λειτουργία ΕΙΔΙΚΑ ΘΕΜΑΤΑ: Δίκτυα Γονιδίων/Πρωτεϊνών, Πρόβλεψη (φυσικών) αλληλεπιδράσεων πρωτεΐνης-πρωτεΐνης, Αρχές Υπολογιστικών Τεχνικών για την πρόγνωση δομικών/λειτουργικών χαρακτηριστικών πρωτεϊνών/γονιδίων [Μέθοδοι Ομαδοποίησης (Clustering), Τεχνητά Νευρωνικά Δίκτυα, Markov Chain και Hidden Markov Models, Support Vector Machines] Αυτή η σειρά μαθημάτων εξετάζει σε βάθος βιοπληροφορικές μεθοδολογίες και αλγορίθμους, που χρησιμοποιούνται σε μεγάλη κλίμακα στην έρευνα σε τομείς, όπως Μοριακή Βιολογία, Γενετική και Γονιδιωματική. Βιβλιογραφία: Computational Molecular Biology An algorithmic approach. P.A. Pevzner, MIT Press, 2000. Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids. R. Durbin, S. Eddy, A. Krogh and G. Mitchison, Cambridge University Press, 1998. Bioinformatics: the Machine Learning Approach. P. Baldi and S. Brunak. MIT Press, 2001. An Introduction to Bioinformatics Algorithms. NC Jones and P.A Pevzner, MIT Press, 2004. Structural Bioinformatics. P.E. Bourne and H. Weissig (eds.), John Wiley and Sons, 2003. Protein Bioinformatics: an Algorithmic Approach to Sequence and Structure Analysis. I. Eidhammer, I. Jonassen and W.R. Taylor, John Wiley and Sons, 2004. Βιοπληροφορική. Ένας Πρακτικός Οδηγός για την Ανάλυση Γονιδίων και Πρωτεϊνών (2η Έκδοση). A.D. Baxevanis and B.F.F.
Ouellette (eds.), Επιστημονικές Εκδόσεις Παρισιάνου, 2004. Bioinformatics: Sequence and Genome Analysis (2nd edition). D.W. Mount, Cold Spring Harbor Laboratory Press, 2004. Bioinformatics: a Practical Guide to the Analysis of Genes and Proteins (3rd edition). A.D. Baxevanis and B.F.F. Ouellette (eds.), John Wiley and Sons, 2005. Bioinformatics: Sequence, Structure and Databanks. D. Higgins and W. Taylor (eds.), Oxford University Press, 2000. Introduction to Bioinformatics. A.M. Lesk, Oxford University Press, 2002. Bioinformatics, Biocomputing and Perl: an Introduction to Bioinformatics Computing Skills and Practice. M. Moorehouse and P. Barry, John Wiley and Sons, 2004. Due to the rapid advancements of the field students will be exposed to contemporary research publications on relevant subjects. Αξιολόγηση: Τελική Εξέταση 50%, Κατ' οίκον εργασίες και σεμινάρια 50%
Τμήμα Πληροφορικής ΕΠΛ 341 Τεχνητή Νοημοσύνη Δ Φ Ε Κ Σ ECTS 7.5 Έτος: 3/4 Προαπαιτούμενα: Η Τεχνητή Νοημοσύνη (ΤΝ) καλύπτει ένα ευρύ φάσμα περιοχών το οποίο της δίνει διεπιστημονικό χαρακτήρα. Η τεχνολογία των έμπειρων συστημάτων αποτελεί σημαντικό κομμάτι του εφαρμοσμένου μέρους της ΤΝ. Οι κύριοι στόχοι του μαθήματος είνι να εισάγει τους φοιτητές: (α) στους κεντρικούς τομείς της ΤΝ, οι οποίοι άπτονται του πεδίου της τεχνολογίας των έμπειρων συστημάτων, συγκεκριμένα τους τομείς της επίλυσης προβλημάτων μέσω ευρετικής αναζήτησης και της αναπαράστασης γνώσης και (β) στην τεχνολογία των έμπειρων συστημάτων, εστιάζοντας στις αρχιτεκτονικές πρώτης και δεύτερης γενεάς και τις μεθοδολογίες τεχνολογίας γνώσης. Αποτελέσματα: Κατανόηση και εφαρμογή των βασικών αλγορίθμων τεχνητής νοημοσύνης. Μέθοδοι επίλυσης προβλημάτων στην Τεχνητή Νοημοσύνη. Φορμαλισμοί Αναπαράστασης Γνώσης (κατηγορηματική λογική, δίκτυα συσχέτισης, πλαίσια, κανόνες παραγωγής). Τεχνολογία Έμπειρων Συστημάτων, Αρχιτεκτονικές Έμπειρων Συστημάτων Πρώτης και Δεύτερης Γενεάς, Τεχνολογία Γνώσης, Ευφυείς Πράκτορες, Συστημάτα Πολλαπλών Πρακτόρων. Βιβλιογραφία: S. Russel και P. Norviq, Artificial Intelligence: A Modern Approach, 2 nd Edition, Prentice Hall, 2002. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου, - "Τεχνητή Νοημοσύνη", Εκδόσεις Πανεπιστημίου Μακεδονίας, Γ Έκδοση, 2011. Αξιολόγηση: Ε. Κεραυνού, Τεχνητή Νοημοσύνη και Έμπειρα Συστήματα, Ελληνικό Ανοικτό Πανεπιστήμιο, 2000. Τελική εξέταση, εξέταση ημιεξαμήνου, ασκήσεις\μελέτες.
ΕΠΛ 435 Αλληλεπίδραση Ανθρώπου- Υπολογιστή Δ Φ Ε Κ Σ ECT S Έτος: 4 Κορμού Επιλογής Προαπαιτούμενα: Αποτελέσματα: Βιβλιογραφία: Αξιολόγηση: O κύριος στόχος του μαθήματος είναι η εισαγωγή στις βασικές έννοιες, τις μεθόδους, τους κανόνες, τις αρχές σχεδιασμού και μεθόδους αξιολόγησης της περιοχής Αλληλεπίδρασης Ανθρώπου Υπολογιστή για τη σωστή και ποιοτική ανάπτυξη Διαδραστικών Συστημάτων. Κατανόηση και αξιοποίηση κανόνων και αρχών σχεδιασμού της Αλληλεπίδρασης Ανθρώπου Υπολογιστή Το πεδίο της Αλληλεπίδρασης Ανθρώπου Υπολογιστή (ΑΑΥ) εξετάζει το σχεδιασμό, την ανάπτυξη και αξιολόγηση Διαδραστικών Συστημάτων (Interactive Systems), λαμβάνοντας υπόψη τους χρήστες και τον σκοπό για τον οποίο προορίζονται. Επίσης το μάθημα μελετά παραδείγματα Διαδραστικών Συστημάτων, ψυχολογικές/φυσιολογικές ιδιότητες του ανθρώπου και χαρακτηριστικά των ΗΥ και πώς όλα αυτά επηρεάζουν την ΑΑΥ. Νικόλαος Αβούρης, Εισαγωγή στην επικοινωνία ανθρώπου-υπολογιστή, Εκδόσεις ΔΙΑΥΛΟΣ, Αθήνα 2000 ISBN : 960-531-098-8 Alan Dix, Janet Finlay, Gregory Abowd, Russell Beale, Human-Computer Interaction, Prentice Hall, Third Edition, 2003. Τελική εξέταση, εξέταση ημιεξαμήνου, ασκήσεις\μελέτες.
ΕΠΛ 444 Έτος: 4 Συστήματα Υπολογιστικής Νοημοσύνης Προαπαιτούμενα: Δ Φ Ε Κ Σ ECTS Αποτελέσματα: Σφαιρική επισκόπηση της Υπολογιστικής Νοημοσύνης και των εφαρμογών της στην επίλυση πραγματικών προβλημάτων σε ποικίλους τομείς, όπως, π.χ. υποστήριξη λήψης αποφάσεων, κατάταξη, πρόγνωση, βελτιστοποίηση συστημάτων και δημιουργικός σχεδιασμός. Επίσης θα γίνει μια εισαγωγή στην υπολογιστική νευροεπιστήμη /νευροπληροφορική καθώς και στην γνωστική επιστήμη. Παράλληλα με τη διδασκαλία των πιο πάνω θεμάτων θα γίνονται και εργαστηριακές συναντήσεις για να αναπτυχθούν και να υλοποιηθούν συστήματα υπολογιστικής νοημοσύνης. Οι εφαρμογές στοχεύουν στην εμπέδωση των θεωρητικών θεμάτων που θα εξεταστούν. Γενετικοί Αλγόριθμοι Εξελικτικός Υπολογισμός Ασαφή Συστήματα Τεχνητή Ζωή Προχωρημένα νευρωνικά δίκτυα όπως Μηχανές Υποστήριξης Διανυσμάτων (Support Vector Machines) και αλγόριθμοι Conjugate Gradient Eισαγωγή στην Υπολογιστική Νευροεπιστήμη/Νευροπληροφορική βασική νευροβιολογία: από τον εγκέφαλο σε μονούς νευρώνες βιοφυσική μονών νευρώνων συνάψεις δενδρίτες και άξονες Μοντέλα νευρώνων βασισμένα σε διαγωγιμότητα (conductancebased neuron models): παραγωγή δυναμικών ενεργείας (action potentials) και οι εξισώσεις Hodgkin και Huxley Μοντέλα νευρώνων καρφοειδούς (spiking) εκτόξευσης σημάτων και μεταβλητότητα απόκρισης (response variability): μοντέλα νευρώνων τύπου leaky integrator και integrate-and-fire, μεταβλητότητα χρόνου εξαπόλυσης καρφοειδών σημάτων (spike time variability). Κατανόηση νευρωνικού κώδικα (δηλ. πώς ο εγκέφαλος κωδικοποιεί /αποκωδικοποιεί και μεταδίδει πληροφορίες Μάθηση Hebbian και συναπτική πλαστικότητα (δηλ. την εκμάθηση σε συναπτικό επίπεδο) Εισαγωγή στην Γνωστική Επιστήμη: παράδειγμα μοντελοποίησης συμπεριφοράς αυτοελέγχου Ανάπτυξη και Υλοποίηση Συστημάτων Υπολογιστικής Νοημοσύνης.
Βιβλιογραφία: Δεν υπάρχει ένα βιβλίο το οποίο να καλύπτει όλη την ύλη που αναμένεται να διδαχθεί στο μάθημα. Θα χρησιμοποιηθούν αποσπάσματα από τα πιο κάτω βιβλία: Russell C. Eberhart and Yuhui Shi, Computational Intelligence: Concepts to Implementations, Elsevier, 2007 A. P. Engelbrecht, Computational Intelligence: An Introduction, John Wiley and Sons, 2nd edition 2007. F. O. Karray and C. de Silva, Soft Computing and Intelligent Systems Design: Theory, Tools and Applications, Essex: Addison Wesley, 2004 (ISBN 032111617) Theoretical Neuroscience: Computational and Mathematical Modelling of Neural Systems, P. Dayan and L. Abbott, MIT Press, 2001. S. Haykin, Neural Networks: A Comprehensive Foundation, (2 nd Edition), Englewood Cliffs, N.J.: Prentice Hall, 1999 (ISBN 0132733501). C.M. Bishop, Neural Networks for Pattern Recognition, Oxford: Oxford University Press, 1995 (ISBN 0198538642 pbk). Schalkoff, Robert J., Artificial Neural Networks, London: McGraw-Hill, 1997 (ISBN 007057118x; ISBN: 0071155546 pbk). Ham E. M. and Kostanic, I., Principles of Neurocomputing for Science and Engineering, New York: McGrawHill, 2001 (ISBN 0070259666). Σημειώσεις, Ερευνητικά άρθρα. Internet Books/Resources Available Free Υπολογιστική Νοημοσύνη ΙΙ, Σ. Δ. Λυκοθανάση και Γ. Δ. Μπεληγιάννη: http://prlab.ceid.upatras.gr/courses/simeiwseis/yp2/page1. htm Αξιολόγηση: Ατομική εργασία και εργαστήριο 30% Εξέταση ημιεξαμήνου 20% Τελική εξέταση εξαμήνου 50%
ΕΠΛ 445 Ψηφιακή Επεξεργασία Εικόνας Δ Φ Ε Κ Σ ECTS 3 1 5 7 Έτος: 4 Προαπαιτούμενα: ΕΠΛ132, ΜΑΣ121 Το μάθημα στοχεύει να διδάξει τις βασικές αρχές ψηφιακής επεξεργασίας εικόνας: αναπαράσταση, δυαδική επεξεργασία εικόνας, δειγματοληψία, δισδιάστατοι μετασχημασμοί, βελτίωση ποιότητας, αποκατάσταση, κωδικοποίηση και συμπίεση. Εισαγωγή στην ψηφιακή ανάλυση εικόνας και βίντεο. Ανάλυση και υλοποίηση αλγορίθμων επεξεργασίας και ανάλυσης εικόνας και βίντεο με εφαρμογές σε βιομηχανικά και βιοϊατρικά συστήματα. Αποτελέσματα: Ανάλυση, σχεδίαση και υλοποίηση αλγορίθμων και ψηφιακής επεξεργασίας εικόνας και βίντεο. Ανάπτυξη συστημάτων εικόνας και βίντεο για βιομηχανικές και βιοιατρικές εφαρμογές. Εισαγωγή Μαθήματος. Δυαδική Επεξεργασία Εικόνων. Ιστόγραμμα Εικόνας και Λειτουργίες Σημείου. Διακριτός Μετασχηματισμός Fourier. Γραμμικό Φιλτράρισμα Εικόνων. Μη Γραμμικό Φιλτράρισμα Εικόνων. Συμπίεση Εικόνας. Ανάλυση Εικόνας Ι. Ανάλυση Εικόνας ΙΙ. Ψηφιακή Επεξεργασία Βίντεο. Βιβλιογραφία: R. C. Gonzalez and R. E. Woods, Digital Image Processing, 3rd edition, Pearson Prentice Hall, 2008. R. C. Gonzalez, R. E. Woods and Edding, Digital Image Processing Using MATLAB, Prentice Hall, 2004. Αξιολόγηση: Τελική εξέταση, εξέταση ημιεξαμήνου, εργαστηριακές ασκήσεις/επιπρόσθετες ασκήσεις, τελική μελέτη.
ΕΠΛ 604 Τεχνητή Νοημοσύνη Δ Φ Ε Κ Σ ECTS 8 Έτος: Μ Προαπαιτούμενα: Αποτελέσματα: Σκοπός αυτού του Μαθήματος είναι να εισαγάγει τις θεμελιώδεις αρχές και τεχνικές που υποστηρίζουν και διέπουν την λειτουργία συστημάτων λογισμικού τα οποία μπορούν να επιδείξουν κάποιας μορφής "νοημοσύνη". Μετά την ολοκλήρωση του μαθήματος οι φοιτητές θα γνωρίζουν ποιά είναι η σύγχρονη αντίληψη για την Υπολογιστική ή Τεχνητή Νοημοσύνη ποιά είναι τα κύρια προβλήματα που αυτή εξετάζει και ποιές είναι οι βασικές μέθοδοι που χρησιμοποιούνται για την επίλυση τους. Εισαγωγή στην Τεχνητή Νοημοσύνη. Ευφυείς Διεκπεραιωτές. Αναζήτηση. Ικανοποίηση Περιορισμών. Αναπαράσταση γνώσης και εξαγωγή συμπερασμάτων. Προγραμματισμός Δράσης. Αναπαράσταση χρόνου/αλλαγής. Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. Μονοεπίπεδα και Πολυεπίπεδα perceptrons και εφαρμογές. Δίκτυα με συναρτήσεις Αξονικών Βάσεων (Radial-basis Function Networks). Χάρτες Αυτοργάνωσης. Νευρωνικά Δίκτυα τύπου Hopfield και Μηχανές Boltzmann, Ενισχυτική Μάθηση (Reinforcement Learning). Χρόνος στα Νευρωνικά Δίκτυα. Βιβλιογραφία: 1. Stuart Russell \& Peter Norvig, Artificial Intelligence: A Modern Approach. 2. Simon Haykin, Neural Networks, Second Edition, Prentice Hall, 1999. Αξιολόγηση: Ο τελικός βαθμός καθορίζεται ως εξής: Εργασίες 25\% (Η παράδοση {\em όλων} των εργασιών είναι υποχρεωτική). Ενδιάμεση Εξέταση 25% Τελική Εξέταση 50% Η παρακολούθηση του μαθήματος θεωρείται επιτυχής εάν ο τελικός βαθμός είναι μεγαλύτερος ή ίσος απο 5, ο μέσος όρος ενδιάμεσης και τελικής εξέτασης πάνω από 40%.
ΕΠΛ 607 Γραφικός και Εικονικός Υπολογισμός Δ Φ Ε Κ Σ ECTS 8 Έτος: Μ Προαπαιτούμενα: Το μάθημα στοχεύει να διδάξει τις βασικές αρχές της ψηφιακής επεξεργασίας εικόνας, της μηχανικής όρασης και γραφικών υπολογιστών. Οι τρεις αυτοί τομείς συναντώνται σε πληθώρα πρόσφατων εφαρμογών λόγω των ραγδαίων πρόσφατων εξελίξεων στην τεχνολογία υλικού και τους σχετικούς αλγόριθμους. Έμφαση θα δοθεί σε βιομηχανικές και βιο-ιατρικές εφαρμογές, καθώς επίσης σε εφαρμογές εικονικής πραγματικότητας. Αποτελέσματα: Ανάπτυξη συστημάτων που να βασίζονται στις τεχνολογίες του γραφικού και εικονικού προγραμματισμού. Δυαδική επεξεργασία εικόνων, ιστόγραμμα εικόνας, διακριτός μετασχηματισμός fourier, γραμμικό και μη γραμμικό φιλτράρισμα εικόνων, συμπίεση εικόνας, ανάλυση εικόνας, ψηφιακή επεξεργασία βίντεο. Βασικές αρχές 3Δ γραφικών: αναπαράσταση αντικειμένων με πολυγωνική μορφή, μετασχηματισμοί, τοπικό και γενικό σύστημα συντεταγμένων, γράφημα σκηνής, ορισμός κάμερας και οπτικού πεδίου, προοπτική και ορθογραφική προβολή, αποκοπή στις δύο και τρείς διαστάσεις, σάρωση πολυγώνων, απόκρυψη πίσω επιφανειών, απόκρυψη επιφανειών με τις μεθόδους Z-byffer και Binary Space Partitioning Trees, τοπικός φωτισμός με τις μεθόδους flat, Phong & Gouraud shading, δημιουργία εικόνων σε πραγματικό χρόνο, εφαρμογές. Βιβλιογραφία: 1. A. Watt και F. Policarpo, The Computer Image, Addison Wesley, 1998. 2. R. C. Gonzalez και R. E. Woods, Digital Image Processing, Third Edition, Addison Wesley, 2008. 3. M.Slater, A. Steed και Y. Chrysanthou, Computer Graphics and Virtual Environments: From Realism to Real-Time, Addison-Wesley, 2001. Αξιολόγηση: Τελική Εξέταση 40%, Ενδιάμεση Εξέταση 20%, Ασκήσεις και Μελέτη 40%.
ΕΠΛ 667 Νευρο-υπολογιστική Επιστήμη Δ Φ Ε Κ Σ ECTS 8 Έτος: Μ Προαπαιτούμενα: Εισαγωγή στην Νευροπληροφορική και βασική νευροβιολογία. Αποτελέσματα: Εισαγωγή στην Νευροπληροφορική βασική νευροβιολογία: από τον εγκέφαλο σε μονούς νευρώνες βιοφυσική μονών νευρώνων συνάψεις δενδρίτες και άξονες Μοντέλα νευρώνων βασισμένα σε διαγωγιμότητα (conductancebased neuron models): παραγωγή δυναμικών δράσης (action potentials) και οι εξισώσεις Hodgkin και Huxley Δέντρα δεντριτών, διάδοση δυναμικών δράσης, θεωρία καλωδίων, μοντέλα με χωρίσματα (compartmental models) Μοντέλα νευρώνων καρφοειδούς (spiking) εκτόξευσης σημάτων και μεταβλητότητα απόκρισης (response variability): μοντέλα νευρώνων τύπου leaky integrator και integrate-and-fire, μεταβλητότητα χρόνου εξαπόλυσης καρφοειδών σημάτων (spike time variability) Τρέχοντα θέματα στην νευροπληροφορική συμπεριλαμβανομένων: (α) της κατανόησης του ευρωνικού κώδικα (δηλ. πώς ο εγκέφαλος κωδικοποιεί/αποκωδικοποιεί και μεταδίδει πληροφορίες) και (β) της συναπτικής πλαστικότητας (synaptic plasticity) (δηλ. την εκμάθηση σε συναπτικό επίπεδο). Μοντελοποίηση του εγκεφάλου από κάτω προς τα πάνω και από πάνω προς τα κάτω: μοντελοποίηση συμπεριφοράς αυτοελέγχου σαν ένα παράδειγμα μοντελοποίησης από πάνω προς τα κάτω. Μοντελοποίηση συνείδησης/συναίσθησης (consciousness): το πρόβλημα και εισαγωγή στις τρέχοντες μεθόδους προσέγγισης του θέματος Εφαρμογές Νευροπληροφορικής (π.χ. στην Ιατρική): Νευροπληροφορική σε αντιπαράθεση με την Βιοπληροφορική (Bioinformatics) απλή εισαγωγή στην Βιοπληροφορική εφαρμογές (π.χ. πρόβλεψη δομών πρωτεϊνών ανώτερης τάξης). Η Νευροπληροφορική ή αλλιώς Υπολογιστική Νευροεπιστήμη (Computational Neuroscience) είναι ένα αναδυόμενο και δυναμικά αναπτυσσόμενο θέμα και ερευνητικό αντικείμενο που σκοπό έχει να διασαφηνίσει τις αρχές επεξεργασίας πληροφοριών από το νευρικό σύστημα του εγκεφάλου καθώς επίσης να χρησιμοποιήσει τεχνολογία πληροφορικής για επεξεργασία νευροεπιστημονικών πειραματικών δεδομένων. Το μάθημα στοχεύει να αναπτύξει και να εφαρμόσει υπολογιστικές μεθόδους για την μελέτη του εγκεφάλου και συμπεριφοράς καθώς και της κατανόησης της δομής του συνειδητού μυαλού. Βιβλιογραφία: Fundamentals of Computational Neuroscience. T. Tappenberg, Oxford University Press, 2002. Theoretical Neuroscience: Computational and Mathematical Modelling of Neural Systems, P. Dayan and L. Abbott, MIT Press, 2001. Biophysics of Computation: Information Processing in Single
Αξιολόγηση: Neurons. C. Koch, Oxford University Press, 1998. Methods in Neuronal Modelling: From Synapses to Networks. C. Koch and I. Segev (eds.), MIT Press, 1998. Spikes: Exploring the Neural Code. F. Rieke, D. Warland, R. de Ruyter van Stevenick and W. Bialek, MIT Press, 1999. Neural Codes and Distributed Representations: Foundations of Neural Computation. L. Abbott and T. Sejnowski (eds.), MIT Press, 1999. Spiking Neuron Models: Single Neurons, Populations and Plasticity, W. Gerstner and * W. M Kistler, Cambridge University Press, 2002 Spikes, Decisions and Actions, H. Wilson, Oxford University Press, 1999. Θα δίνονται επίσης ερευνητικά άρθρα στους φοιτητές σχετικά με το θέμα. Τελική Εξέταση 50%, Ενδιάμεση Εξέταση 20%, Εργαστήριο/Μελέτη 30%
ΕΠΛ 668 Υπολογιστική Όραση Δ Φ Ε Κ Σ ECTS 8 Έτος: Μ Προαπαιτούμενα: Το μάθημα θα καλύψει τα κύρια θέματα και έννοιες που αφορούν το αντικείμενο της Μηχανικής Όρασης. Βασικός στόχος του μαθήματος είναι η κατανόηση των θεμελιωδών προβλημάτων της μηχανικής όρασης και των μεθοδολογιών που χρησιμοποιούνται για την επίλυση υπολογιστικών προβλημάτων με τη χρήση μαθηματικών μοντέλων και υπολογιστικών αλγόριθμων που αφορούν τη μηχανική όραση. Αποτελέσματα: Ανάλυση, σχεδίαση και υλοποίηση αλγορίθμων υπολογιστικής όρασης. Ανάπτυξη συστημάτων υπολογιστικής όρασης για βιομηχανικές και βιοιατρικές εφαρμογές. Βιβλιογραφία: Βασικές έννοιες και μεθοδολογίες που αφορούν το αντικείμενο της Υπολογιστικής Όρασης. Σχηματισμός εικόνας, επεξεργασία εικόνας, ανίχνευση χαρακτηριστικών, κατάτμηση εικόνων και ομαδοποίηση χαρακτηριστικών, επεξεργασία πολλαπλών εικόνων, μελέτη εφαρμογών. D. Forsyth και J. Ponce, Computer Vision: A Modern Approach, Prentice-Hall, 2003.
ΕΠΛ 679 Ηλεκτρονική Υγεία Δ Φ Ε Κ Σ ECTS 8 Έτος: Μ Προαπαιτούμενα: Αποτελέσματα: Βιβλιογραφία: Αξιολόγηση: Η εισαγωγή των φοιτητών στις δυνατότητες που παρέχουν οι τεχνολογίες πληροφορικής στην ιατρική και κλινική πράξη κυρίως μέσα από τη μοντελοποίησης της ιατρικής πρακτικής, των διαδικασιών και της γνώσης, από τους τρόπους διαχείρισης, προτυποποίησης, και παρουσίασης της πληροφορίας. Μέθοδοι για την αξιοποίηση της πληροφορικής για την εξόρυξη ιατρικών πληροφοριών και δεδομένων από βάσεις γνώσης, δεδομένων και ιατρικών πληροφοριών. Εφαρμογές συστημάτων πληροφορικής που χρησιμοποιούνται σήμερα για την διακίνηση της ιατρικής γνώσης, την διαχείριση της ιατρικής πληροφορίας, την χρήση ηλεκτρονικού φακέλου για τους ασθενείς και την στήριξη της ιατρικής απόφασης. 1. Handbook of Medical Informatics, J. H. van Bemmel και M. Musen, Edts, Springer, 1997. 2. E. H. Shortliffe (Editor), L. M. Fagan, G. Wiederhold και L. E. Perreault Medical Informatics: Computer Applications in Health Care and Biomedicine, Publisher: Springer Verlag; 2nd edition (November 2000). 3. Information Technology for the health professionals, L Burke, B. Weill, Prentice Hall, 2000. Γραπτές εξετάσεις (ενδιάμεση και τελική), εκπόνηση εργασιών (μελέτες ή/και εργαστηριακές ασκήσεις).
Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών ΗΜΥ 421 Ευφυή Συστήματα Δ Φ Ε Κ Σ ECTS 3 1 5 6 Έτος: 4 Προαπαιτούμενα: Φοιτητές 4ου Έτους Παροχή γνώσης και κατανόησης των τεχνικών βελτιστοποίησης και εκμάθηση αλγορίθμων. Αποτελέσματα: Κατάδειξη γνώσης και κατανόησης των μεθόδων βελτιστοποίησης και εργαλείων επίλυσης. Κατάδειξη κατανόησης των αλγορίθμων εκμάθησης. Δυνατότητα διατύπωσης και επίλυσης προβλημάτων βελτιστοποίησης. Εισαγωγή στις μεθόδους και τα εργαλεία σχεδιασμού, ανάλυσης, βελτιστοποίησης και ελέγχου βιομηχανικών συστημάτων. Τα θέματα περιλαμβάνουν νευρωνικά δίκτυα και τις εφαρμογές τους στη μοντελοποίηση πολύπλοκων συστημάτων, ασαφή λογική, μεθόδους συνδυασμού πληροφοριών, και βελτιστοποίηση. Χρήση του λογισμικού MATLAB. Μέθοδοι βελτιστοποίησης: μέθοδοι κλίσης, γραμμικός προγραμματισμός, προβλήματα με περιορισμούς και μέθοδος Lagrange, ευρετικές μέθοδοι, ταξινομημένη βελτιστοποίηση, γενετικοί αλγόριθμοι, εφαρμογές. Νευρωνικά δίκτυα: Βασικές έννοιες, αλγόριθμος backpropagation, ανταγωνιστική μάθηση, δίκτυα ομαδοποιημένων δεδομένων, εφαρμογές σε ιεραρχικά μοντέλα για πολύπλοκα συστήματα, παραδείγματα εφαρμογών. Μέθοδοι απεικόνισης γνώσης. Βιβλιογραφία: C. Bishop, Neural Networks for Pattern Recognition, Oxford University Press, 1996. Αξιολόγηση: L.X. Wang, A Course in Fuzzy Systems and Control. M. Mitchell, An Introduction to Genetic Algorithms,. Δύο ενδιάμεσες και μια τελική εξέταση. Εργασία σχεδιασμού.
ΗΜΥ 425 Ρομποτική Δ Φ Ε Κ Σ ECTS 3 2 4 6 Έτος: 4 Προαπαιτούμενα: Φοιτητές 4ου Έτους Εισαγωγή στα ρομποτικά συστήματα. Αποτελέσματα: Κατανόηση βασικών εννοιών της ρομποτικής, εξοικείωση με τη σχετική ορολογία και διάφορες πρακτικές εφαρμογές της. Βιβλιογραφία: Αξιολόγηση: Εξοικείωση με τις μεθοδολογίες κινηματικής και δυναμικής ανάλυσης, και τον αυτόματο έλεγχο ρομποτικών συστημάτων. Δυνατότητα ανάλυσης και σχεδιασμού ρομποτικών συστημάτων. Εισαγωγή στις αρχές της ρομποτικής και γνωριμία με τις διάφορες κατηγορίες ρομποτικών συστημάτων και των πρακτικών εφαρμογών τους. Επίκεντρο του μαθήματος αποτελούν οι αρθρωτοί ρομποτικοί βραχίονες και καλύπτονται θέματα κινηματικής ανάλυσης (ευθύ και αντίστροφο κινηματικό πρόβλημα, διαφορική κινηματική), δυναμικής ανάλυσης, μοντελοποίησης και δυναμικής προσομοίωσης, σχεδίασης τροχιάς, συστήματα αυτομάτου ελέγχου, αισθητήρες και ενεργοποιητές, καθώς επίσης θέματα ασφαλούς λειτουργίας. J.J. Craig, Introduction to Robotics: Mechanics and Control, Prentice Hall, 2004. Μια ενδιάμεση και μια τελική εξέταση. Κατ οίκον εργασίες.
ΗΜΥ 428 Εργαστήριο Συστημάτων Ελέγχου Δ Φ Ε Κ Σ ECTS 3 3 3 6 Κορμού Έτος: 4 Επιλογής Προαπαιτούμενα: ΗΜΥ 422, ΗΜΥ 423 Σχεδιασμός και υλοποίηση συστημάτων αυτομάτου ελέγχου. Αποτελέσματα: Δυνατότητα μαθηματικής ανάλυσης δυναμικών συστημάτων μηχανικής, μοντελοποίησης και χρήσης εργαλείων δυναμικής προσομοίωσης. Βιβλιογραφία: Αξιολόγηση: Εξοικείωση με το σχεδιασμό συστημάτων αυτομάτου ελέγχου με ανάδραση. Δυνατότητα υλοποίησης συστημάτων αυτομάτου ελέγχου και αξιολόγησης της λειτουργικής τους απόδοσης. Δυνατότητα εργασίας σε ομάδες και αποτελεσματική επικοινωνία με άλλους. Προσομοίωση και πειραματική μελέτη της δυναμικής και του αυτομάτου ελέγχου συστημάτων μηχανικής. Οι εργαστηριακές ασκήσεις καλύπτουν θέματα δυναμικής ανάλυσης, μοντελοποίησης και προσομοίωσης συστημάτων, γραμμικοποίηση δυναμικών μοντέλων, πειραματική αναγνώριση συστήματος, καθώς επίσης σχεδιασμό και υλοποίηση συστημάτων αυτομάτου ελέγχου κλειστού βρόχου. Γίνεται επίσης αξιολόγηση της λειτουργικής απόδοσης των συστημάτων και μελέτη της επίδρασης της αβεβαιότητας του μοντέλου, της ύπαρξης θορύβου και άλλων εξωτερικών διαταραχών στη συμπεριφορά του ελεγχόμενου συστήματος. Εγχειρίδια εργαστηρίου. Αναφορές πειραμάτων και εργασία σχεδιασμού.
ΗΜΥ 429 Έτος: 4 Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Κορμού Επιλογής Προαπαιτούμενα: ΗΜΥ 320 Δ Φ Ε Κ Σ ECTS 3 1 5 6 Παροχή γνώσης και κατανόησης εργαλείων ανάλυσης για την επεξεργασία ψηφιακού σήματος. Αποτελέσματα: Κατάδειξη γνώσης και κατανόησης αναπαραστάσεων και εργαλείων ανάλυσης σημάτων διακριτού χρόνου. Δυνατότητα να αναλυθούν σήματα διακριτού χρόνου χρησιμοποιώντας τον μετασχηματισμό Ζ, διακριτό μετασχηματισμό Fourier (DFT), γρήγορος μετασχηματισμό Fourier (FFT). Δυνατότητα να σχεδιαστούν ψηφιακά φίλτρα που χρησιμοποιούν την άπειρης ώθησης απόκριση (IIR) και την πεπερασμένης ώθησης απόκριση(fir). Δυνατότητα να χρησιμοποιηθούν τα εργαλεία λογισμικού DSP. Σήματα και συστήματα διακριτού χρόνου. Τεχνικές ανάλυσης μετασχηματισμού Fourier και μετασχηματισμού Z, διακριτός μετασχηματισμός Fourier. Σχεδιασμός φίλτρων FIR και IIR, δομές φίλτρων. Τεχνικές FFT για συνέλιξη μεγάλης ταχύτητας. Επιπτώσεις κβάντωσης. Βιβλιογραφία: A.V. Oppenheim and R.W. Schafer, Discrete-Time Signal Processing, Prentice Hall. Αξιολόγηση: J. Proakis and D. Manolkis, Digital Signal Processing, Prentice Hall. Δύο ενδιάμεσες και μια τελική εξέταση. Εργασία σχεδιασμού.
ΗΜΥ 434 Εισαγωγή στη Φωτονική I T L H P ECTS 3 1 5 6 Έτος: 4 Προαπαιτούμενα: ΗΜΥ 333 Αποτελέσματα: Παροχή μιας εισαγωγής στις βασικές αρχές της φωτονικής, της οπτοηλεκτρονικής και της οπτικών ινών. Κατάδειξη γνώσης και κατανόησης των βασικών αρχών της οπτοηλεκτρονικής, φωτονικής και των οπτικών ινών. Δυνατότητα να εφαρμοστούν οι βασικές αρχές στο σχεδιασμό των οπτικών συστημάτων. Κάλυψη των αρχικών συστατικών ενός οπτικού συστήματος ινών, δηλαδή, οπτικές ίνες, πομποί (λέιζερ ημιαγωγών και διόδους εκπομπής φωτός), και φωτοανιχνευτές. Επίσης, παροχή μιας επισκόπησης των χαρακτηριστικών και της ελλοχεύουσας φυσικής των καθοδηγημένων συσκευών κυμάτων και των οπτικοηλεκτρονικών ολοκληρωμένων κυκλωμάτων. Βιβλιογραφία: K Lizuga, Elements of Photonics. Αξιολόγηση: B. Saleh, Fundamentals of Photonics. Δύο ενδιάμεσες και μια τελική εξέταση. Κατ οίκον εργασίες και εργασία σχεδιασμού.
ΗΜΥ 435 Εργαστήριο Οπτικής και Φωτονικής Δ Φ Ε Κ Σ ECTS 2 3 3 6 Έτος: 4 Προαπαιτούμενα: ΗΜΥ 433, ΗΜΥ 434 Σχεδιασμός και υλοποίηση οπτικών συστημάτων. Αποτελέσματα: Δυνατότητα να χρησιμοποιηθεί ο εργαστηριακός εξοπλισμός. Δυνατότητα να χρησιμοποιηθούν τα πειράματα για έλεγχο των οπτικών μοντέλων. Δυνατότητα να σχεδιαστεί, να υλοποιηθεί, να εξεταστεί ένα οπτικό σύστημα και να ανιχνευθούν λάθη. Δυνατότητα εργασίας σε ομάδες και αποτελεσματικής επικοινωνίας με άλλους. Εργαστηριακές εργασίες που διευκρινίζουν έννοιες της τεχνολογίας οπτικών συστημάτων και της φωτονικής. Θέματα: Νόμοι γεωμετρικής οπτικής, εξίσωση λεπτών φακών, λέιζερ και συνοχή, κλασσικοί μετρητές παρεμβολής (interferometers), παρεμβολή διάθλασης μονών και διπλών σχισμών, πόλωση φωτός, οπτικοακουστική και μαγνητο-οπτική επίδραση, θεωρία Abbe, δοκιμή οπτικών συστατικών, διαχείριση ινών, αριθμητικά ανοίγματα, εξασθένηση ινών. Οπτικές ίνες απλής κατάστασης. Βιβλιογραφία: W.J. Smith, Modern Optical Engineering, McGraw Hill, 2000. Αξιολόγηση: Αναφορές εργαστηρίου και εργασία σχεδιασμού.
ΗΜΥ 471 Νευροφυσιολογία και Αισθήσεις Δ Φ Ε Κ Σ ECTS 3 1 5 6 Έτος: 4 Προαπαιτούμενα: Το μάθημα στοχεύει να καλύψει τις βάσεις της λειτουργίες του ανθρώπινου νευρικού συστήματος και των αισθήσεων. Θα καλυφθούν με διαλέξεις και εργαστήρια. Οι μοριακές και κυτταρικές λειτουργίες των διεγειρόμενων κυττάρων του νευρικού συστήματος. Η παραγωγή και επεξεργασία των σημάτων του νευρικού συστήματος καθώς και ο τρόπος ενσωμάτωσης τους σε ένα ευρύτερο σύνολο αποφάσεων. Η λειτουργία των διαφόρων αισθητήριων συστημάτων, συμπεριλαμβανομένης της όρασης, ακοής, αφής, γεύσης, όσφρησης, κλπ. Ανώτερες λειτουργίες όπως γλώσσα, σεξ και ψυχικές ασθένεις. Η πλαστικότητα του νευρικού συστήματος και πως αυτό μεταβάλλετε μέσα από τις διαδικασίες της μνήμης και της μάθησης. Αποτελέσματα: Με την επιτυχή συμπλήρωση του μαθήματος, οι φοιτητές θα έχουν μια βαθύτερη και εμπεριστατωμένη γνώση. Της κυτταρικής και μοριακής λειτουργίας του νευρικού συστήματος. Της παραγωγής, επεξεργασίας συγχώνευσης των σημάτων από το νευρικό σύστημα. Της λειτουργίας των διαφόρων αισθητήριων συστημάτων όπως όρασης, ακοής, αφής, γεύσης, όσφρησης, κλπ. Της λειτουργίας των ανώτερων λειτουργιών του εγκεφάλου και πως αυτές επηρεάζονται στη περίπτωση ψυχικών ασθενειών. Της ανάπτυξης του νευρικού συστήματος και πως αυτό μεταβάλλεται από τις διαδικασίες της μνήμης και της μάθησης. Αυτές οι βάσεις θα τους επιτρέπουν να Αναγνωρίζουν και αναλύουν τα στοιχεία που συνθέτουν προβλήματα νευροφυσιολογίας. Επιλέγουν τις κατάλληλες μεθόδους και εργαλεία και να τα προσαρμόζουν προς επίλυση των πιο πάνω προβλημάτων. Χρησιμοποιούν το ανθρώπινο νευρικό σύστημα ως μοντέλο και πρότυπο για την ανάπτυξη καινούργιων συστημάτων. Κτίζουν πάνω σε αυτές τις βάσεις με τη βοήθεια επιστημονικής βιβλιογραφίας. Αρχές της νευροφυσιολογίας, λειτουργίας των αισθήσεων και των ανώτερων λειτουργιών. Φυσιολογία των διεγειρόμενων κυττάρων με έμφαση στους κυτταρικούς μηχανισμούς, συναπτική επικοινωνία, επεξεργασία σημάτων, και αλληλεπίδραση αισθητήριων και κινητικών συστημάτων. Η φυσιολογική βάση των βασικών κίνητρων, μνήμης, γλώσσας, σεξ, ψυχικών παθήσεων, μνήμης και μάθησης. Μοντελοποίηση με υπολογιστές καθώς και πειραματικές εργασίες. Βιβλιογραφία: Beer, Connors, Paradiso, Neuroscience. Αξιολόγηση: Laboratory Manual. Μια ενδιάμεση και μια τελική εξέταση. Κατ οίκον εργασίες και εργασία εργαστηρίου.