InteLLigence
 


Προπτυχιακά/Μεταπτυχιακά Μαθήματα

Προπτυχιακά Courses

  • ΕΚΠ 413: Μέθοδοι Διαχείρισης Πολυμέσων
    Περγραφή
    Eπεξεργασία, αρχειοθέτηση και αναζήτηση πολυµεσικής (multimedia) πληροφορίας κειµένου, µονοδιάστατου σήµατος, στατικής και κινούµενης εικόνας (video) σε πληροφοριακά συστήµατα και το ∆ιαδίκτυο. Kλασσικά µοντέλα ανάκτησης πληροφορίας (∆υαδικό, Σχεσιακό, Πιθανοτικό), Οµαδοποίηση πληροφορίας (clustering) και αλγόριθµοι οµαδοποίησης (διαιρετικοί, ιεραρχικοί, υβρι- δικοί αλγόριθµοι), εφαρµογές οµαδοποίησης σε συλλογές κειµένων. Παράσταση περιεχοµένου µονοδιάστατων σηµάτων και εικόνας σε συστήµατα πολυµέσων. Εξαγωγή χαρακτηριστικών χρώµατος, υφής, σχήµατος και χωρικών σχέσεων από εικόνες. Μέθοδοι ανάκτησης για µονοδιάστατα σήµατα και εικόνα. Τεχνικές δεικτοδότησης (indexing) σε πληροφοριακά συστήµατα για κείµενο και πολυµεσική πληροφορία (ανεστραµµένα αρχεία, k-d- Trees, Grid files, R-trees). Σχεδιασµός πληροφοριακών συστηµάτων στο ∆ιαδίκτυο, διαχείριση και ανάλυση πληροφορίας στο ∆ιαδίκτυο (µέθοδοι PageRank, HITS). Βασικές τεχνικές επεξεργασίας και ανάλυσης στατικής και κινούµενης εικόνας (video) σε πληροφοριακά συστήµατα. Τεχνικές συµπίεσης (compression) JPEG, πρότυπα MPEG-1, 2, 4, 7.
    Διδάσκων: Ευριπίδης Γ. Πετράκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Μέθοδοι Διαχείρισης Πολυμέσων
  • ΕΚΠ 414: Μηχανική Όραση
    Περγραφή
    Βασικές αρχές και µεθοδολογία της µηχανικής όρασης µε έµφαση σε αλγορίθµους και εφαρµογές της µηχανικής όρασης. Σχηµατισµός εικόνας (image formation), µαθηµατικό, γεωµετρικό, χρωµατικό, συχνοτικό, διακριτό µοντέλο. Βασικές τεχνικές επεξεργασίας εικόνας (φιλτράρισµα, ενίσχυση, οµαλοποίηση). Υπολογισµός ακµών (edge detection), τελεστές πρώτης και δευτέρας παραγώγου. Κατάτµηση εικόνας (image segmentation), µέθοδοι κατάτµησης περιοχών και ακµών, ενίσχυση ακµών και περιοχών, τεχνικές κατωφλίου. Προχωρηµένες τεχνικές κατάτµησης (συγχώνευση και διάσπαση περιοχών και ακµών, χαλαρωτική ταξινόµηση, τεχνική Hough). Τεχνικές επεξεργασίας δυαδικών (binary) εικόνων, µετασχηµατισµοί απόστασης, µορφολογικοί τελεστές, ταυτοποίηση περιοχών (labeling). Ανάλυση, αναπαράσταση και αναγνώριση εικόνων. Παραστάσεις ακµών και περιοχών, παράσταση και αναγνώριση σχηµάτων, παράσταση και αναγνώρισης δοµικού περιεχοµένου εικόνων. Ανάλυση και αναγνώριση υφής, δοµικές και στατιστικές µέθοδοι. ∆υναµική όραση, υπολογισµός κίνησης, οπτικής ροής και τροχιές.
    Διδάσκων: Ευριπίδης Γ. Πετράκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Μηχανική Όραση
  • ΠΛΗ 211: Δομές Δεδομένων και Αρχείων
    Περγραφή
    Αφαιρετικοί Τύποι Δεδομένων Α.Τ.Δ. (Abstract Data Types), Υλοποίηση σε C++, πολυπλοκότητα αλγορίθμων, ανάλυση απόδοσης αλγορίθμων. Πολυωνυμικοί και ΝP αλγόριθμοι. Βέλτιστοι και ευρηματικοί αλγόριθμοι. Εξαντλητικοί αλγόριθμοι, greedy αλγόριθμοι. Εφαρμογές (minimum spanning trees, shortest path, traveling salesman problem, knapsack problem). Ταξινόμηση στη κεντρική μνήμη και τον δίσκο, αλγόριθμοι bubble sort, exchange sort, insertion sort, selection sort, quick sort, merge sort, k-way merge sort, radix sort. A.T.Δ. στοίβα (stack). Α.Τ.Δ. σειρές (queues), Α.Τ.Δ. συνδεδεμένη λίστα (linked list). Υλοποίηση με μονοδιάστατα πεδία (arrays) και δυναμική παραχώρηση μνήμης. A.Τ.Δ. δένδρα (trees), Διάσχιση δένδρων (tree traversal), δυαδικά δένδρα έρευνας (binary search trees), πράξεις σε δυαδικά δένδρα έρευνας (Αναζήτηση, Εισαγωγές - Διαγραφές στοιχείων). Υλοποίηση με πεδία (arrays) και δυναμική παραχώρηση μνήμης. Εφαρμογές, κώδικες Huffman. A.T.Δ. γράφοs (graph), διάσχιση (traversal). Πράξεις σε γράφους (αναζήτηση, εισαγωγές, διαγραφές).Υλοποίηση γράφων και εφαρμογές (minimum spanning tree, shortest path). Αναζήτηση (searching) στη κεντρική μνήμη και τον δίσκο. Σειριακή αναζήτηση (Binary search, interpolation search, self adjusting search), Σειριακή αναζήτηση με δείκτες (indexed sequential search), ISAM. Ανάλυση απόδοσης αναζήτησης. Ιεραρχημένη αναζήτηση με δένδρα, δένδρα στη κεντρική μνήμη (binary bearch brees, AVL brees, optimal trees, splay trees), ανάλυση απόδοσης. Δένδρα στη δευτερεύουσα μνήμη (multiway search trees, B-trees, B+-trees), VSAM. Tries, digital search trees, text tries, Patricia tries, κωδικοποίηση Ziv-Lembel. Αναζήτηση σε κείμενο (αλγόριθμοι KMP, BMH). Μη ιεραρχημένη αναζήτηση, hashing στην κεντρική μνήμη, μέθοδοι αντιμετώπισης συγκρούσεων (collision resolution), ανοικτή διευθυνσιοδότηση (open addressing), χωριστές αλυσίδες (separate chaining). Ανάλυση πολυπλοκότητας αναζήτησης. Hashing στον δίσκο (dynamic hashing, extendible hashing, linear hashing). Ανάλυση απόδοσης αναζήτησης.
    Διδάσκων: Ευριπίδης Γ. Πετράκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Δομές Δεδομένων και Αρχείων
  • ΠΛΗ 402: Θεωρία Υπολογισμού
    Περγραφή
    Σύνολα, σχέσεις, αλφάβητα, γλώσσες. Πεπερασμένα αυτόματα, κανονικές εκφράσεις, κανονικές γλώσσες. Ισοδυναμία πεπερασμένων αυτομάτων και κανονικών εκφράσεων. Ελαχιστοποίηση αυτομάτων. Λεκτική ανάλυση. Αυτόματα στοίβας, γραμματικές χωρίς συμφραζόμενα, γλώσσες χωρίς συμφραζόμενα. Ισοδυναμία αυτομάτων στοίβας και γραμματικών χωρίς συμφραζόμενα. Συντακτική ανάλυση. Μηχανές Turing και επεκτάσεις τους, γραμματικές χωρίς περιορισμούς, αναδρομικές γλώσσες. Μη ντετερμινισμός, μη ντετερμινιστικές μηχανές Turing, αναδρομικά απαριθμήσιμες γλώσσες. Ιεραρχία γλωσσών. Αποφασισιμότητα, υπολογισιμότητα, μη επιλυσιμότητα. Η θέση των Church και Turing. Καθολικές μηχανές Turing, αναγωγές. Το θεώρημα του Rice. Υπολογιστική πολυπλοκότητα και κλάσεις πολυπλοκότητας. NP-πληρότητα και πολυωνυμικές αναγωγές. Το θεώρημα του Cook. Αντιμετώπιση NP-πληρότητας. Εφαρμογή στο πρόβλημα της μεταγλώττισης και εργαστηριακή διδασκαλία των εργαλείων flex, bison, JavaCC.
    Διδάσκων: Μιχαήλ Γ. Λαγουδάκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Θεωρία Υπολογισμού
  • ΠΛΗ 417: Τεχνητή Νοημοσύνη
    Περγραφή
    Θεμελίωση και ιστορία της Τεχνητής Νοημοσύνης. Ευφυείς πράκτορες και περιβάλλοντα. Μέθοδοι απληροφόρητης, πληροφορημένης, ευριστικής συστηματικής αναζήτησης. Μέθοδοι τοπικής αναζήτησης. Προβλήματα ικανοποίησης περιορισμών και αλγόριθμοι επίλυσής τους. Βασική θεωρία παιγνίων και αναζήτηση υπό αντιπαλότητα. Προτασιακή λογική, λογική πρώτης τάξης, συλλογιστική, αλγόριθμοι συμπερασμού. Αναπαράσταση γνώσης και βάσεις γνώσης. Συστήματα συλλογιστικής, αποδείκτες θεωρημάτων, λογικός προγραμματισμός. Σχεδιασμός (planning) και αλγόριθμοι σχεδιασμού. Σχεδιασμός στον πραγματικό κόσμο και πολυπρακτορικός σχεδιασμός.
    Διδάσκων: Μιχαήλ Γ. Λαγουδάκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Τεχνητή Νοημοσύνη
  • ΠΛΗ 513: Αυτόνομοι Πράκτορες
    Περγραφή
    Πράκτορες και περιβάλλοντα, αβεβαιότητα και πιθανότητες, πιθανοτική συλλογιστική. Δίκτυα Bayes, ακριβής και προσεγγιστικός συμπερασμός σε δίκτυα Bayes, αλγόριθμοι απαρίθμησης και δειγματοληψίας. Πιθανοτική συλλογιστική στο χρόνο (φιλτράρισμα, πρόβλεψη, εξομάλυνση, εύρεση πιθανότερης ακολουθίας), δυναμικά δίκτυα Bayes. Πλοήγηση κινητών ρομπότ, έλεγχος κίνησης, σχεδιασμός διαδρομής, εντοπισμός, χαρτογράφηση, SLAM. Λήψη αποφάσεων υπό αβεβαιότητα, Μαρκωβιανές διεργασίες απόφασης, βέλτιστες πολιτικές, επανάληψη αξιών, επανάληψη πολιτικών, μερική παρατηρησιμότητα. Ενισχυτική μάθηση, πρόβλεψη και έλεγχος, βασικοί και προηγμένοι αλγόριθμοι ενισχυτικής μάθησης. Προσεγγιστικές μέθοδοι για πολυδιάστατους και συνεχείς χώρους. Ανταγωνιστικοί πράκτορες, σχεδιασμός και μάθηση σε Μαρκωβιανά παίγνια. Πολυπρακτορικός συντονισμός με δημοπρασίες. Εφαρμογές σε αυτόνομους ρομποτικούς πράκτορες και εργαστηριακή διδασκαλία εργαλείων προγραμματισμού ρομποτικών συστημάτων.
    Διδάσκων: Μιχαήλ Γ. Λαγουδάκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Αυτόνομοι Πράκτορες
  • ΠΛΗ 517: Πολυπρακτορικά Συστήματα
    Περγραφή
    Χαρακτηριστικά και τύποι πρακτόρων. Πολυπρακτορικά συστήματα και αλληλεπιδράσεις πρακτόρων. Σχέση με Θεωρία Παιγνίων και Τεχνητή Νοημοσύνη. Έμφαση σε "οικονομικά σκεπτόμενους" (rational utility maximizers) πράκτορες. Έμφαση σε πολυπρακτορικά συστήματα και αλληλεπιδράσεις πρακτόρων. Έμφαση σε συλλογιστικές διαδικασίες που χρησιμοποιούν Θεωρία Χρησιμότητας (Utility Theory), Λήψη Αποφάσεων υπό Αβεβαιότητα (Decision Theory) και Θεωρία Παιγνίων. Προτιμήσεις, συναρτήσεις ωφέλειας, μεγιστοποίηση οφέλους, οικονομικο-κεντρική λογική (rationality). Στρατηγική λήψη αποφάσεων. Στατικά και επαναλαμβανόμενα στρατηγικά παίγνια. Κατάσταση ισορροπίας Nash, Pareto-βέλτιστες λύσεις, και άλλες έννοιες παιγνιο-θεωρητικών λύσεων. Επιλογή μεταξύ καταστάσεων ισορροπίας. Κατανεμημένη λύση προβλημάτων. Δημιουργία συνασπισμών από συνεργατικούς και μή πράκτορες. Εφαρμογές δημιουργίας συνασπισμών (ηλεκτρονικό εμπόριο, τηλεπικοινωνιακά δίκτυα, αποκεντροποιημένη αγορά ενέργειας και έξυπνο ηλεκτρικό δίκτυο). Εμπιστοσύνη και Φήμη Πρακτόρων. Διαπραγματεύσεις. Δημοπρασίες και Σχεδίαση Μηχανισμών. Εφαρμογές δημοπρασιών και σχεδίασης μηχανισμών (ηλεκτρονικές δημοπρασίες, δημοπρασίες για διαφημιστικό χώρο σε σελίδες περιγραφής αποτελεσμάτων αναζήτησης). Μοντελοποίηση αντιπάλων και μάθηση σε παίγνια. Σχέσεις με Μηχανική Μάθηση. Αντιμετώπιση αβεβαιότητας. Εφαρμογές πολυπρακτορικών συστημάτων: πράκτορες σε τηλεπικοινωνιακά/ad-hoc ασύρματα/peer-to-peer δίκτυα, πράκτορες σε δίκτυα αισθητήρων, πράκτορες στο έξυπνο δίκτυο ηλεκτροδότησης.
    Διδάσκων: Γεώργιος Χαλκιαδάκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Πολυπρακτορικά Συστήματα
  • ΠΛΗ201: Σχεδίαση και Ανάπτυξη Πληροφοριακών Συστημάτων
    Περγραφή
    Το μάθημα παρουσιάζει μία εισαγωγή σε βασικές αρχές για ανάλυση απαιτήσεων, σχεδιασμό και υλοποίηση μεγάλων εφαρμογών λογισμικού χρησιμοποιώντας μεθόδους και πρότυπα οντοκεντρικής μοντελοποίησης και ανάπτυξης. Επισκόπιση της μεθοδολογίας ανάπτυξης λογισμικού. Ανάλυση απαιτήσεων, σχεδιασμός, testing, συντήρηση. Εξαγωγή απαιτήσεων, ανάλυση, καταγραφή, στόχοι, πρωτότυπα, use cases. Μοντελοποίηση, οντοκεντρικές μεθοδολογίες μοντελοποίησης, γλώσσες μοντελοποίησης, UML. Mοντελοποίηση δομής, συμπεριφοράς, δραστηριοτήτων, καταστάσεων, περιορισμών σε UML. Επεκτασιμότητα της γλώσσας. Μεθοδολογίες ανάπτυξης, waterfall models, το μοντέλο της rational, agile methodologies. H μεθοδολογία ICONIX. Μεθοδολογίες επισκόπισης απαιτήσεων, σχεδιασμού, λεπτομερούς σχεδιασμού. Μοτίβα ανάπτυξης οντοκεντρικών συστημάτων όπως observer, decorator, factory και άλλα. Το μάθημα περιλαμβάνει ανάπτυξη προχωρημένων εφαρμογών σε java όπως εφαρμογές με threads, exceptions, files, event processing, και διαπροσωπιών (user interfaces).
    Διδάσκων: Γεώργιος Χαλκιαδάκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Σχεδίαση και Ανάπτυξη Πληροφοριακών Συστημάτων

Μεταπτυχιακά Courses

  • ΕΚΠ 603: Μέθοδοι Διαχείρισης Πολυμέσων
    Περγραφή
    Το µάθηµα εστιάζει στην επεξεργασία, αρχειοθέτηση και αναζήτηση πολυµεσικής (multimedia) πληροφορίας κειµένου, µονοδιάστατου σήµατος, στατικής και κινούµενης εικόνας (video) σε πληροφοριακά συστήµατα και το ∆ιαδίκτυο. Εξετάζονται: Kλασσικά µοντέλα ανάκτησης πληροφορίας (∆υαδικό, Σχεσιακό, Πιθανοτικό) και επεκτάσεις τους. Αµφίδροµη αναζήτηση πληροφορίας (relevance feedback), Οµαδοποίηση πληροφορίας (clustering) και αλγόριθµοι οµαδοποίησης (διαιρετικοί, ιεραρχικοί, υβριδικοί αλγόριθµοι), εφαρµογές οµαδοποίησης σε συλλογές κειµένων. ∆υναµικές µέθοδοι οµαδοποίησης (X-means, BIC-means). Παράσταση περιεχοµένου µονοδιάστατων σηµάτων και εικόνας σε συστήµατα πολυµέσων. Εξαγωγή χαρακτηριστικών χρώµατος, υφής, σχήµατος και χωρικών σχέσεων από εικόνες. Μέθοδοι ανάκτησης για µονοδιάστατα σήµατα και εικόνα. Τεχνικές δεικτοδότησης (indexing) σε πληροφοριακά συστήµατα για κείµενο και πολυµεσική πληροφορία (ανεστραµµένα αρχεία, k-d-Trees, Grid files, R-trees, R+-trees, R*-trees, SRtrees, SS-trees, M-trees, space filling curves). Μείωση διάστασης χώρου (dimensionality reduction), τεχνικές Karhunen-Loeve (K-L), Singular Value Decomposition (SVD), FastMap. Σχεδιασµός πληροφοριακών συστηµάτων στο ∆ιαδίκτυο, διαχείριση και ανάλυση πληροφορίας στο ∆ιαδίκτυο (µέθοδοι PageRank, HITS). Τεχνικές πλοήγησης στο ∆ιαδίκτυο (classic and focused crawling). Σηµασιολογικός ιστός και οντολογίες. Κατασκευή οντολογιών και χρήση οντολογιών σε πληροφοριακά συστήµατα. Βασικές τεχνικές επεξεργασίας και ανάλυσης στατικής και κινούµενης εικόνας (video) σε πληροφοριακά συστήµατα. Εµπορικά και Πειραµατικά συστήµατα διαχεί- ρισης εικόνας (QBIC, Virage, PhotoBook, Safe/VisualSeek/WeebSeek, SQUID, PictToSeek). Τεχνικές συµπίεσης (compression) JPEG, Πρότυπα MPEG-1, 2, 4, 7. Κατάτµηση video (video segmentation into shots, shot aggregates).
    Διδάσκων: Ευριπίδης Γ. Πετράκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Μέθοδοι Διαχείρισης Πολυμέσων
  • ΠΛΗ 604: Μηχανική Μάθηση
    Περγραφή
    Βασικές έννοιες μηχανικής μάθησης και στατιστικής. Επιβλεπόμενη μάθηση: least mean squares (LMS), logistic regression, perceptron, Gaussian discriminant analysis, naive Bayes, support vector machines, model selection and feature selection, ensemble methods (bagging, boosting). Θεωρία μάθησης: bias/variance tradeoff, union and Chernoff/Hoeffding bounds, VC dimension. Μη επιβλεπόμενη μάθηση: clustering, k-means, EM, mixture of Gaussians, factor analysis, principal components analysis (PCA), independent components analysis (ICA). Ενισχυτική μάθηση: Markov decision processes (MDPs), Bellman equations, value iteration, policy iteration, value function and policy approximation, least-squares methods, reinforcement learning algorithms, partially observable MDPs (POMDPs), algorithms for POMDPs.
    Διδάσκων: Μιχαήλ Γ. Λαγουδάκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Μηχανική Μάθηση
  • ΠΛΗ 606: Λήψη Αποφάσεων και Μάθηση σε Πολυπρακτορικά Περιβάλλοντα
    Περγραφή
    Utility Theory, Decision Theory, and Game Theory (cooperative and non-cooperative). Rationality and strategic decision making. Reinforcement Learning and Multiagent Reinforcement Learning. Unsupervised Learning and Probabilistic Topic Modeling. Deep Learning and Deep Reinforcement Learning). Learning in Game-Theoretic Settings.
    Διδάσκων: Γεώργιος Χαλκιαδάκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Λήψη Αποφάσεων και Μάθηση σε Πολυπρακτορικά Περιβάλλοντα
  • ΠΛΗ 607: Μηχανική Όραση
    Περγραφή
    Στόχος του µαθήµατος είναι η εξοικείωση µε τις βασικές αρχές και την µεθοδολογία της µηχανικής όρασης µε έµφαση αλγορίθµους και εφαρµογές της µηχανικής όρασης. Το µάθηµα καλύπτει θέµατα όπως: Σχηµατισµός εικόνας (image formation), µαθηµατικό, γεωµετρικό, χρωµατικό, συχνοτικό, διακριτό µοντέλο. Βασικές τεχνικές επεξεργασίας εικόνας (φιλτράρισµα, ενίσχυση, οµαλοποίηση). Υπολογισµών ακµών (edge detection), Τελεστές πρώτης και δευτέρας παραγώγου. Τµηµατοποίηση εικόνας (image segmentation), Τµηµατοποίηση περιοχών και ακµών, ενίσχυση ακµών και περιοχών, Τεχνικές κατωφλίου. Προχωρηµένες τεχνικές τµηµατοποίησης (µεγάλωµα και σµίκρυνση περιοχών και ακµών, χαλαρωτική ταξινόµηση, τεχνική Hough). Τεχνικές επεξεργασίας δυαδικών (binary) εικόνων, Μετασχηµατισµοί απόστασης, µορφολογικοί τελεστές, ταυτοποίηση περιοχών (labeling). Ανάλυση, αναπαράσταση και αναγνώριση εικόνων. Παραστάσεις ακµών και περιοχών, παράσταση και αναγνώριση σχηµάτων, παράσταση και αναγνώρισης δοµικού περιεχοµένου εικόνων. Ανάλυση και αναγνώριση υφής. ∆οµικές και στατιστικές µέθοδοι. ∆υναµική όραση, υπολογισµός κίνησης, οπτικής ροής και τροχιές.
    Διδάσκων: Ευριπίδης Γ. Πετράκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Μηχανική Όραση
  • ΠΛΗ 614: Πιθανοτική Ρομποτική
    Περγραφή
    Aβεβαιότητα και πιθανοτική συλλογιστική. Ρομποτική αντίληψη και δράση. Αναδρομική εκτίμησης κατάστασης: χώρος καταστάσεων, χώρος πεποιθήσεων, πρόβλεψη και διόρθωση, φίλτρο Bayes. Φίλτρα εκτίμησης: γραμμικό φίλτρο Kalman, εκτεταμένο φίλτρο Kalman, unscented φίλτρο Kalman, φίλτρο ιστογράμματος, φίλτρο σωματιδίων. Πιθανοτικά μοντέλα κίνησης: μοντέλο ταχύτητας, μοντέλο οδομετρίας, δειγματοληψία και πυκνότητα πιθανότητας. Πιθανοτικά μοντέλα παρατήρησης: μοντέλο δέσμης, μοντέλο σάρωσης, μοντέλο χαρακτηριστικών, δειγματοληψία και πυκνότητα πιθανότητας. Ρομποτικός εντοπισμός: Markov, Gaussian, Grid, Monte-Carlo. Ρομποτική χαρτογράφηση: χάρτες πλέγματος, χάρτες χαρακτηριστικών, ταυτόχρονος εντοπισμός και χαρτογράφηση (SLAM). Λήψη αποφάσεων υπό αβεβαιότητα, Μαρκωβιανές διεργασίες απόφασης, βέλτιστες πολιτικές, επανάληψη αξιών, επανάληψη πολιτικών, μερική παρατηρησιμότητα. Ενισχυτική μάθηση, πρόβλεψη και έλεγχος, βασικοί και προηγμένοι αλγόριθμοι ενισχυτικής μάθησης. Πολυρομποτικός συντονισμός και μάθηση.
    Διδάσκων: Μιχαήλ Γ. Λαγουδάκης
    Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Πιθανοτική Ρομποτική