Ηλεκτρολόγων Μηχανικών και Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής

Προκήρυξη θέσεων σπουδών διδακτορικού επιπέδου, με έναρξη φοίτησης Σεπτέμβρη 2018

Καταληκτική ημερομηνία υποβολής αιτήσεων είναι η Παρασκευή, 13 Απριλίου 2018

Για υποβολή αίτησης, από εδώ

  • Μία (1) θέση με γνωστικό αντικείμενο: «Μηχανισμοί neural attention mechanisms για μάθηση εντοπισμού patterns οικονομικού εγκλήματος σε μεγάλα δεδομένα»

Περιγραφή: Το οικονομικό έγκλημα, περιλαμβανομένων της φοροαποφυγής και της απάτης, είναι μείζον πρόβλημα για τις Ευρωπαϊκές οικονομίες. Τυπικά, οι Ευρωπαικές αρχές χρησιμοποιούν διάφορα ευρετικά κριτήρια, που όμως απαιτούν πολύ κόπο για να εξαχθούν σωστά.

Αυτή η διατριβή προβλέπει την εξέταση και ανάπτυξη καινοτόμων μεθόδων μηχανικής μάθησης που αυτοματοποιούν τον εντοπισμό και χαρακτηρισμό patterns παράνομης δραστηριότητας. Συγκεκριμένα, θα αναπτύξουμε μοντέλα στατιστικής μηχανικής μάθησης που μαθαίνουν να εξάγουν σημαντικές χρονικές συσχετίσεις σε μεγάλα δεδομένα. Θα εστιάσουμε σε μηχανισμούς neural attention με differentiable memory modules. Αυτά ξέρουμε ότι παρέχουν προφανώς μεγάλη δυνατότητα μάθησης πάνω σε μακρείς χρονικούς ορίζοντες, μπορούν να δουλεύουν τόσο σε βραχείς όσο και μακρείς ορίζοντες, και να διακρίνουν το σημαντικό από το ήσσονος σημασίας. Η επιτυχία τους σε δύσκολα προβλήματα όπως speech recognition και natural language understanding, παρέχει ισχυρές εγγυήσεις ότι θα μπορέσουν να επιτύχουν και σε αυτά τα πλαίσια, όπου απαιτούνται συσχετίσεις μεταξή εκατομμυρίων ανθρώπων/εταιρειών σε μακρές χρονικές περιόδους που οι άνθρωποι δεν μπορούν να χειριστούν.

Ερευνητικός Σύμβουλος: Σωτήρης Χατζής , Επίκουρος Καθηγητής,  sotirios.chatzis@cut.ac.cy

 

  • Μία (1) θέση με γνωστικό αντικείμενο: «Καινοτόμες τεχνικές deep learning models για μηχανική περίληψη κειμένου»

Περιγραφή: Σε αυτή την διατριβή θα αναπτύξουμε καινοτόμες μεθόδους αφαιρετικής μηχανικής περίληψης κειμένου. Η έρευνά μας θα εστιάσει:

(α) στην ανάπτυξη αλγορίθμων policy learning για την εκπαίδευση του μοντέλου, που ενδέχεται να επιτρέψουν την απάμβλυνση του προβλήματος “exposure bias” από το οποίο υποφέρει το υπάρχον υπόδειγμα

(β) στην εφεύρεση νέων στατιστικών μηχανισμών “προσοχής” και διαφορίσιμης μνήμης, που υπόσχονται να αποδώσουν ισχυρότερους μηχανισμούς για την μοντελοποίηση ακολουθιακών εξαρτήσεων.

Απαιτούμενα Προσόντα: Προσδοκούμε ότι πως οι υποψήφιοι θα έχουν στοιχειώδη εξοικείωση με στοιχεία γραμμικής άλγεβρας και την γλώσσα Python. Θα θεωρήσουμε ως θετικό στοιχείο μια στοιχειώδη εμπειρία με την μηχανική μάθηση, ιδίως την εκτιμητική μεγίστης πιθανοφανείας και τις τεχνικές regularization.

Ερευνητικός Σύμβουλος: Σωτήρης Χατζής , Επίκουρος Καθηγητής,  sotirios.chatzis@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Σύνθετα Δίκτυα: Γεωμετρία,  Δυναμική και Πρόβλεψη»

Περιγραφή: Διάφορα σύνθετα δίκτυα (π.χ. τεχνολογικά, κοινωνικά, βιολογικά, οικονομικά, κλπ.) μπορούν να αντιστοιχιστούν σε γεωμετρικούς χώρους που κρύβονται κάτω από τις παρατηρήσιμες τοπολογίες τους. Οι εν λόγω χώροι ονομάζονται “κρυφοί” μιας και παίζουν το ρόλο ενός συστήματος γεωμετρικών συντεταγμένων, το οποίο δεν είναι παρατηρήσιμο εξετάζοντας την τοπολογία του δικτύου. Οι κόμβοι που βρίσκονται πιο κοντά μεταξύ τους στον κρυμμένο γεωμετρικό χώρο είναι συνδεδεμένοι στην παρατηρήσιμη τοπολογία του δικτύου με μεγαλύτερη πιθανότητα.

Απαιτούμενα Προσόντα: Ο/Η υποψήφιος/α διδάκτορας θα επικεντρωθεί στη μελέτη των ιδιοτήτων αυτών των κρυμμένων γεωμετρικών χώρων, και στην «κινητικότητα» των κόμβων των δικτύων σε αυτούς τους χώρους. Αναμένεται ότι σημαντικά θεμελιώδη όπως και πρακτικά ζητήματα θα απαντηθούν μέσω αυτής της διδακτορικής διατριβής, όπως: (α) Ποιοί είναι οι νόμοι που διέπουν την «κίνηση» των κόμβων ενός κοινωνικού δικτύου σε αυτούς τους χώρους; (β) Μπορεί αυτή η κίνηση να μοντελοποιηθεί χρησιμοποιώντας νόμους της κλασικής μηχανικής, για παράδειγμα νόμος της κίνησης του Νεύτωνα ή στοχαστικές εκδόσεις του; (γ) Είναι αυτή η κίνηση χαοτική, ή μπορεί να προβλεφθεί; Και (δ), δεδομένου ότι μπορούμε να προβλέψουμε την κίνηση αυτή, μπορούμε να προβλέψουμε τη μελλοντική δομή και την εξέλιξη πραγματικών σύνθετων δικτύων;

Η θέση αυτή εμπίπτει στις γενικές γνωστικές περιοχές της Επιστήμης Δικτύων και Επιστήμης Δεδομένων. Στον ιδανικό υποψήφιο θα πρέπει να αρέσουν τα Δίκτυα και τα Μαθηματικά (κυρίως Πιθανότητες και Πραγματική Ανάλυση). Ο υποψήφιος θα πρέπει επίσης να κατέχει πολύ καλές γνώσεις σε προγραμματισμό Η/Υ.

Ερευνητικός Σύμβουλος: Φραγκίσκος Παπαδόπουλος, Επίκουρος Καθηγητής,   f.papadopoulos@eecei.cut.ac.cy.

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Γεωμετρική Ανάλυση και Δυναμική Δικτύων Εγκεφάλου»

Περιγραφή: Χαρτογραφώντας τις δομικές και λειτουργικές συνδέσεις του ανθρώπινου εγκεφάλου είναι μία από τις μεγάλες επιστημονικές προκλήσεις του 21ου αιώνα, όπου πραγματικά δεδομένα με πρωτοφανή ανάλυση στο χώρο και το χρόνο διατίθενται στο κοινό για πρώτη φορά (http://www.humanconnectome.org/). Σε αυτό το πλαίσιο, ένα μεγάλο μέρος πρόσφατης έρευνας μελετά τη δυναμική του εγκεφάλου. Συγκεκριμένα, τη δυναμική της λειτουργικής συνδεσιμότητας περιοχών του εγκεφάλου, δηλαδή, τις λειτουργικές συνδέσεις και αποσυνδέσεις που λαμβάνουν χώρα στον εγκέφαλο σε κατάσταση ηρεμίας, κατά τη διάρκεια διαφόρων εργασιών, ή κατά τη διάρκεια ανώμαλης συμπεριφοράς, όπως είναι οι επιληπτικές κρίσεις. Επιπλέον, έχει πρόσφατα αναγνωριστεί ότι οι δομικές και λειτουργικές συνδέσεις συστημάτων του εγκεφάλου έχουν κοινά χαρακτηριστικά με άλλα πολύπλοκα δίκτυα που συναντώνται στη φύση και την κοινωνία.

Απαιτούμενα Προσόντα: Ο/Η υποψήφιος/α διδάκτορας θα επικεντρωθεί στα εξής: (α) Την άντληση δεδομένων δικτύων εγκεφάλου από τη βάση δεδομένων του human connectome project. (β) Την ανάλυση των δεδομένων αυτών χρησιμοποιώντας τεχνικές από τη θεωρία των γράφων. (γ) Την απεικόνιση αυτών των δικτύων σε διάφορους γεωμετρικούς χώρους. (δ) Τη μελέτη της “κίνησης” των κόμβων των δικτύων αυτών σε αυτούς τους γεωμετρικούς χώρους. (ε) Την ανακάλυψη πιθανών νόμων/διαδικασιών που διέπουν αυτή τη κίνηση. Και (στ), τη χρησιμοποίηση των νόμων αυτών για την πρόβλεψη της δυναμικής εγκεφαλικών δικτύων.

Η θέση αυτή εμπίπτει στις γενικές γνωστικές περιοχές της Επιστήμης Δικτύων, Επιστήμης Δεδομένων, και Νευροεπιστήμης. Στον ιδανικό υποψήφιο θα πρέπει να αρέσουν τα Δίκτυα, τα Μαθηματικά (κυρίως Πιθανότητες Στατιστική), καθώς και πτυχές της Νευροεπιστήμης. Ο υποψήφιος θα πρέπει επίσης να κατέχει πολύ καλές γνώσεις σε προγραμματισμό Η/Υ. Η έρευνα θα γίνει σε με το Τμήμα Βιοιατρικής του πανεπιστημίου McGill στον Καναδά.

Ερευνητικός Σύμβουλος: Φραγκίσκος Παπαδόπουλος, Επίκουρος Καθηγητής,   f.papadopoulos@eecei.cut.ac.cy.

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Αξιολόγηση Συστήματος Θεραπευτικών Υπερήχων με Απεικόνιση Μαγνητικού Τομογράφου (MRI) για Εκτομή στην Κοιλιακή Χώρα»

Περιγραφή: Εστιασμένοι υπέρηχοι είναι μια μορφή ενέργειας που μπορεί να χρησιμοποιηθεί για τη θεραπεία διαφόρων ασθενειών στον τομέα της ογκολογίας με χρήση θερμικών πρωτοκόλλων. Οι θερμικές επιδράσεις των εστιασμένων υπερήχων μπορεί να παρακολουθούνται με εξαιρετική αντίθεση, χρησιμοποιώντας μαγνητική τομογραφία (MRI).

Η προσφερόμενη θέση θα επικεντρωθεί στην αξιολόγηση υφιστάμενου 4-D MR συμβατές ρομποτικό σύστημα. Ένα σημαντικό καθήκον είναι ο σχεδιασμός πλασματικού υλικού βασισμένο σε χημική ένωση αγαρόζης για εφαρμογή στην κοιλιακή χώρα. Προσομοιώσεις θα πραγματοποιηθούν προκειμένου να βελτιστοποιηθούν τα θεραπευτικά πρωτόκολλα υπέρηχων. Θα σχεδιαστεί μετατροπέας υπερήχων για εφαρμογή στην κοιλιακή χώρα. Ο υποψήφιος αναμένεται να αξιολογήσει εκτενώς το σύστημα με την χρήση πλασματικού υλικού σε περιβάλλον εργαστηρίου και μέσα σε ένα μαγνητικό τομογράφο. Μέθοδοι απεικόνισης του MRI αλληλουχίες θα βελτιστοποιηθούν για τα προτεινόμενα θεραπευτικά πρωτόκολλα.

Απαιτούμενα Προσόντα: Μάστερ στον τομέα Ηλεκτρολογικής Μηχανικής, ή Μηχανολογικής Μηχανικής, ή Φυσικής.

Ερευνητικός Σύμβουλος: Χριστάκη Δαμιανού, Καθηγητής,  christakis.damianou@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Κατανεμημένος Πολύ-Υπολογισμός Οδηγούμενος από τα Δεδομένα (Distributed Data-Driven Multiprocessing

Περιγραφή: Ο Υπολογισμός Υψηλών Επιδόσεων (High-Performance Computing - ΥΥΕ) αποτελεί ίσως τον μοναδικό τρόπο ώστε να λυθούν τα μεγάλα εκκρεμή προβλήματα της ανθρωπότητας που απαιτούν υπολογιστική ικανότητα η οποία μετράται σε κλίματα εκατομμυρίων τρισεκατομμυρίων υπολογισμών ανά δευτερόλεπτο (δέκα στη δύναμη της 18ης), δηλαδή, στην λεγόμενη κλίμακα exascale. Τέτοια προβλήματα περιλαμβάνουν τη ανάδρομη μηχανική του ανθρώπινου εγκεφάλου, τη δημιουργία φάρμακων για την εξάλειψη ασθενειών όπως ο καρκίνος, και την προσομοίωση καιρικών φαινόμενων για την πρόβλεψη κλιματικών μεταβολών. Το θέμα αυτής της Διδακτορικής Διατριβής αφορά την έρευνα και την ανάπτυξη μιας καινοτόμας κατανεμημένης αρχιτεκτονικής πολλαπλών επεξεργαστών για την αντιμετώπιση των προκλήσεων που πηγάζουν από την αυξανόμενη κατανάλωση ενέργειας και την ανάγκη εφαρμογής ταυτοχρονισμού κατά την εκτέλεση εφαρμογών σε μελλοντικά συστήματα ΥΕΕ κλίμακας exascale. Το σύστημα θα βασίζεται σε ένα υβριδικό μοντέλο ροής δεδομένων, το μοντέλο εκτέλεσης υπό Κατανεμημένο Πολύ-Νηματικό Υπολογισμό Οδηγούμενο από τα Δεδομένα (Distributed Data-Driven Multithreading - DDM). Η αρχιτεκτονική πολλαπλών επεξεργαστών θα υλοποιηθεί και θα αξιολογηθεί σε ένα μεγάλης χωρητικότητας ολοκληρωμένο κύκλωμα με διάταξη πεδιακά προγραμματιζόμενων πυλών (Field-Programmable Gate Array - FPGA). Θα αποτελείται από χαμηλής ισχύος και χαμηλής πολυπλοκότητας μη-συναφών στοιχείων επεξεργασίας, καθώς και περεταίρω υλικό που θα υποστηρίζει το μοντέλο εκτέλεσης DDM. Επιπλέον, θα ενσωματώνει μια ελαφριά ιεραρχία μνήμης, βασισμένη κυρίως σε κρυφές μνήμες, και εμπλουτισμένη με αυτοματοποιημένη ντετερμινιστική μνήμη προσωρινής χρήσης (scratchpad memory). Τέλος, μια διεπαφή προγραμματισμού εφαρμογών (Application Peripheral Interface - API) υλοποιημένη σε γλώσσα προγραμματισμού C ++ θα επιτρέπει σε προγραμματιστές να αναπτύξουν εφαρμογές τύπου DDM για την ταχεία προτυποποίηση και την αξιολόγηση αρχιτεκτονικών Η/Υ. Αυτή η Διδακτορική Διατριβή θα βασιστεί στην υπάρχουσα υποδομή όσον αφορά το υλικό Η/Υ καθώς και το λογισμικό Η/Υ, καθώς και σε τεχνογνωσία που η υπάρχουσα Ερευνητική Ομάδα έχει αποκτήσει και επαυξάνει τα τελευταία χρόνια.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου και μεταπτυχιακού επιπέδου Μάστερ (Master’s) από αναγνωρισμένα πανεπιστήμια είτε στον τομέα της Πληροφορικής, ή της Μηχανική Η/Υ, ή της Ηλεκτρολογίας, με προτιμώμενη εξειδίκευση σε ένα από τους ακόλουθους τομείς: αρχιτεκτονική Η/Υ, κατανεμημένα συστήματα και δίκτυα, ενσωματωμένα συστήματα, ή άλλη συναφή εξειδίκευση. Οι υποψήφιοι θα πρέπει να έχουν 2 και επιπλέον χρόνια εμπειρίας στον αντικειμενοστραφή προγραμματισμό και να μπορούν να προγραμματίζουν άπταιστα στη γλώσσα προγραμματισμού C++ ή /και στην γλώσσα Python, και επίσης να διαθέτουν εμπειρία στους τομείς των παράλληλων και κατανεμημένων Η/Υ (δηλαδή, Pthreads, OpenMP και MPI). Επίσης, οι υποψήφιοι θα πρέπει να διαθέτουν 2 και επιπλέον χρόνια εμπειρίας στη χρήση Γλώσσας Περιγραφής Υλικού (hardware description language - HDL), όπως η γλώσσα VHDL ή η Verilog. Άριστη γνώση της αγγλικής γλώσσας είναι απαραίτητη. Οποιαδήποτε ερευνητική εμπειρία στους τομείς μοντελοποίησης ροής πληροφοριών ή υπολογισμό τύπου data-driven (π.χ., TBB, OmpSs, κλπ), καθώς και εμπειρία στη χρήση λογισμικών εργαλείων περιγραφής υλικού HDL της εταιρίας Xilinx (ISE ή Vivado Design Suites) θα θεωρηθούν ως επιπλέον προσόντα.

Ερευνητικός Σύμβουλος: Βάσος  Σωτηρίου, Αναπληρωτής Καθηγητής , vassos.soteriou@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: Αξιόπιστες Αρχιτεκτονικές Η/Υ με Χρήση Τεχνικών Επιβράδυνσης Φθοράς (Resilient Wear-Aware Computer Architectures)

Περιγραφή: Καθώς ο Νόμος του Δρ. Moore συνεχίζει να ισχύει και να καθοδηγεί τη σμίκρυνση των τρανζίστορ  και την αύξηση της πυκνότητας τους σε ολοκληρωμένα κυκλώματα επόμενων γενεών, αυτή η τάση της τεχνολογίας σήμερα έχει οδηγήσει στη διάθεση πολύ-πύρηνων επεξεργαστών (Chip Multiprocessors – CMPs) που αποτελούνται από εκατοντάδες επεξεργαστικά πλακίδια.  Δυστυχώς αυτή η τάση έχει δημιουργήσει και επακόλουθα αρνητικά αποτελέσματα εφόσον η τεχνολογία συμπληρωματικού ημιαγωγού μεταλλικού οξειδίου (CMOS) έχει επιφέρει αυξανόμενη παραγωγή φθοράς στα ίδια τα τρανζίστορ. Το παρατεταμένο στρες κατά τη διάρκεια της λειτουργίας των τρανζίστορ οδηγεί στην επιταχυνόμενη φθορά τους, ή ακόμα και σε βλάβη, οι οποίες οφείλονται σε διάφορους φυσικούς μηχανισμούς όπως ο hot-carrier injection (HCI), ο electro-migration (EM), και ο negative-bias temperature instability (NBTI). Δυστυχώς, τέτοια φθορά μπορεί να αποδειχθεί καταστροφική στην αξιόπιστη λειτουργία ενός CMP, εφόσον διάφορα συνιστώσα μέρη του ολοκληρωμένου κυκλώματος μπορεί να εισάγουν σφάλματα ή /και να παραβιάσουν τα σωστά πλαίσια χρονισμού τους. Αυτό συμβαίνει κατά τη διάρκεια της λειτουργίας του CMP, και συγκεκριμένα κατά τη διάρκεια του υπολογισμού δεδομένων, καθώς και κατά τη διάρκεια μεταφοράς δεδομένων, καθιστώντας ολόκληρο το σύστημα ως μη χρησιμοποιήσιμο.

Για να αποφευχθούν τέτοιου είδους αρνητικές επιπτώσεις, αυτή η Διδακτορική Διατριβή θα ασχοληθεί με την ανάπτυξη των τεχνικών επιβράδυνσης φθοράς ψηφιακών ηλεκτρονικών έτσι ώστε να μειωθεί ο ρυθμός φθοράς στα συνιστούντα μέρη ενός CMP. Ο απώτερος στόχος είναι η βελτίωση της αξιοπιστίας των CMPs, συμπεριλαμβανομένων των επεξεργαστών, της μνήμης και των ολοκληρωμένων δικτύων τους. Τέτοιες τεχνικές θα ενσωματωθούν απρόσκοπτα στην υφιστάμενη αρχιτεκτονική CMP για να δουλεύουν δυναμικά κατά τη διάρκεια λειτουργίας του συστήματος χωρίς παρεμβολές από και προς  τη στοίβα εφαρμογών και προγραμμάτων, ή ακόμα και προς/από τον χρήστη. Εφόσον η φθορά σε τρανζίστορ τύπου CMOS αναλογίζει με τη χρήση τους, και έτσι βασίζεται άμεσα με το φόρτο εργασίας που έχει να εκτελέσει το σύστημα, ένα μεγάλος στόχος αυτής της Διατριβής θα είναι να κατανοηθούν τα μοτίβα χρήσης των εφαρμογών που τρέχουν. Έτσι αναλόγως θα υιοθετηθούν οι κατάλληλες πολιτικές μείωσης φθοράς για να επιτευχθεί η μέγιστη δυνατή επίτευξη στην αύξηση της ζωής των ηλεκτρονικών. Έτσι, πολιτικές επίγνωσης της φθοράς μπορούν να βασιστούν σε τεχνικές ή αλγορίθμους από τον τομέα των τεχνικών νευρωνικών δικτύων που είναι αρκετά αποδοτικές στο να αναγνωρίζουν μοτίβα και να προσαρμόζονται προς αυτά. Άλλες μεθοδολογίες αναγνώρισης μοτίβων θα θεωρηθούν και θα αναπτυχτούν έτσι που να ερευνηθεί το πεδίο χώρο-σχεδιασμού των μεθοδολογιών μείωσης της φθοράς σε αρχιτεκτονικές Η/Υ. Επαυξημένο υλικό επίγνωσης φθοράς θα προστεθεί στην υπάρχουσα αρχιτεκτονική CMP το οποίο θα έχει υλοποιηθεί με τη χρήση γλώσσας περιγραφής υλικού (π.χ., VHDL), έτσι που να αποδειχτεί κατορθωτό. Αυτή η Διδακτορική Διατριβή θα βασιστεί στην υπάρχουσα ευρεία και εκτενή τεχνογνωσία που η υπάρχουσα Ερευνητική Ομάδα έχει αποκτήσει και επαυξάνει τα τελευταία χρόνια, και θα χρησιμοποιεί και θα επεκτείνει σημαντικά μεθοδολογίες από το πεδίο των αρχιτεκτονικών πολύ-επεξεργαστών με επίγνωση φθοράς.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου και μεταπτυχιακού επιπέδου Μάστερ (Master’s) από αναγνωρισμένα πανεπιστήμια είτε στον τομέα της Πληροφορικής, ή της Μηχανική Η/Υ, ή της Ηλεκτρολογίας, με προτιμώμενη εξειδίκευση σε ένα από τους ακόλουθους τομείς:  αρχιτεκτονική Η/Υ, κατανεμημένα συστήματα, δίκτυα ή ενδό-συνδεόμενα δίκτυα, ενσωματωμένα συστήματα, τεχνικά νευρωνικά δίκτυα και αλγόριθμοι, ή άλλης συναφής εξειδίκευσης. Οι υποψήφιοι θα πρέπει να έχουν 2 και επιπλέον χρόνια εμπειρίας στον αντικειμενοστραφή προγραμματισμό και να μπορούν να προγραμματίζουν άπταιστα στη γλώσσα προγραμματισμού C++ ή και στην γλώσσα Python, και επίσης να διαθέτουν αρκετά καλό μαθηματικό υπόβαθρο. Επίσης, οι υποψήφιοι θα πρέπει να διαθέτουν 2 και επιπλέον χρόνια εμπειρίας στη χρήση γλώσσας περιγραφής υλικού (hardware description language - HDL), όπως η γλώσσα VHDL ή η Verilog. Άριστη γνώση της αγγλικής γλώσσας είναι απαραίτητη. Εμπειρία στη χρήση λογισμικών εργαλείων HDL της εταιρίας Xilinx (ISE ή Vivado Design Suites) θα θεωρηθούν ως επιπλέον προσόντα.

Ερευνητικός Σύμβουλος: Βάσος  Σωτηρίου, Αναπληρωτής Καθηγητής vassos.soteriou@cut.ac.cy

 

  • Δυο (2) θέσεις στα παρακάτω αντικείμενα:

«Αξιοπιστία Λογισμικού»

Περιγραφή: Μέθοδοι, τεχνικές, μοντέλα και αλγόριθμοι  για τη μελέτη της αξιοπιστίας λογισμικού. Μοντέλα αύξησης της αξιοπιστίας λογισμικού που βασίζονται σε μαθηματικές και στατιστικές προσεγγίσεις. Χρήση εμπειρικών δεδομένων από μετρήσεις σε πραγματικά συστήματα λογισμικού. Εφαρμογή μη γραμμικής δυναμικής και ανάλυσης χρονολογικών σειρών για την αποκάλυψη του χαρακτήρα της αξιοπιστίας λογισμικού σε διάφορους τύπους εφαρμογών (κλασικών, διαδικτυακών, κινητού λογισμικού κλπ.). Χρήση υπολογιστικής νοημοσύνης ή/και άλλων υπο-περιοχών της Πληροφορικής για βελτιστοποίηση των υπαρχόντων μοντέλων αύξησης της αξιοπιστίας λογισμικού.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου ή/και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή της Μηχανικής των Η/Υ ή της Μηχανικής της Πληροφορικής ή άλλου συναφούς κλάδου. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Οι υποψήφιοι με τα κατάλληλα προσόντα μπορούν να χρηματοδοτηθούν ως συμμετέχοντες σε ερευνητικά προγράμματα ή ως βοηθοί διδασκαλίας.

 

«Αυτοματοποιημένος Έλεγχος Λογισμικού»

Περιγραφή: Η έρευνα θα επικεντρωθεί σε μεθόδους, τεχνικές, μοντέλα και αλγορίθμους για τον έλεγχο λογισμικού με αυτοματοποιημένο τρόπο, με μικρή ή καθόλου εμπλοκή του χρήστη. Θα γίνει χρήση Υπολογιστικής Νοημοσύνης ή/και άλλων υπο-περιοχών της Επιστήμης της Πληροφορικής για τη διενέργεια ελέγχου μαύρου κουτιού (black-box -specifications-based) και γυάλινου κουτιού (glass-box - source code-based) σε κλασσικά συστήματα λογισμικού, εφαρμογές ιστού και κινητό λογισμικό.

Απαραίτητα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου ή/και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή της Μηχανικής των Η/Υ ή της Μηχανικής της Πληροφορικής ή άλλου συναφούς κλάδου. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Οι υποψήφιοι με τα κατάλληλα προσόντα μπορούν να χρηματοδοτηθούν ως συμμετέχοντες σε ερευνητικά προγράμματα ή ως βοηθοί διδασκαλίας.

 

«Τεχνολογία Λογισμικού για το Υπολογιστικό Νέφος»

Περιγραφή: Η έρευνα θα περιστραφεί γύρω από την ανάπτυξη λογισμικού που θα τρέχει στο Υπολογιστικό Νέφος - ΥΝ (Cloud Computing) ή/και θα το χρησιμοποιεί ως μέσο για την εκτέλεση εργασιών ανάπτυξης υπηρεσιών λογισμικού. Το νέο αυτό περιβάλλον εκτέλεσης εισάγει μια σειρά από παράγοντες που διαφοροποιούν τον κλασικό  τρόπο με τον οποίο αναπτύσσεται το λογισμικό και που εισάγουν κάποιους σημαντικούς περιορισμούς αναφορικά με την ποιότητά του. Επιπλέον, υπάρχει ανάγκη για ελαστικότητα και αυτοματοποίηση των διεργασιών ανάπτυξης αλλά και υποστήριξης της λειτουργίας συστημάτων λογισμικού για το ΥΝ που θα συνδέουν στενά την ομάδα ανάπτυξης με την ομάδα διαχείρισης της λειτουργίας τους. Στα πλαίσια αυτά θα μελετηθούν και προταθούν νέα μοντέλα κύκλου ζωής για το ΥΝ, μεθοδολογίες παραγωγής υπηρεσιών λογισμικού και σύνθεσης υφιστάμενων υπηρεσιών για τη δημιουργία μεγαλύτερων ενιαίων εφαρμογών, τεχνικές και αλγόριθμοι αυτόματης διεκπεραίωσης δραστηριοτήτων (π.χ. ανίχνευση παραβιάσεων των συμφωνιών υπηρεσιών - Service Level Agreements, έλεγχος του λογισμικού με αυτοματοποιημένο τρόπο, επίσπευση του κύκλου ανάπτυξης και συχνότερη παράδοση, κλπ). Στα πλαίσια αυτά θα μελετηθεί επίσης η προσέγγιση DevOps η οποία προτείνει τη στενή συνεργασία μεταξύ των ατόμων που αναπτύσσουν κάποια εφαρμογή ή υπηρεσία λογισμικού με τα άτομα που αναλαμβάνουν την εγκατάσταση και υποστήριξή τους. Θα γίνει χρήση μοντέλων και τεχνικών Υπολογιστικής Νοημοσύνης σε συνδυασμό με κλασικά θέματα Τεχνολογίας Λογισμικού όπως οι Ευκίνητες Διαδικασίες (Agile Processes), ο έλεγχος λογισμικού, η διαχείριση έργων, η οργάνωση ομάδων κλπ. Το θέμα αυτό θα υποστηριχθεί και από πρόγραμμα του Ορίζοντα 2020 το οποίο ήδη έχει ξεκινήσει και εκτελείται σε συνεργασία με το Πολυτεχνείο του Μιλάνου και το Πανεπιστήμιου του Τίλμπουργκ στην Ολλανδία.

Απαραίτητα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου ή/και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή της Μηχανικής των Η/Υ ή της Μηχανικής της Πληροφορικής ή άλλου συναφούς κλάδου. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Οι υποψήφιοι με τα κατάλληλα προσόντα μπορούν να χρηματοδοτηθούν ως συμμετέχοντες σε ερευνητικά προγράμματα ή ως βοηθοί διδασκαλίας.

 

«Αυτοματοποιημένη Διαχείριση Πόρων για το Υπολογιστικό Νέφος»

Περιγραφή: Η έρευνα θα επικεντρωθεί σε αλγόριθμους, μεθόδους και τεχνικές για την αυτοματοποίηση συγκεκριμένων διαδικασιών που λαμβάνουν χώρα στο περιβάλλον του Υπολογιστικού Νέφους – ΥΝ για τη διαχείριση των πόρων του. Στα πλαίσια αυτά θα μελετηθούν προβλήματα βέλτιστης διαχείριση των πόρων (π.χ. φυσικοί εξυπηρετητές και ιδεατές μηχανές) ώστε να εξυπηρετούνται οι πελάτες των υπηρεσιών του Νέφους γρήγορα και με βάση τις σχετικές συμφωνίες SLA με ταυτόχρονη εξοικονόμηση κόστους και ενέργειας στο ΥΝ. Επιπρόσθετα, θα γίνει μελέτη υποκατηγοριών υπολογισμού στο ΥΝ, όπως το Fox/Edge Computing, με βάση το οποίο η λογική και η εκτέλεση ενός υπολογισμού γίνεται σε τοπικό επίπεδο-κόμβο αποφεύγοντας την καθυστέρηση λόγω μετάδοσης δεδομένων στο δίκτυο.

Η προσέγγιση που θα ακολουθηθεί θα στηρίζεται σε μοντέλα και αλγόριθμους Υπολογιστικής Νοημοσύνης και σε μονή και πολλαπλή βελτιστοποίηση. Το θέμα αυτό θα υποστηριχθεί και από πρόγραμμα του Ορίζοντα 2020 το οποίο ήδη έχει ξεκινήσει και εκτελείται σε συνεργασία με το Πολυτεχνείο του Μιλάνου και το Πανεπιστήμιου του Τίλμπουργκ στην Ολλανδία.

Απαραίτητα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου ή/και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή της Μηχανικής των Η/Υ ή της Μηχανικής της Πληροφορικής ή άλλου συναφούς κλάδου. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Οι υποψήφιοι με τα κατάλληλα προσόντα μπορούν να χρηματοδοτηθούν ως συμμετέχοντες σε ερευνητικά προγράμματα ή ως βοηθοί διδασκαλίας.

 

«Τεχνολογία Λογισμικού και Ευφυής Επεξεργασία Δεδομένων σε Κατανεμημένα Συστήματα Επεξεργασίας Blockchain»

Περιγραφή: Η έρευνα θα επικεντρωθεί σε μεθοδολογίες και τεχνικές για την ανάπτυξη συστημάτων λογισμικού για την κατανεμημένη επεξεργασία που λαμβάνει χώρα στο νέο υπολογιστικό μοντέλο του Blockchain. Ιδιαίτερη έμφαση θα δοθεί σε θέματα αυτοματοποίησης διαδικασιών για την επεξεργασία δεδομένων στο περιβάλλον αυτό κάνοντας χρήση μοντέλων και αλγορίθμων Υπολογιστικής και Τεχνητής Νοημοσύνης καθώς και ευριστικών μεθόδων απλής και πολλαπλής βελτιστοποίησης. Το θέμα αυτό θα εφαρμόσει τα ερευνητικά αποτελέσματα σε πραγματικά συστήματα που ήδη τρέχουν ή πρόκειται να αναπτυχθούν σε περιβάλλον Blockchain κυρίως από τον Χρηματο-οικονομικό χώρο και ενδέχεται να υποστηριχθεί με δεδομένα ή/και χρηματοδότηση από τοπικούς ιδιωτικούς φορείς με τους οποίους ήδη έχει συζητηθεί το ενδεχόμενο αυτό και είναι θετικοί.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου ή/και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή της Μηχανικής των Η/Υ ή της Μηχανικής της Πληροφορικής ή άλλου συναφούς κλάδου. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο αντικείμενο της θέσης και θέματα Υπολογιστικής και Τεχνητής Νοημοσύνης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Οι υποψήφιοι με τα κατάλληλα προσόντα μπορούν να χρηματοδοτηθούν ως συμμετέχοντες σε ερευνητικά προγράμματα ή/και ως βοηθοί διδασκαλίας.

Ερευνητικός Σύμβουλος: Ανδρέας Σ. Ανδρέου, Καθηγητής, andreas.andreou@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Ανίχνευση, Εντοπισμός και Παρακολούθηση Συμβάντος με Ασύρματα Δίκτυα Αισθητήρων»

Περιγραφή: Τα Ασύρματα Δίκτυα Αισθητήρων (ΑΔΑ) είναι μια σχετικά καινούργια τεχνολογία η οποία έχει τη δυνατότητα να ενσωματώσει τους υπολογιστές στην καθημερινή μας ζωή αφήνοντας τους να δουλεύουν αθέατοι στο περιθώριο. Υπάρχει ένα μεγάλο εύρος από πιθανές εφαρμογές περιλαμβανομένου στρατιωτική ανίχνευση, ασφάλεια υποδομής, περιβαλλοντική παρακολούθηση και παρακολούθηση φυσικών βιοτόπων, βιομηχανική ανίχνευση, παρακολούθηση κτιρίων και εγκαταστάσεων και έλεγχο τροχαίας. Η προτεινόμενη έρευνα αναμένεται να περικλείει ιδέες και τεχνικές από πολλά διαφορετικά πεδία περιλαμβανομένου τα Ασύρματα Συστήματα Επικοινωνίας, τα Δίκτυα Η/Υ, την Συλλογική Επεξεργασία Σημάτων και Πληροφορίας και την Υπολογιστική Νοημοσύνη.

H προσφερόμενη θέση θα επικεντρωθεί στην ανάπτυξη καινούργιων αλγορίθμων και τεχνικών για την ανίχνευση, εντοπισμό και παρακολούθηση κάποιου συμβάντος με ΑΔΑ. Οι αλγόριθμοι που θα αναπτυχθούν πρέπει να χαρακτηρίζονται από χαμηλή πολυπλοκότητα, κατανεμημένη εφαρμογή και ανεκτικότητα σε σφάλματα έτσι ώστε να συνάδουν με τους περιορισμούς των ΑΔΑ όσο αφορά την ενέργεια και το εύρος ζώνης καθώς και τις σκληρές συνθήκες λειτουργίας.  Οι επιτυχημένοι αιτούντες αναμένεται να πραγματοποιήσουν πειράματα σε πραγματικό χρόνο χρησιμοποιώντας την πλατφόρμα ΑΔΑ στο ΤΕΠΑΚ για να επαληθεύσουν την απόδοση των αλγορίθμων τους. 

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου (απαραίτητα) και μεταπτυχιακού επιπέδου μάστερ (κατά προτίμηση) στην επιστήμη της Ηλεκτρολογίας ή / και της Πληροφορικής. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Ερευνητικός Σύμβουλος: Μιχάλης  Μιχαηλίδης, Επίκουρος Καθηγητής, michalis.michaelides@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Παρακολούθηση Μολυντικών Ουσιών σε Ευφυή Κτίρια»

Περιγραφή: Το ευφυές κτίριο αποτελεί ένα σύστημα που χρησιμοποιεί τεχνολογία ηλεκτρονικών υπολογιστών για τον αυτόνομο έλεγχο και την προσαρμογή του περιβάλλοντος του κτιρίου με σκοπό την βελτίωση της λειτουργίας και την εξοικονόμηση ενέργειας, την μείωση του κόστους, την βελτίωση της άνεσης, της αποδοτικότητας και της ασφάλειας των κατοίκων, και την αύξηση της ευρωστίας και αξιοπιστίας. Η διασπορά μολυντικών ουσιών μέσα στο κτίριο θέτει σε κίνδυνο την ποιότητα του αέρα και μπορεί να επηρεάσει την άνεση, υγεία, αποδοτικότητα και την ασφάλεια των κατοίκων. Οι μολυντικές ουσίες μπορεί να προκύψουν λόγω κάποιου ατυχήματος, βλάβης σε μηχάνημα ή και σχεδιασμένης τρομοκρατικής ενέργειας. Κάτω από αυτές τις κρίσιμες συνθήκες απαιτείται η άμεση ανίχνευση της ουσίας έτσι ώστε να ληφθούν οι ορθές αποφάσεις που θα εξασφαλίσουν την ασφάλεια των κατοίκων.

Η προτεινόμενη έρευνα θα μελετήσει και θα παράγει λύσεις στο πρόβλημα της παρακολούθησης του περιβάλλοντος εντός του κτιρίου για την εξεύρεση μολυντικών ουσιών. Τα κατανεμημένα δίκτυα αισθητήρων έχουν χρησιμοποιηθεί ευρέως στα κτίρια για την παρακολούθηση της θερμοκρασίας, της υγρασίας και της συγκέντρωσης μολυντικών ουσιών (π.χ. CO, CO2) στον εσωτερικό χώρο. Ο σκοπός της έρευνας θα είναι η ανάπτυξη μεθόδων ερμηνείας των δεδομένων πραγματικού χρόνου που συλλέγονται από τους αισθητήρες για την εξασφάλιση της ορθής και έγκαιρης ανίχνευσης των μολυντικών ουσιών. Τα αποτελέσματα της έρευνας δύναται να χρησιμοποιηθούν για: (α) την υπόδειξη ασφαλών χώρων ή εξόδων από το κτίριο στους κατοίκους, (β) τον εντοπισμό και την απομόνωση των χώρων που έχουν μολυνθεί και (γ) τον καθαρισμό των μολυσμένων χώρων με την αφαίρεση της πηγής, εξαερισμό ή φιλτράρισμα του αέρα.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου (απαραίτητα) και μεταπτυχιακού επιπέδου μάστερ (κατά προτίμηση) στην επιστήμη της Ηλεκτρολογίας ή / και της Πληροφορικής. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Ερευνητικός Σύμβουλος:Μιχάλης Μιχαηλίδης, Επίκουρος Καθηγητής, michalis.michaelides@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Παρακολούθηση Ποιότητας Αέρα σε Ευφυείς Πόλεις με Ασύρματα Δίκτυα Αισθητήρων»

 Περιγραφή: Ακόμα και σήμερα, υπάρχει μια αναγνωρισμένη έλλειψη απαιτούμενης υποδομής για περιβαλλοντική παρακολούθηση, τόσο χωρικά (σε πολλαπλά σημεία), όσο και χρονικά (σε τακτά χρονικά διαστήματα). Το προτεινόμενο Ασύρματο Δίκτυο Αισθητήρων (ΑΔΑ) μπορεί να αποτελέσει μια οικονομική και συνάμα αξιόπιστη λύση για την παρακολούθηση και τον έλεγχο της ποιότητας του αέρα σε αστικές περιοχές. Η προτεινόμενη έρευνα θα επικεντρωθεί στην δημιουργία καινούργιων αλγορίθμων και τεχνικών για την ανίχνευση, ταυτοποίηση και παρακολούθηση αέριων ρύπων σε ένα αστικό περιβάλλον με τη χρήση ενός ΑΔΑ. Πιο συγκεκριμένα, οι υποψήφιοι αναμένεται να χρησιμοποιήσουν μεθόδους επεξεργασίας σήματος και μηχανικής μάθησης για να αναλύσουν τα δεδομένα από τους αισθητήρες με σκοπό: (α) τη δημιουργία ενός λεπτομερούς χάρτη ρύπανσης της πόλης, (β) την ταυτοποίηση και εντοπισμό των κύριων πηγών ρύπανσης και (γ) τη δημιουργία μοντέλων πρόβλεψης των επιπέδων ρύπανσης στο σύντομο μέλλον. Τα αποτελέσματα της έρευνας αναμένεται ότι θα προσφέρουν την αναγκαία πληροφόρηση για τη λήψη κατάλληλων αποφάσεων και μέτρων που θα οδηγήσουν στη μείωση των ρύπων και τη βελτίωση του περιβάλλοντος. Οι επιτυχημένοι αιτούντες αναμένεται να πραγματοποιήσουν πειράματα με πραγματικά δεδομένα από την πλατφόρμα ΑΔΑ που υπάρχει ήδη εγκατεστημένη στο ΤΕΠΑΚ για να επαληθεύσουν την απόδοση των αλγορίθμων τους.            

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου (απαραίτητα) και μεταπτυχιακού επιπέδου μάστερ (κατά προτίμηση) στην επιστήμη της Ηλεκτρολογίας ή / και της Πληροφορικής. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Ερευνητικός Σύμβουλος: Μιχάλης  Μιχαηλίδης, Επίκουρος Καθηγητής, michalis.michaelides@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Ασύρματα Δίκτυα Αισθητήρων για Ευφυή Λιμάνια»

Περιγραφή: Τα λιμάνια έχουν διαδραματίσει σημαντικό ρόλο στην σύνδεση της Ευρωπαϊκής αγοράς με νησιά, όπως και η Κύπρος, καθώς υπολογίζεται ότι 74% των αγαθών που εισάγονται και εξάγονται από την Ευρώπη δρομολογούνται μέσω της θαλάσσης. Τα Ασύρματα Δίκτυα Αισθητήρων (ΑΔΑ) είναι μια σχετικά καινούργια τεχνολογία η οποία έχει τη δυνατότητα να βελτιώσει την αποδοτικότητα των διαφόρων διαδικασιών και υπηρεσιών στο λιμάνι δια της παροχής πληροφορίας για επίγνωση της κατάστασης σε πραγματικό χρόνο από όλους τους εμπλεκομένους φορείς της ναυτιλίας στα λιμάνια της Κύπρου.  Η προτεινόμενη έρευνα αφορά την υλοποίηση ενός τέτοιου ΑΔΑ στο Λιμάνι Λεμεσού για τη συλλογή δεδομένων σε πραγματικό χρόνο για κινήσεις πλοίων, περιβαλλοντικές συνθήκες, και παρακολούθηση φορτίων με την χρήση καινοτόμων τεχνολογιών όπως buoys, UAVs, και RFIDs. Επίσης, περιλαμβάνει την επεξεργασία των δεδομένων που θα συλλέγονται με προχωρημένες μεθόδους ανάλυσης δεδομένων για τη διασφάλιση ψηλής ποιότητας δεδομένων, υπολογισμού KPIs, και τη δημιουργία νέων εργαλείων λήψης απόφασης και υπηρεσιών για τους φορείς της ναυτιλίας.  Οι επιτυχημένοι αιτούντες αναμένεται να πραγματοποιήσουν πειράματα σε πραγματικό χρόνο χρησιμοποιώντας την πλατφόρμα ΑΔΑ που θα αναπτυχθεί στο Λιμάνι Λεμεσού για να επαληθεύσουν την απόδοση των αλγορίθμων τους.

Απαιτούμενα Προσόντα: Πτυχίο και μεταπτυχιακό επιπέδου μάστερ στην επιστήμη της Ηλεκτρολογίας ή/και της Πληροφορικής ή σε συναφές γνωστικό αντικείμενο. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Υπάρχει δυνατότητα χρηματοδότησης μέσω Ερευνητικών Προγραμμάτων για υποψήφιους πλήρης απασχόλησης που πληρούν τα προσόντα

Ερευνητικοί Σύμβουλοι:

Μιχάλης  Μιχαηλίδης, Επίκουρος Καθηγητής, michalis.michaelides@cut.ac.cy

Ηρόδοτος  Ηροδότου, Λέκτορας,  herodotos.herodotou@cut.ac.cy.

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Πλατφόρμα Ανάλυσης Μεγάλου Όγκου Δεδομένων στη Ναυτιλιακή Βιομηχανία»

Περιγραφή: Η ναυτιλιακή βιομηχανία έχει διαδραματίσει σημαντικό ρόλο στην Ευρωπαϊκή οικονομική ανάπτυξη και ευημερία, καθώς υπολογίζεται ότι το 74% των αγαθών που εισάγονται ή εξάγονται από την Ευρώπη δρομολογούνται μέσω θαλάσσιων μεταφορών και λιμένων. Η ψηφιοποίηση των λιμενικών πληροφοριών και η εισαγωγή νέων τεχνολογιών όπως το AIS, αισθητήρες σε buoys και UAVs, και RFIDs οδήγησαν σε δραματική αύξηση του όγκου  των ναυτιλιακών δεδομένων, τα οποία αποτελούν κλειδί της βελτίωσης της απόδοσης των διαφόρων λιμενικών διαδικασιών και υπηρεσιών. Η προτεινόμενη έρευνα περιλαμβάνει το σχεδιασμό και την ανάπτυξη της απαραίτητης υποδομής διαχείρισης μεγάλου όγκου δεδομένων, η οποία θα αποτελέσει μια ολοκληρωμένη λύση για (α) αποτελεσματική συλλογή και ενοποίηση δεδομένων από διάφορες πηγές, (β) δυνατότητα επεξεργασίας ροής δεδομένων σε πραγματικό χρόνο, (γ) αποθήκευση των δεδομένων με τρόπο ανεκτικό σε σφάλματα, και (δ) υποστήριξη μηχανικής μάθησης και προχωρημένων μεθόδων ανάλυσης δεδομένων, με στόχο την άντληση νέων γνώσεων και τη στήριξη των δραστηριοτήτων λήψης αποφάσεων στους φορείς της ναυτιλίας. Η προτεινόμενη πλατφόρμα θα επικυρωθεί μέσω της επεξεργασίας σε πραγματικό χρόνο δεδομένων σχετικά με τις μετακινήσεις των πλοίων, το περιβάλλον και την παρακολούθηση φορτίων στο Λιμάνι Λεμεσού.

Απαιτούμενα Προσόντα: Πτυχίο και μεταπτυχιακό επιπέδου μάστερ στην Πληροφορική ή σε συναφές γνωστικό αντικείμενο. Στον ιδανικό υποψήφιο θα πρέπει να αρέσει η εργασία σε ερευνητικά προβλήματα καινοτόμων συστημάτων και να κατέχει καλές δεξιότητες ανάπτυξης λογισμικού. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Υπάρχει δυνατότητα χρηματοδότησης μέσω Ερευνητικών Προγραμμάτων για υποψήφιους πλήρης απασχόλησης που πληρούν τα προσόντα

Ερευνητικοί Σύμβουλοι:

Μιχάλης Μιχαηλίδης, Επίκουρος Καθηγητής, michalis.michaelides@cut.ac.cy

Ηρόδοτος  Ηροδότου, Λέκτορας,  herodotos.herodotou@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Έξυπνη διαχείριση πόρων σε κατανεμημένα συστήματα επεξεργασίας ροών δεδομένων»

Περιγραφή: Η ανάγκη μείωσης του χάσματος μεταξύ της παραγωγής δεδομένων και της εξαγωγής γνώσεων από αυτά τα δεδομένα οδήγησε σε σημαντικές καινοτομίες σε κατανεμημένα συστήματα επεξεργασίας ροών δεδομένων (DSPEs). Αυτά τα συστήματα επιτρέπουν την κατανάλωση και την ανάλυση δεδομένων σε πραγματικό χρόνο. Ωστόσο, η διασφάλιση της καλής και σταθερής απόδοσης για εφαρμογές ροών δεδομένων σε τόσο μεγάλη κλίμακα παρουσιάζει πολλές νέες προκλήσεις, όπως η κατανεμημένη διαχείριση των πόρων του συστήματος, η ετερογένεια των συμπλεγμάτων υπολογιστών και η αυξημένη πολυπλοκότητα εφαρμογών ροών δεδομένων. Ο στόχος είναι να αναπτυχθούν αυτοματοποιημένες τεχνικές διαχείρισης πόρων για την αντιμετώπιση των προαναφερθέντων προκλήσεων προκειμένου να καταστούν οι DSPEs πιο αποδοτικοί στα λειτουργικά τους χαρακτηριστικά. Συγκεκριμένα, ο υποψήφιος διδακτορικός φοιτητής θα κληθεί να σχεδιάσει και να υλοποιήσει νέους αλγόριθμους και εργαλεία για τη βελτιστοποίηση της κατανομής υπολογιστικών πόρων (π.χ. CPU cores, μνήμη) τόσο στα συστήματα επεξεργασίας ροών δεδομένων όσο και στις εφαρμογές που επεξεργάζονται τις ροές δεδομένων. Επιπλέον, τα εργαλεία θα είναι υπεύθυνα για την παρακολούθηση της χρήσης του συστήματος, για την εξεύρεση και εξάλειψη άσκοπης χρήσης υπολογιστικών πόρων και για τον καθορισμό αυτόματων ενεργειών ως απάντηση σε ανωμαλίες και αναποτελεσματικότητα, με τελικό στόχο τη μεγιστοποίηση της χρήσης των πόρων και την ελαχιστοποίηση καθυστερήσεων στις εφαρμογές.

Απαιτούμενα Προσόντα: Πτυχίο και μεταπτυχιακό επιπέδου μάστερ στην Πληροφορική ή σε συναφές γνωστικό αντικείμενο. Στον ιδανικό υποψήφιο θα πρέπει να αρέσει η εργασία σε ερευνητικά προβλήματα καινοτόμων συστημάτων και να κατέχει καλές δεξιότητες ανάπτυξης λογισμικού. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Υπάρχει δυνατότητα χρηματοδότησης μέσω Ερευνητικών Προγραμμάτων για υποψήφιους πλήρης απασχόλησης που πληρούν τα προσόντα ή ως βοηθοί διδασκαλίας.

Ερευνητικός  Σύμβουλος: Ηρόδοτος  Ηροδότου, Λέκτορας,  herodotos.herodotou@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Ανάπτυξη Πλασμονικών Αισθητήρων Οπτικών ινών και Νανο Κεραίων χρησιμοποιώντας Λέιζερ Φεμτοδευτερολέπτου»

Απαιτούμενα Προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας ή Φυσικής ή σε άλλο συναφές αντικείμενο καθώς επίσης και με δυνατό μαθηματικό υπόβαθρο.

Στόχος αυτής της διατριβής είναι η ανάπτυξη καινοτόμων φωτονικών αισθητήρων για εφαρμογές στις Βιοεπιστήμες με χρήση λέιζερ φεμτοδευτερολέπτου.

Ερευνητικός  Σύμβουλος: Κυριάκος  Καλλής, Καθηγητή,  kyriacos.kalli@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Αισθητήρες Οπτικών Ινών για Βιοϊατρικές Εφαρμογές»

Απαιτούμενα Προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας ή Φυσικής ή σε άλλο συναφές αντικείμενο καθώς επίσης και με δυνατό μαθηματικό υπόβαθρο.

Ερευνητικός  Σύμβουλος: Κυριάκος  Καλλής, Καθηγητή,  kyriacos.kalli@cut.ac.cy

 

  • Μία (1) θέση στο γνωστικό αντικείμενο: «Αλγόριθμοι Προβλεπτικής Μοντελοποίησης για Κατανεμημένα Δίκτυα Ακουστικών Αισθητήρων (ΚΑΑ) με εφαρμογές σε Συστήματα Αγωγών Μεταφοράς Φυσικού Αερίου» 

Περιγραφη:Στόχος αυτής της διατριβής είναι η ανάπτυξη καινοτόμων αλγορίθμων μηχανικής μάθησης, κατάλληλων για οδηγούμενη από τα δεδομένα πρόβλεψη σε Κατανεμημένα Δίκτυα Ακουστικών Αισθητήρων (ΚΑΑ). Συγκεκριμένα, τα περιβάλλοντα ΚΑΑ ενέχουν σημαντική επιστημική αβεβαιότητα, λόγω χαρακτηριστικών όπως λοξότητα, μακριές ουρές, μη-στασιμότητα και θόρυβος μέτρησης. Ως εκ τούτου, χρειάζεται η ανάπτυξη νέων μεθόδων deep generative models με καινοτόμες στατιστικές υποθέσεις. Επιπλέον, η ίδια η φύση των δικτύων ΚΑΑ απαιτεί ανάπτυξη  κατάλληλων κατανεμημένων αλγόριθμων συμπερασμού, ως και υλικού αισθητήρων που να συνεργάζονται αποδοτικά με αυτούς. Η διατριβή αυτή θα αντιμετωπίσει συνολικά αυτές τις προκλήσεις. Θα αναπτύξουμε ΚΑΑ δίκτυα στο εργαστήριό μας και θα αξιοποιήσουμε state-of-the-art λογισμικό μηχανικής μάθησης, όπως το TensorFlow. Υπάρχει επίσης η ισχυρή προοπτική ανάπτυξης και αξιολόγησης των καινοτόμων λύσεων μας σε πραγματικές βιομηχανικές εγκαταστάσεις, μέσω της υπάρχουσας συνεργασίας μας με έναν παγκόσμιο ηγέτη στις τεχνολογίες αισθητήρων οπτικών ινών. Η διατριβή αυτή απαιτεί μια βασική εξοικείωση με τα ΚΑΑ και την στατιστική μοντελοποίηση.

Ερευνητικοί Σύμβουλοι:

Σωτήρη Χατζή, Επίκουρος Καθηγητής,  sotirios.chatzis@cut.ac.cy

Κυριάκος  Καλλή, Καθηγητής,  kyriacos.kalli@cut.ac.cy.

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Νυκτερινά Συστήματα Ψύξης: Μοντελισμός και συστήματα παρακολούθησης»

Απαιτούμενα Προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας και Μηχανικών Ηλεκτρονικών Υπολογιστών ή Επιστήμη Υπολογιστών ή άλλο συναφές αντικείμενο. Προηγούμενη ερευνητική ή άλλη εμπειρία σε Μαθηματικά μοντέλα θα θεωρηθεί πλεονέκτημα.

Ερευνητικός Σύμβουλος : Παύλος Χριστοδουλίδη, Επίκουρος Καθηγητής paul.christodoulides@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: Εφαρμογή μοντέλων διαρθρωτικών εξισώσεων και Δορυφορικές τροχιές

Απαιτούμενα προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας και Μηχανικών Ηλεκτρονικών Υπολογιστών ή Επιστήμη Υπολογιστών ή άλλο συναφές αντικείμενο. Προηγούμενη ερευνητική ή άλλη εμπειρία σε Μαθηματικά μοντέλα θα θεωρηθεί πλεονέκτημα.

Ερευνητικός Σύμβουλος : Παύλος Χριστοδουλίδη, Επίκουρος Καθηγητής paul.christodoulides@cut.ac.cy

 

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Μαθηματικός μοντελισμός και ανάλυση απόδοσης αρχιτεκτονικών δρομολογητών μικρό-δικτύων και ροής δεδομένων»

Περιγραφή : Το ερευνητικό θέμα επικεντρώνεται στην ανάπτυξη διεξοδικών μαθηματικών μοντέλων για τη λεπτομερή καταγραφή της συμπεριφοράς της αρχιτεκτονικής διασωληνωμένων μικρο-δρομολογητών που χρησιμοποιούνται στα μίκρο-δίκτυα διασύνδεσης τα οποία αξιοποιούνται στους σημερινούς επεξεργαστές πολλαπλών πυρήνων και στα ενσωματωμένα συστήματα τεχνολογικής αιχμής. Θα εξεταστούν διάφορες αρχιτεκτονικές τελευταίας τεχνολογίας. Η αλληλεπίδραση της υποκείμενης οργάνωσης δρομολογητή θα εξεταστεί παράλληλα με διάφορα πρωτόκολλα ελέγχου ροής και αλγορίθμους δρομολόγησης μαζί με πολυάριθμες ροές κυκλοφορίας δεδομένων με σκοπό στο να προσδιοριστούν τα επίπεδα απόδοσης και διεκπεραιωτικότητας του δικτύου που θα λειτουργούν ως δείκτες της αρχιτεκτονικής απόδοσης του δρομολογητή. Τα αποτελέσματα που προκύπτουν από προσομοιώσεις λογισμικού ισοδύναμων αρχιτεκτονικών θα επιβεβαιώνουν την εγκυρότητα και την ακρίβεια συμπεριφοράς των μαθηματικά διαμορφωμένων αρχιτεκτονικών μικρο-δρομολογητών.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου και μεταπτυχιακού επιπέδου Μάστερ (Master’s) από αναγνωρισμένα πανεπιστήμια είτε στον τομέα της Πληροφορικής, ή της Μηχανικής Η/Υ, ή της Ηλεκτρολογίας, ή Μαθηματικών με προτιμώμενη εξειδίκευση σε ένα από τους ακόλουθους τομείς:  αρχιτεκτονική Η/Υ, δίκτυα H/Y, διακριτά μαθηματικά, στατιστική, ή άλλης συναφούς εξειδίκευσης. Οι υποψήφιοι θα πρέπει να έχουν 2 και επιπλέον χρόνια εμπειρίας στον αντικειμενοστραφή προγραμματισμό και να μπορούν να προγραμματίζουν άπταιστα στη γλώσσα προγραμματισμού C++ ή και στην γλώσσα Python, και επίσης να διαθέτουν αρκετά καλό μαθηματικό υπόβαθρο. Άριστη γνώση της αγγλικής γλώσσας είναι απαραίτητη.

Ερευνητικοί  Σύμβουλοι :

Παύλος Χριστοδουλίδης, Επίκουρος Καθηγητής,  paul.christodoulides@cut.ac.cy

Βάσος  Σωτηρίου, Αναπληρωτής Καθηγητής,  vassos.soteriou@cut.ac.cy

 

  • Μία (1) θέση με γνωστικό αντικείμενο: «Νέες τεχνικές για την αποθήκευση και αρχειοθέτηση δεδομένων από μαζικά και σύνθετα ποσά 2D/3D/4D πολιτιστικών αγαθών»

Περιγραφή : H Πολιτιστική Κληρονομιά αποτελεί αναπόσπαστο στοιχείο της Ευρώπης και καθίσταται ζωτικής σημασίας για τη δημιουργία μιας κοινής ευρωπαϊκής ταυτότητας. Η πλέον ραγδαία ανάπτυξη της τεχνολογίας έχει οδηγήσει σε μαζική ψηφιοποίηση πολιτιστικών αγαθών, η οποία απαιτεί την οικονομικά αποδοτική συντήρηση, τεκμηρίωση, προστασία και παρουσίασή τους σε διαδικτυακές ψηφιακές βιβλιοθήκες. Στόχος είναι, μέσα από τεχνολογική καινοτομία, να αναδειχθούν με ψηφιακά μέσα, όλες οι πτυχές της Πολιτιστικής Κληρονομιάς, τόσο της υλικής (βιβλία, εφημερίδες, φωτογραφίες, σχέδια, χειρόγραφα, στολές, χάρτες, αντικείμενα, αρχαιολογικούς χώρους, μνημεία) όσο και της άυλης (π.χ., μουσική, τέχνες του θεάματος, λαογραφία, θεατρικές παραστάσεις) καθώς και οι σημασιολογικές τους συνδέσεις, όπως επίσης και η ενίσχυση της προστιθέμενης αξίας τους με την εκ νέου χρήση τους στους τομείς της εκπαίδευσης, της τουριστικής βιομηχανίας, της διαφήμισης και της τέχνης.

Η προτεινόμενη έρευνα, έχει ως σκοπό (α) την μελέτη και ανάλυση μαζικών και σύνθετων πολυμεσικών 3D/4D δεδομένων, (β) την μελέτη και ανάλυση της αποθήκευσης και αρχειοθέτησης των δεδομένων αυτών σε ψηφιακές βιβλιοθήκες, (γ) την ανάπτυξη καινοτόμων μεθοδολογιών για τη συγκομιδή συνόλων δεδομένων από ψηφιακές βιβλιοθήκες, λαμβάνοντας υπόψη τις σημασιολογικές τους υπογραφές, και τέλος, (δ) την ανάπτυξη καινοτόμων μεθοδολογιών για την επαναχρησιμοποίηση τέτοιων πολύπλοκων δομών από τις ψηφιακές βιβλιοθήκες.

Ερευνητικός Σύμβουλος: Ανώτερος Λέκτορας, Μαρίνος  Ιωαννίδης, marinos.ioannides@cut.ac.cy

 

  • Μία (1) θέση με γνωστικό αντικείμενο: «Ολιστική Διαχείριση Πολιτιστικής Κληρονομιάς»

Περιγραφή : Η Διαχείριση Πολιτιστικής Κληρονομιάς είναι ένα πολυπαραμετρικό πεδίο που αντιμετωπίζει σήμερα ποικίλες προκλήσεις. Η σταδιακή διεύρυνση του όρου «Πολιτιστική Κληρονομιά» (ΠΚ) οδήγησε σε ένα είδος διαχείρισής της, το οποίο υπερβαίνει την έννοια της συντήρησης και αποκατάστασης του πολιτιστικού αγαθού. Ευρύ φάσμα αξιών, ποικιλία εμπλεκομένων φορέων, πολλαπλοί, ακόμη και συγκρουόμενοι στόχοι, είναι μερικές μόνο από τις προκλήσεις που αντιμετωπίζει η ΠΚ. Ακόμη και σήμερα διάφορες αρχές και φορείς λειτουργούν ο καθένας αποκλειστικά μέσα στα δικά τους στενά πλαίσια και χωρίς να λαμβάνουν υπόψη ένα πλήθος άλλων αλληλένδετων παραμέτρων. Αυτή η στάση οδηγεί συχνά σε αποσπασματικές και όχι τόσο ωφέλιμες επεμβάσεις. Η προτεινόμενη έρευνα έχει ως σκοπό να προσεγγίσει την ΠΚ με έναν ολιστικό τρόπο. Ως μία «διαδικασία» διαχείρισης η οποία άρχεται από τη φάση της συλλογής δεδομένων, αλλά επίσης και ως «αποτέλεσμα» διαχείρισης που οδηγεί σε συγκεκριμένες δράσεις. Θα περιλαμβάνει και θα εκτείνεται σε όλο τον κύκλο ζωής του πολιτιστικού αγαθού, αλλά και του ανθρώπου, ξεκινώντας από τη σχολική ηλικία, καθώς ο άνθρωπος είναι ο πάροχος αλλά και ο χρήστης των πολιτιστικών αγαθών. Για την επίτευξη των παραπάνω απαιτείται η διαρκής εναλλασσόμενη μετακίνηση ανάμεσα σε διάφορα επιστημονικά πεδία, η επιδέξια διαχείριση των πρωτογενών δεδομένων αλλά και ο κατάλληλος μετασχηματισμός τους ώστε να καταστούν αξιοποιήσιμα από διάφορους τομείς. Σημαντικά προσόντα θεωρούνται οι σπουδές στο πεδίο της τέχνης και του πολιτισμού, τα εργαλεία και η μεθοδολογική σκέψη του πεδίου της μηχανικής καθώς και η γνώση των τεχνικών της παιδαγωγικής, προκειμένου να εντοπιστούν οι τρόποι με τους οποίους η Πολιτιστική Κληρονομιά μπορεί να γίνει «κτήμα» από το ευρύ κοινό, καθιστάμενη πράγματι «δημόσιο αγαθό».

Απαιτούμενα Προσόντα: Πτυχίο και μεταπτυχιακό στην Αρχιτεκτονική, μεταπτυχιακό στο πεδίο της Πολιτιστικής Κληρονομιάς και Παιδαγωγική Εκπαίδευση. Πρότερη ερευνητική εμπειρία ή ειδίκευση στους τομείς της Πολιτιστικής Κληρονομιάς και της Εκπαίδευσης θα θεωρηθεί πλεονέκτημα. 

Ερευνητικός Σύμβουλος: Ανώτερος Λέκτορας, Μαρίνος  Ιωαννίδης,  marinos.ioannides@cut.ac.cy

 

  • Μία (1) θέση με γνωστικό αντικείμενο: «Χρήση Μηχανικής Μάθησης στην Επεξεργασία Πολιτιστικών Αγαθών»

Περιγραφή: H Πολιτιστική Κληρονομιά είναι το κληροδότημα ενός λαού από τις προηγούμενες γενεές, για το οποίο γίνονται προσπάθειες να διατηρηθεί στο παρόν αλλά και να διαφυλαχτεί η μελλοντική του ύπαρξη. Στη σημερινή εποχή, η ραγδαία εξέλιξη της τεχνολογίας έχει οδηγήσει στην ανάπτυξη ευφυών συστημάτων, τα οποία συμβάλλουν δραστικά σε τομείς όπως η καταγραφή, η διατήρηση και η προώθηση της Πολιτιστικής Κληρονομιάς. Αναπόσπαστο κομμάτι των ευφυών συστημάτων αποτελεί η μηχανική μάθηση καθώς πρόκειται για μια κατηγορία τεχνητής νοημοσύνης, η οποία δίνει τη δυνατότητα  στα σύγχρονα υπολογιστικά συστήματα να «μάθουν» να αναπτύσσονται και να προσαρμόζουν τη λειτουργία τους κατά την έκθεσή τους σε νέα δεδομένα.

Η προτεινόμενη έρευνα θα επικεντρωθεί στην ανάπτυξη μεθόδων μηχανικής μάθησης για την αξιοποίηση τους σε εφαρμογές πολιτιστικού περιεχομένου. Στα πλαίσια των ερευνητικών δραστηριοτήτων θα μελετηθούν υφιστάμενες μέθοδοι μηχανικής μάθησης (επιβλεπόμενη, μη-επιβλεπόμενη, ενισχυτική) που χρησιμοποιούνται για την κατηγοριοποίηση των πολιτιστικών αγαθών συναρτήσει του χρόνου.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου και μεταπτυχιακού επιπέδου στην Επιστήμη των Υπολογιστών, Ηλεκτρολόγων Μηχανικών ή σε συναφή κλάδο. Προηγούμενη ερευνητική εμπειρία στη μελέτη και εφαρμογή μηχανικής μάθησης στον κλάδο της Πολιτιστικής Κληρονομιάς θα θεωρηθεί προσόν.

Ερευνητικός Σύμβουλος :Ανώτερος Λέκτορας, Μαρίνος  Ιωαννίδης,  marinos.ioannides@cut.ac.cy

 

Πληροφορίες:

Από τη Γραμματεία του Τμήματος Τηλ.: 25002533, Φαξ.: 25002635

Ηλεκτρολόγων Μηχανικών και Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής

Προκήρυξη θέσεων σπουδών διδακτορικού επιπέδου, με έναρξη φοίτησης Σεπτέμβρη 2018

Καταληκτική ημερομηνία υποβολής αιτήσεων είναι η Παρασκευή, 13 Απριλίου 2018

Για υποβολή αίτησης, από εδώ

  • Μία (1) θέση με γνωστικό αντικείμενο: «Μηχανισμοί neural attention mechanisms για μάθηση εντοπισμού patterns οικονομικού εγκλήματος σε μεγάλα δεδομένα»

Περιγραφή: Το οικονομικό έγκλημα, περιλαμβανομένων της φοροαποφυγής και της απάτης, είναι μείζον πρόβλημα για τις Ευρωπαϊκές οικονομίες. Τυπικά, οι Ευρωπαικές αρχές χρησιμοποιούν διάφορα ευρετικά κριτήρια, που όμως απαιτούν πολύ κόπο για να εξαχθούν σωστά.

Αυτή η διατριβή προβλέπει την εξέταση και ανάπτυξη καινοτόμων μεθόδων μηχανικής μάθησης που αυτοματοποιούν τον εντοπισμό και χαρακτηρισμό patterns παράνομης δραστηριότητας. Συγκεκριμένα, θα αναπτύξουμε μοντέλα στατιστικής μηχανικής μάθησης που μαθαίνουν να εξάγουν σημαντικές χρονικές συσχετίσεις σε μεγάλα δεδομένα. Θα εστιάσουμε σε μηχανισμούς neural attention με differentiable memory modules. Αυτά ξέρουμε ότι παρέχουν προφανώς μεγάλη δυνατότητα μάθησης πάνω σε μακρείς χρονικούς ορίζοντες, μπορούν να δουλεύουν τόσο σε βραχείς όσο και μακρείς ορίζοντες, και να διακρίνουν το σημαντικό από το ήσσονος σημασίας. Η επιτυχία τους σε δύσκολα προβλήματα όπως speech recognition και natural language understanding, παρέχει ισχυρές εγγυήσεις ότι θα μπορέσουν να επιτύχουν και σε αυτά τα πλαίσια, όπου απαιτούνται συσχετίσεις μεταξή εκατομμυρίων ανθρώπων/εταιρειών σε μακρές χρονικές περιόδους που οι άνθρωποι δεν μπορούν να χειριστούν.

Ερευνητικός Σύμβουλος: Σωτήρης Χατζής , Επίκουρος Καθηγητής,  sotirios.chatzis@cut.ac.cy

 

  • Μία (1) θέση με γνωστικό αντικείμενο: «Καινοτόμες τεχνικές deep learning models για μηχανική περίληψη κειμένου»

Περιγραφή: Σε αυτή την διατριβή θα αναπτύξουμε καινοτόμες μεθόδους αφαιρετικής μηχανικής περίληψης κειμένου. Η έρευνά μας θα εστιάσει:

(α) στην ανάπτυξη αλγορίθμων policy learning για την εκπαίδευση του μοντέλου, που ενδέχεται να επιτρέψουν την απάμβλυνση του προβλήματος “exposure bias” από το οποίο υποφέρει το υπάρχον υπόδειγμα

(β) στην εφεύρεση νέων στατιστικών μηχανισμών “προσοχής” και διαφορίσιμης μνήμης, που υπόσχονται να αποδώσουν ισχυρότερους μηχανισμούς για την μοντελοποίηση ακολουθιακών εξαρτήσεων.

Απαιτούμενα Προσόντα: Προσδοκούμε ότι πως οι υποψήφιοι θα έχουν στοιχειώδη εξοικείωση με στοιχεία γραμμικής άλγεβρας και την γλώσσα Python. Θα θεωρήσουμε ως θετικό στοιχείο μια στοιχειώδη εμπειρία με την μηχανική μάθηση, ιδίως την εκτιμητική μεγίστης πιθανοφανείας και τις τεχνικές regularization.

Ερευνητικός Σύμβουλος: Σωτήρης Χατζής , Επίκουρος Καθηγητής,  sotirios.chatzis@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Σύνθετα Δίκτυα: Γεωμετρία,  Δυναμική και Πρόβλεψη»

Περιγραφή: Διάφορα σύνθετα δίκτυα (π.χ. τεχνολογικά, κοινωνικά, βιολογικά, οικονομικά, κλπ.) μπορούν να αντιστοιχιστούν σε γεωμετρικούς χώρους που κρύβονται κάτω από τις παρατηρήσιμες τοπολογίες τους. Οι εν λόγω χώροι ονομάζονται “κρυφοί” μιας και παίζουν το ρόλο ενός συστήματος γεωμετρικών συντεταγμένων, το οποίο δεν είναι παρατηρήσιμο εξετάζοντας την τοπολογία του δικτύου. Οι κόμβοι που βρίσκονται πιο κοντά μεταξύ τους στον κρυμμένο γεωμετρικό χώρο είναι συνδεδεμένοι στην παρατηρήσιμη τοπολογία του δικτύου με μεγαλύτερη πιθανότητα.

Απαιτούμενα Προσόντα: Ο/Η υποψήφιος/α διδάκτορας θα επικεντρωθεί στη μελέτη των ιδιοτήτων αυτών των κρυμμένων γεωμετρικών χώρων, και στην «κινητικότητα» των κόμβων των δικτύων σε αυτούς τους χώρους. Αναμένεται ότι σημαντικά θεμελιώδη όπως και πρακτικά ζητήματα θα απαντηθούν μέσω αυτής της διδακτορικής διατριβής, όπως: (α) Ποιοί είναι οι νόμοι που διέπουν την «κίνηση» των κόμβων ενός κοινωνικού δικτύου σε αυτούς τους χώρους; (β) Μπορεί αυτή η κίνηση να μοντελοποιηθεί χρησιμοποιώντας νόμους της κλασικής μηχανικής, για παράδειγμα νόμος της κίνησης του Νεύτωνα ή στοχαστικές εκδόσεις του; (γ) Είναι αυτή η κίνηση χαοτική, ή μπορεί να προβλεφθεί; Και (δ), δεδομένου ότι μπορούμε να προβλέψουμε την κίνηση αυτή, μπορούμε να προβλέψουμε τη μελλοντική δομή και την εξέλιξη πραγματικών σύνθετων δικτύων;

Η θέση αυτή εμπίπτει στις γενικές γνωστικές περιοχές της Επιστήμης Δικτύων και Επιστήμης Δεδομένων. Στον ιδανικό υποψήφιο θα πρέπει να αρέσουν τα Δίκτυα και τα Μαθηματικά (κυρίως Πιθανότητες και Πραγματική Ανάλυση). Ο υποψήφιος θα πρέπει επίσης να κατέχει πολύ καλές γνώσεις σε προγραμματισμό Η/Υ.

Ερευνητικός Σύμβουλος: Φραγκίσκος Παπαδόπουλος, Επίκουρος Καθηγητής,   f.papadopoulos@eecei.cut.ac.cy.

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Γεωμετρική Ανάλυση και Δυναμική Δικτύων Εγκεφάλου»

Περιγραφή: Χαρτογραφώντας τις δομικές και λειτουργικές συνδέσεις του ανθρώπινου εγκεφάλου είναι μία από τις μεγάλες επιστημονικές προκλήσεις του 21ου αιώνα, όπου πραγματικά δεδομένα με πρωτοφανή ανάλυση στο χώρο και το χρόνο διατίθενται στο κοινό για πρώτη φορά (http://www.humanconnectome.org/). Σε αυτό το πλαίσιο, ένα μεγάλο μέρος πρόσφατης έρευνας μελετά τη δυναμική του εγκεφάλου. Συγκεκριμένα, τη δυναμική της λειτουργικής συνδεσιμότητας περιοχών του εγκεφάλου, δηλαδή, τις λειτουργικές συνδέσεις και αποσυνδέσεις που λαμβάνουν χώρα στον εγκέφαλο σε κατάσταση ηρεμίας, κατά τη διάρκεια διαφόρων εργασιών, ή κατά τη διάρκεια ανώμαλης συμπεριφοράς, όπως είναι οι επιληπτικές κρίσεις. Επιπλέον, έχει πρόσφατα αναγνωριστεί ότι οι δομικές και λειτουργικές συνδέσεις συστημάτων του εγκεφάλου έχουν κοινά χαρακτηριστικά με άλλα πολύπλοκα δίκτυα που συναντώνται στη φύση και την κοινωνία.

Απαιτούμενα Προσόντα: Ο/Η υποψήφιος/α διδάκτορας θα επικεντρωθεί στα εξής: (α) Την άντληση δεδομένων δικτύων εγκεφάλου από τη βάση δεδομένων του human connectome project. (β) Την ανάλυση των δεδομένων αυτών χρησιμοποιώντας τεχνικές από τη θεωρία των γράφων. (γ) Την απεικόνιση αυτών των δικτύων σε διάφορους γεωμετρικούς χώρους. (δ) Τη μελέτη της “κίνησης” των κόμβων των δικτύων αυτών σε αυτούς τους γεωμετρικούς χώρους. (ε) Την ανακάλυψη πιθανών νόμων/διαδικασιών που διέπουν αυτή τη κίνηση. Και (στ), τη χρησιμοποίηση των νόμων αυτών για την πρόβλεψη της δυναμικής εγκεφαλικών δικτύων.

Η θέση αυτή εμπίπτει στις γενικές γνωστικές περιοχές της Επιστήμης Δικτύων, Επιστήμης Δεδομένων, και Νευροεπιστήμης. Στον ιδανικό υποψήφιο θα πρέπει να αρέσουν τα Δίκτυα, τα Μαθηματικά (κυρίως Πιθανότητες Στατιστική), καθώς και πτυχές της Νευροεπιστήμης. Ο υποψήφιος θα πρέπει επίσης να κατέχει πολύ καλές γνώσεις σε προγραμματισμό Η/Υ. Η έρευνα θα γίνει σε με το Τμήμα Βιοιατρικής του πανεπιστημίου McGill στον Καναδά.

Ερευνητικός Σύμβουλος: Φραγκίσκος Παπαδόπουλος, Επίκουρος Καθηγητής,   f.papadopoulos@eecei.cut.ac.cy.

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Αξιολόγηση Συστήματος Θεραπευτικών Υπερήχων με Απεικόνιση Μαγνητικού Τομογράφου (MRI) για Εκτομή στην Κοιλιακή Χώρα»

Περιγραφή: Εστιασμένοι υπέρηχοι είναι μια μορφή ενέργειας που μπορεί να χρησιμοποιηθεί για τη θεραπεία διαφόρων ασθενειών στον τομέα της ογκολογίας με χρήση θερμικών πρωτοκόλλων. Οι θερμικές επιδράσεις των εστιασμένων υπερήχων μπορεί να παρακολουθούνται με εξαιρετική αντίθεση, χρησιμοποιώντας μαγνητική τομογραφία (MRI).

Η προσφερόμενη θέση θα επικεντρωθεί στην αξιολόγηση υφιστάμενου 4-D MR συμβατές ρομποτικό σύστημα. Ένα σημαντικό καθήκον είναι ο σχεδιασμός πλασματικού υλικού βασισμένο σε χημική ένωση αγαρόζης για εφαρμογή στην κοιλιακή χώρα. Προσομοιώσεις θα πραγματοποιηθούν προκειμένου να βελτιστοποιηθούν τα θεραπευτικά πρωτόκολλα υπέρηχων. Θα σχεδιαστεί μετατροπέας υπερήχων για εφαρμογή στην κοιλιακή χώρα. Ο υποψήφιος αναμένεται να αξιολογήσει εκτενώς το σύστημα με την χρήση πλασματικού υλικού σε περιβάλλον εργαστηρίου και μέσα σε ένα μαγνητικό τομογράφο. Μέθοδοι απεικόνισης του MRI αλληλουχίες θα βελτιστοποιηθούν για τα προτεινόμενα θεραπευτικά πρωτόκολλα.

Απαιτούμενα Προσόντα: Μάστερ στον τομέα Ηλεκτρολογικής Μηχανικής, ή Μηχανολογικής Μηχανικής, ή Φυσικής.

Ερευνητικός Σύμβουλος: Χριστάκη Δαμιανού, Καθηγητής,  christakis.damianou@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Κατανεμημένος Πολύ-Υπολογισμός Οδηγούμενος από τα Δεδομένα (Distributed Data-Driven Multiprocessing

Περιγραφή: Ο Υπολογισμός Υψηλών Επιδόσεων (High-Performance Computing - ΥΥΕ) αποτελεί ίσως τον μοναδικό τρόπο ώστε να λυθούν τα μεγάλα εκκρεμή προβλήματα της ανθρωπότητας που απαιτούν υπολογιστική ικανότητα η οποία μετράται σε κλίματα εκατομμυρίων τρισεκατομμυρίων υπολογισμών ανά δευτερόλεπτο (δέκα στη δύναμη της 18ης), δηλαδή, στην λεγόμενη κλίμακα exascale. Τέτοια προβλήματα περιλαμβάνουν τη ανάδρομη μηχανική του ανθρώπινου εγκεφάλου, τη δημιουργία φάρμακων για την εξάλειψη ασθενειών όπως ο καρκίνος, και την προσομοίωση καιρικών φαινόμενων για την πρόβλεψη κλιματικών μεταβολών. Το θέμα αυτής της Διδακτορικής Διατριβής αφορά την έρευνα και την ανάπτυξη μιας καινοτόμας κατανεμημένης αρχιτεκτονικής πολλαπλών επεξεργαστών για την αντιμετώπιση των προκλήσεων που πηγάζουν από την αυξανόμενη κατανάλωση ενέργειας και την ανάγκη εφαρμογής ταυτοχρονισμού κατά την εκτέλεση εφαρμογών σε μελλοντικά συστήματα ΥΕΕ κλίμακας exascale. Το σύστημα θα βασίζεται σε ένα υβριδικό μοντέλο ροής δεδομένων, το μοντέλο εκτέλεσης υπό Κατανεμημένο Πολύ-Νηματικό Υπολογισμό Οδηγούμενο από τα Δεδομένα (Distributed Data-Driven Multithreading - DDM). Η αρχιτεκτονική πολλαπλών επεξεργαστών θα υλοποιηθεί και θα αξιολογηθεί σε ένα μεγάλης χωρητικότητας ολοκληρωμένο κύκλωμα με διάταξη πεδιακά προγραμματιζόμενων πυλών (Field-Programmable Gate Array - FPGA). Θα αποτελείται από χαμηλής ισχύος και χαμηλής πολυπλοκότητας μη-συναφών στοιχείων επεξεργασίας, καθώς και περεταίρω υλικό που θα υποστηρίζει το μοντέλο εκτέλεσης DDM. Επιπλέον, θα ενσωματώνει μια ελαφριά ιεραρχία μνήμης, βασισμένη κυρίως σε κρυφές μνήμες, και εμπλουτισμένη με αυτοματοποιημένη ντετερμινιστική μνήμη προσωρινής χρήσης (scratchpad memory). Τέλος, μια διεπαφή προγραμματισμού εφαρμογών (Application Peripheral Interface - API) υλοποιημένη σε γλώσσα προγραμματισμού C ++ θα επιτρέπει σε προγραμματιστές να αναπτύξουν εφαρμογές τύπου DDM για την ταχεία προτυποποίηση και την αξιολόγηση αρχιτεκτονικών Η/Υ. Αυτή η Διδακτορική Διατριβή θα βασιστεί στην υπάρχουσα υποδομή όσον αφορά το υλικό Η/Υ καθώς και το λογισμικό Η/Υ, καθώς και σε τεχνογνωσία που η υπάρχουσα Ερευνητική Ομάδα έχει αποκτήσει και επαυξάνει τα τελευταία χρόνια.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου και μεταπτυχιακού επιπέδου Μάστερ (Master’s) από αναγνωρισμένα πανεπιστήμια είτε στον τομέα της Πληροφορικής, ή της Μηχανική Η/Υ, ή της Ηλεκτρολογίας, με προτιμώμενη εξειδίκευση σε ένα από τους ακόλουθους τομείς: αρχιτεκτονική Η/Υ, κατανεμημένα συστήματα και δίκτυα, ενσωματωμένα συστήματα, ή άλλη συναφή εξειδίκευση. Οι υποψήφιοι θα πρέπει να έχουν 2 και επιπλέον χρόνια εμπειρίας στον αντικειμενοστραφή προγραμματισμό και να μπορούν να προγραμματίζουν άπταιστα στη γλώσσα προγραμματισμού C++ ή /και στην γλώσσα Python, και επίσης να διαθέτουν εμπειρία στους τομείς των παράλληλων και κατανεμημένων Η/Υ (δηλαδή, Pthreads, OpenMP και MPI). Επίσης, οι υποψήφιοι θα πρέπει να διαθέτουν 2 και επιπλέον χρόνια εμπειρίας στη χρήση Γλώσσας Περιγραφής Υλικού (hardware description language - HDL), όπως η γλώσσα VHDL ή η Verilog. Άριστη γνώση της αγγλικής γλώσσας είναι απαραίτητη. Οποιαδήποτε ερευνητική εμπειρία στους τομείς μοντελοποίησης ροής πληροφοριών ή υπολογισμό τύπου data-driven (π.χ., TBB, OmpSs, κλπ), καθώς και εμπειρία στη χρήση λογισμικών εργαλείων περιγραφής υλικού HDL της εταιρίας Xilinx (ISE ή Vivado Design Suites) θα θεωρηθούν ως επιπλέον προσόντα.

Ερευνητικός Σύμβουλος: Βάσος  Σωτηρίου, Αναπληρωτής Καθηγητής , vassos.soteriou@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: Αξιόπιστες Αρχιτεκτονικές Η/Υ με Χρήση Τεχνικών Επιβράδυνσης Φθοράς (Resilient Wear-Aware Computer Architectures)

Περιγραφή: Καθώς ο Νόμος του Δρ. Moore συνεχίζει να ισχύει και να καθοδηγεί τη σμίκρυνση των τρανζίστορ  και την αύξηση της πυκνότητας τους σε ολοκληρωμένα κυκλώματα επόμενων γενεών, αυτή η τάση της τεχνολογίας σήμερα έχει οδηγήσει στη διάθεση πολύ-πύρηνων επεξεργαστών (Chip Multiprocessors – CMPs) που αποτελούνται από εκατοντάδες επεξεργαστικά πλακίδια.  Δυστυχώς αυτή η τάση έχει δημιουργήσει και επακόλουθα αρνητικά αποτελέσματα εφόσον η τεχνολογία συμπληρωματικού ημιαγωγού μεταλλικού οξειδίου (CMOS) έχει επιφέρει αυξανόμενη παραγωγή φθοράς στα ίδια τα τρανζίστορ. Το παρατεταμένο στρες κατά τη διάρκεια της λειτουργίας των τρανζίστορ οδηγεί στην επιταχυνόμενη φθορά τους, ή ακόμα και σε βλάβη, οι οποίες οφείλονται σε διάφορους φυσικούς μηχανισμούς όπως ο hot-carrier injection (HCI), ο electro-migration (EM), και ο negative-bias temperature instability (NBTI). Δυστυχώς, τέτοια φθορά μπορεί να αποδειχθεί καταστροφική στην αξιόπιστη λειτουργία ενός CMP, εφόσον διάφορα συνιστώσα μέρη του ολοκληρωμένου κυκλώματος μπορεί να εισάγουν σφάλματα ή /και να παραβιάσουν τα σωστά πλαίσια χρονισμού τους. Αυτό συμβαίνει κατά τη διάρκεια της λειτουργίας του CMP, και συγκεκριμένα κατά τη διάρκεια του υπολογισμού δεδομένων, καθώς και κατά τη διάρκεια μεταφοράς δεδομένων, καθιστώντας ολόκληρο το σύστημα ως μη χρησιμοποιήσιμο.

Για να αποφευχθούν τέτοιου είδους αρνητικές επιπτώσεις, αυτή η Διδακτορική Διατριβή θα ασχοληθεί με την ανάπτυξη των τεχνικών επιβράδυνσης φθοράς ψηφιακών ηλεκτρονικών έτσι ώστε να μειωθεί ο ρυθμός φθοράς στα συνιστούντα μέρη ενός CMP. Ο απώτερος στόχος είναι η βελτίωση της αξιοπιστίας των CMPs, συμπεριλαμβανομένων των επεξεργαστών, της μνήμης και των ολοκληρωμένων δικτύων τους. Τέτοιες τεχνικές θα ενσωματωθούν απρόσκοπτα στην υφιστάμενη αρχιτεκτονική CMP για να δουλεύουν δυναμικά κατά τη διάρκεια λειτουργίας του συστήματος χωρίς παρεμβολές από και προς  τη στοίβα εφαρμογών και προγραμμάτων, ή ακόμα και προς/από τον χρήστη. Εφόσον η φθορά σε τρανζίστορ τύπου CMOS αναλογίζει με τη χρήση τους, και έτσι βασίζεται άμεσα με το φόρτο εργασίας που έχει να εκτελέσει το σύστημα, ένα μεγάλος στόχος αυτής της Διατριβής θα είναι να κατανοηθούν τα μοτίβα χρήσης των εφαρμογών που τρέχουν. Έτσι αναλόγως θα υιοθετηθούν οι κατάλληλες πολιτικές μείωσης φθοράς για να επιτευχθεί η μέγιστη δυνατή επίτευξη στην αύξηση της ζωής των ηλεκτρονικών. Έτσι, πολιτικές επίγνωσης της φθοράς μπορούν να βασιστούν σε τεχνικές ή αλγορίθμους από τον τομέα των τεχνικών νευρωνικών δικτύων που είναι αρκετά αποδοτικές στο να αναγνωρίζουν μοτίβα και να προσαρμόζονται προς αυτά. Άλλες μεθοδολογίες αναγνώρισης μοτίβων θα θεωρηθούν και θα αναπτυχτούν έτσι που να ερευνηθεί το πεδίο χώρο-σχεδιασμού των μεθοδολογιών μείωσης της φθοράς σε αρχιτεκτονικές Η/Υ. Επαυξημένο υλικό επίγνωσης φθοράς θα προστεθεί στην υπάρχουσα αρχιτεκτονική CMP το οποίο θα έχει υλοποιηθεί με τη χρήση γλώσσας περιγραφής υλικού (π.χ., VHDL), έτσι που να αποδειχτεί κατορθωτό. Αυτή η Διδακτορική Διατριβή θα βασιστεί στην υπάρχουσα ευρεία και εκτενή τεχνογνωσία που η υπάρχουσα Ερευνητική Ομάδα έχει αποκτήσει και επαυξάνει τα τελευταία χρόνια, και θα χρησιμοποιεί και θα επεκτείνει σημαντικά μεθοδολογίες από το πεδίο των αρχιτεκτονικών πολύ-επεξεργαστών με επίγνωση φθοράς.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου και μεταπτυχιακού επιπέδου Μάστερ (Master’s) από αναγνωρισμένα πανεπιστήμια είτε στον τομέα της Πληροφορικής, ή της Μηχανική Η/Υ, ή της Ηλεκτρολογίας, με προτιμώμενη εξειδίκευση σε ένα από τους ακόλουθους τομείς:  αρχιτεκτονική Η/Υ, κατανεμημένα συστήματα, δίκτυα ή ενδό-συνδεόμενα δίκτυα, ενσωματωμένα συστήματα, τεχνικά νευρωνικά δίκτυα και αλγόριθμοι, ή άλλης συναφής εξειδίκευσης. Οι υποψήφιοι θα πρέπει να έχουν 2 και επιπλέον χρόνια εμπειρίας στον αντικειμενοστραφή προγραμματισμό και να μπορούν να προγραμματίζουν άπταιστα στη γλώσσα προγραμματισμού C++ ή και στην γλώσσα Python, και επίσης να διαθέτουν αρκετά καλό μαθηματικό υπόβαθρο. Επίσης, οι υποψήφιοι θα πρέπει να διαθέτουν 2 και επιπλέον χρόνια εμπειρίας στη χρήση γλώσσας περιγραφής υλικού (hardware description language - HDL), όπως η γλώσσα VHDL ή η Verilog. Άριστη γνώση της αγγλικής γλώσσας είναι απαραίτητη. Εμπειρία στη χρήση λογισμικών εργαλείων HDL της εταιρίας Xilinx (ISE ή Vivado Design Suites) θα θεωρηθούν ως επιπλέον προσόντα.

Ερευνητικός Σύμβουλος: Βάσος  Σωτηρίου, Αναπληρωτής Καθηγητής vassos.soteriou@cut.ac.cy

 

  • Δυο (2) θέσεις στα παρακάτω αντικείμενα:

«Αξιοπιστία Λογισμικού»

Περιγραφή: Μέθοδοι, τεχνικές, μοντέλα και αλγόριθμοι  για τη μελέτη της αξιοπιστίας λογισμικού. Μοντέλα αύξησης της αξιοπιστίας λογισμικού που βασίζονται σε μαθηματικές και στατιστικές προσεγγίσεις. Χρήση εμπειρικών δεδομένων από μετρήσεις σε πραγματικά συστήματα λογισμικού. Εφαρμογή μη γραμμικής δυναμικής και ανάλυσης χρονολογικών σειρών για την αποκάλυψη του χαρακτήρα της αξιοπιστίας λογισμικού σε διάφορους τύπους εφαρμογών (κλασικών, διαδικτυακών, κινητού λογισμικού κλπ.). Χρήση υπολογιστικής νοημοσύνης ή/και άλλων υπο-περιοχών της Πληροφορικής για βελτιστοποίηση των υπαρχόντων μοντέλων αύξησης της αξιοπιστίας λογισμικού.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου ή/και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή της Μηχανικής των Η/Υ ή της Μηχανικής της Πληροφορικής ή άλλου συναφούς κλάδου. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Οι υποψήφιοι με τα κατάλληλα προσόντα μπορούν να χρηματοδοτηθούν ως συμμετέχοντες σε ερευνητικά προγράμματα ή ως βοηθοί διδασκαλίας.

 

«Αυτοματοποιημένος Έλεγχος Λογισμικού»

Περιγραφή: Η έρευνα θα επικεντρωθεί σε μεθόδους, τεχνικές, μοντέλα και αλγορίθμους για τον έλεγχο λογισμικού με αυτοματοποιημένο τρόπο, με μικρή ή καθόλου εμπλοκή του χρήστη. Θα γίνει χρήση Υπολογιστικής Νοημοσύνης ή/και άλλων υπο-περιοχών της Επιστήμης της Πληροφορικής για τη διενέργεια ελέγχου μαύρου κουτιού (black-box -specifications-based) και γυάλινου κουτιού (glass-box - source code-based) σε κλασσικά συστήματα λογισμικού, εφαρμογές ιστού και κινητό λογισμικό.

Απαραίτητα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου ή/και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή της Μηχανικής των Η/Υ ή της Μηχανικής της Πληροφορικής ή άλλου συναφούς κλάδου. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Οι υποψήφιοι με τα κατάλληλα προσόντα μπορούν να χρηματοδοτηθούν ως συμμετέχοντες σε ερευνητικά προγράμματα ή ως βοηθοί διδασκαλίας.

 

«Τεχνολογία Λογισμικού για το Υπολογιστικό Νέφος»

Περιγραφή: Η έρευνα θα περιστραφεί γύρω από την ανάπτυξη λογισμικού που θα τρέχει στο Υπολογιστικό Νέφος - ΥΝ (Cloud Computing) ή/και θα το χρησιμοποιεί ως μέσο για την εκτέλεση εργασιών ανάπτυξης υπηρεσιών λογισμικού. Το νέο αυτό περιβάλλον εκτέλεσης εισάγει μια σειρά από παράγοντες που διαφοροποιούν τον κλασικό  τρόπο με τον οποίο αναπτύσσεται το λογισμικό και που εισάγουν κάποιους σημαντικούς περιορισμούς αναφορικά με την ποιότητά του. Επιπλέον, υπάρχει ανάγκη για ελαστικότητα και αυτοματοποίηση των διεργασιών ανάπτυξης αλλά και υποστήριξης της λειτουργίας συστημάτων λογισμικού για το ΥΝ που θα συνδέουν στενά την ομάδα ανάπτυξης με την ομάδα διαχείρισης της λειτουργίας τους. Στα πλαίσια αυτά θα μελετηθούν και προταθούν νέα μοντέλα κύκλου ζωής για το ΥΝ, μεθοδολογίες παραγωγής υπηρεσιών λογισμικού και σύνθεσης υφιστάμενων υπηρεσιών για τη δημιουργία μεγαλύτερων ενιαίων εφαρμογών, τεχνικές και αλγόριθμοι αυτόματης διεκπεραίωσης δραστηριοτήτων (π.χ. ανίχνευση παραβιάσεων των συμφωνιών υπηρεσιών - Service Level Agreements, έλεγχος του λογισμικού με αυτοματοποιημένο τρόπο, επίσπευση του κύκλου ανάπτυξης και συχνότερη παράδοση, κλπ). Στα πλαίσια αυτά θα μελετηθεί επίσης η προσέγγιση DevOps η οποία προτείνει τη στενή συνεργασία μεταξύ των ατόμων που αναπτύσσουν κάποια εφαρμογή ή υπηρεσία λογισμικού με τα άτομα που αναλαμβάνουν την εγκατάσταση και υποστήριξή τους. Θα γίνει χρήση μοντέλων και τεχνικών Υπολογιστικής Νοημοσύνης σε συνδυασμό με κλασικά θέματα Τεχνολογίας Λογισμικού όπως οι Ευκίνητες Διαδικασίες (Agile Processes), ο έλεγχος λογισμικού, η διαχείριση έργων, η οργάνωση ομάδων κλπ. Το θέμα αυτό θα υποστηριχθεί και από πρόγραμμα του Ορίζοντα 2020 το οποίο ήδη έχει ξεκινήσει και εκτελείται σε συνεργασία με το Πολυτεχνείο του Μιλάνου και το Πανεπιστήμιου του Τίλμπουργκ στην Ολλανδία.

Απαραίτητα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου ή/και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή της Μηχανικής των Η/Υ ή της Μηχανικής της Πληροφορικής ή άλλου συναφούς κλάδου. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Οι υποψήφιοι με τα κατάλληλα προσόντα μπορούν να χρηματοδοτηθούν ως συμμετέχοντες σε ερευνητικά προγράμματα ή ως βοηθοί διδασκαλίας.

 

«Αυτοματοποιημένη Διαχείριση Πόρων για το Υπολογιστικό Νέφος»

Περιγραφή: Η έρευνα θα επικεντρωθεί σε αλγόριθμους, μεθόδους και τεχνικές για την αυτοματοποίηση συγκεκριμένων διαδικασιών που λαμβάνουν χώρα στο περιβάλλον του Υπολογιστικού Νέφους – ΥΝ για τη διαχείριση των πόρων του. Στα πλαίσια αυτά θα μελετηθούν προβλήματα βέλτιστης διαχείριση των πόρων (π.χ. φυσικοί εξυπηρετητές και ιδεατές μηχανές) ώστε να εξυπηρετούνται οι πελάτες των υπηρεσιών του Νέφους γρήγορα και με βάση τις σχετικές συμφωνίες SLA με ταυτόχρονη εξοικονόμηση κόστους και ενέργειας στο ΥΝ. Επιπρόσθετα, θα γίνει μελέτη υποκατηγοριών υπολογισμού στο ΥΝ, όπως το Fox/Edge Computing, με βάση το οποίο η λογική και η εκτέλεση ενός υπολογισμού γίνεται σε τοπικό επίπεδο-κόμβο αποφεύγοντας την καθυστέρηση λόγω μετάδοσης δεδομένων στο δίκτυο.

Η προσέγγιση που θα ακολουθηθεί θα στηρίζεται σε μοντέλα και αλγόριθμους Υπολογιστικής Νοημοσύνης και σε μονή και πολλαπλή βελτιστοποίηση. Το θέμα αυτό θα υποστηριχθεί και από πρόγραμμα του Ορίζοντα 2020 το οποίο ήδη έχει ξεκινήσει και εκτελείται σε συνεργασία με το Πολυτεχνείο του Μιλάνου και το Πανεπιστήμιου του Τίλμπουργκ στην Ολλανδία.

Απαραίτητα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου ή/και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή της Μηχανικής των Η/Υ ή της Μηχανικής της Πληροφορικής ή άλλου συναφούς κλάδου. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Οι υποψήφιοι με τα κατάλληλα προσόντα μπορούν να χρηματοδοτηθούν ως συμμετέχοντες σε ερευνητικά προγράμματα ή ως βοηθοί διδασκαλίας.

 

«Τεχνολογία Λογισμικού και Ευφυής Επεξεργασία Δεδομένων σε Κατανεμημένα Συστήματα Επεξεργασίας Blockchain»

Περιγραφή: Η έρευνα θα επικεντρωθεί σε μεθοδολογίες και τεχνικές για την ανάπτυξη συστημάτων λογισμικού για την κατανεμημένη επεξεργασία που λαμβάνει χώρα στο νέο υπολογιστικό μοντέλο του Blockchain. Ιδιαίτερη έμφαση θα δοθεί σε θέματα αυτοματοποίησης διαδικασιών για την επεξεργασία δεδομένων στο περιβάλλον αυτό κάνοντας χρήση μοντέλων και αλγορίθμων Υπολογιστικής και Τεχνητής Νοημοσύνης καθώς και ευριστικών μεθόδων απλής και πολλαπλής βελτιστοποίησης. Το θέμα αυτό θα εφαρμόσει τα ερευνητικά αποτελέσματα σε πραγματικά συστήματα που ήδη τρέχουν ή πρόκειται να αναπτυχθούν σε περιβάλλον Blockchain κυρίως από τον Χρηματο-οικονομικό χώρο και ενδέχεται να υποστηριχθεί με δεδομένα ή/και χρηματοδότηση από τοπικούς ιδιωτικούς φορείς με τους οποίους ήδη έχει συζητηθεί το ενδεχόμενο αυτό και είναι θετικοί.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου ή/και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή της Μηχανικής των Η/Υ ή της Μηχανικής της Πληροφορικής ή άλλου συναφούς κλάδου. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο αντικείμενο της θέσης και θέματα Υπολογιστικής και Τεχνητής Νοημοσύνης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Οι υποψήφιοι με τα κατάλληλα προσόντα μπορούν να χρηματοδοτηθούν ως συμμετέχοντες σε ερευνητικά προγράμματα ή/και ως βοηθοί διδασκαλίας.

Ερευνητικός Σύμβουλος: Ανδρέας Σ. Ανδρέου, Καθηγητής, andreas.andreou@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Ανίχνευση, Εντοπισμός και Παρακολούθηση Συμβάντος με Ασύρματα Δίκτυα Αισθητήρων»

Περιγραφή: Τα Ασύρματα Δίκτυα Αισθητήρων (ΑΔΑ) είναι μια σχετικά καινούργια τεχνολογία η οποία έχει τη δυνατότητα να ενσωματώσει τους υπολογιστές στην καθημερινή μας ζωή αφήνοντας τους να δουλεύουν αθέατοι στο περιθώριο. Υπάρχει ένα μεγάλο εύρος από πιθανές εφαρμογές περιλαμβανομένου στρατιωτική ανίχνευση, ασφάλεια υποδομής, περιβαλλοντική παρακολούθηση και παρακολούθηση φυσικών βιοτόπων, βιομηχανική ανίχνευση, παρακολούθηση κτιρίων και εγκαταστάσεων και έλεγχο τροχαίας. Η προτεινόμενη έρευνα αναμένεται να περικλείει ιδέες και τεχνικές από πολλά διαφορετικά πεδία περιλαμβανομένου τα Ασύρματα Συστήματα Επικοινωνίας, τα Δίκτυα Η/Υ, την Συλλογική Επεξεργασία Σημάτων και Πληροφορίας και την Υπολογιστική Νοημοσύνη.

H προσφερόμενη θέση θα επικεντρωθεί στην ανάπτυξη καινούργιων αλγορίθμων και τεχνικών για την ανίχνευση, εντοπισμό και παρακολούθηση κάποιου συμβάντος με ΑΔΑ. Οι αλγόριθμοι που θα αναπτυχθούν πρέπει να χαρακτηρίζονται από χαμηλή πολυπλοκότητα, κατανεμημένη εφαρμογή και ανεκτικότητα σε σφάλματα έτσι ώστε να συνάδουν με τους περιορισμούς των ΑΔΑ όσο αφορά την ενέργεια και το εύρος ζώνης καθώς και τις σκληρές συνθήκες λειτουργίας.  Οι επιτυχημένοι αιτούντες αναμένεται να πραγματοποιήσουν πειράματα σε πραγματικό χρόνο χρησιμοποιώντας την πλατφόρμα ΑΔΑ στο ΤΕΠΑΚ για να επαληθεύσουν την απόδοση των αλγορίθμων τους. 

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου (απαραίτητα) και μεταπτυχιακού επιπέδου μάστερ (κατά προτίμηση) στην επιστήμη της Ηλεκτρολογίας ή / και της Πληροφορικής. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Ερευνητικός Σύμβουλος: Μιχάλης  Μιχαηλίδης, Επίκουρος Καθηγητής, michalis.michaelides@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Παρακολούθηση Μολυντικών Ουσιών σε Ευφυή Κτίρια»

Περιγραφή: Το ευφυές κτίριο αποτελεί ένα σύστημα που χρησιμοποιεί τεχνολογία ηλεκτρονικών υπολογιστών για τον αυτόνομο έλεγχο και την προσαρμογή του περιβάλλοντος του κτιρίου με σκοπό την βελτίωση της λειτουργίας και την εξοικονόμηση ενέργειας, την μείωση του κόστους, την βελτίωση της άνεσης, της αποδοτικότητας και της ασφάλειας των κατοίκων, και την αύξηση της ευρωστίας και αξιοπιστίας. Η διασπορά μολυντικών ουσιών μέσα στο κτίριο θέτει σε κίνδυνο την ποιότητα του αέρα και μπορεί να επηρεάσει την άνεση, υγεία, αποδοτικότητα και την ασφάλεια των κατοίκων. Οι μολυντικές ουσίες μπορεί να προκύψουν λόγω κάποιου ατυχήματος, βλάβης σε μηχάνημα ή και σχεδιασμένης τρομοκρατικής ενέργειας. Κάτω από αυτές τις κρίσιμες συνθήκες απαιτείται η άμεση ανίχνευση της ουσίας έτσι ώστε να ληφθούν οι ορθές αποφάσεις που θα εξασφαλίσουν την ασφάλεια των κατοίκων.

Η προτεινόμενη έρευνα θα μελετήσει και θα παράγει λύσεις στο πρόβλημα της παρακολούθησης του περιβάλλοντος εντός του κτιρίου για την εξεύρεση μολυντικών ουσιών. Τα κατανεμημένα δίκτυα αισθητήρων έχουν χρησιμοποιηθεί ευρέως στα κτίρια για την παρακολούθηση της θερμοκρασίας, της υγρασίας και της συγκέντρωσης μολυντικών ουσιών (π.χ. CO, CO2) στον εσωτερικό χώρο. Ο σκοπός της έρευνας θα είναι η ανάπτυξη μεθόδων ερμηνείας των δεδομένων πραγματικού χρόνου που συλλέγονται από τους αισθητήρες για την εξασφάλιση της ορθής και έγκαιρης ανίχνευσης των μολυντικών ουσιών. Τα αποτελέσματα της έρευνας δύναται να χρησιμοποιηθούν για: (α) την υπόδειξη ασφαλών χώρων ή εξόδων από το κτίριο στους κατοίκους, (β) τον εντοπισμό και την απομόνωση των χώρων που έχουν μολυνθεί και (γ) τον καθαρισμό των μολυσμένων χώρων με την αφαίρεση της πηγής, εξαερισμό ή φιλτράρισμα του αέρα.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου (απαραίτητα) και μεταπτυχιακού επιπέδου μάστερ (κατά προτίμηση) στην επιστήμη της Ηλεκτρολογίας ή / και της Πληροφορικής. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Ερευνητικός Σύμβουλος:Μιχάλης Μιχαηλίδης, Επίκουρος Καθηγητής, michalis.michaelides@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Παρακολούθηση Ποιότητας Αέρα σε Ευφυείς Πόλεις με Ασύρματα Δίκτυα Αισθητήρων»

 Περιγραφή: Ακόμα και σήμερα, υπάρχει μια αναγνωρισμένη έλλειψη απαιτούμενης υποδομής για περιβαλλοντική παρακολούθηση, τόσο χωρικά (σε πολλαπλά σημεία), όσο και χρονικά (σε τακτά χρονικά διαστήματα). Το προτεινόμενο Ασύρματο Δίκτυο Αισθητήρων (ΑΔΑ) μπορεί να αποτελέσει μια οικονομική και συνάμα αξιόπιστη λύση για την παρακολούθηση και τον έλεγχο της ποιότητας του αέρα σε αστικές περιοχές. Η προτεινόμενη έρευνα θα επικεντρωθεί στην δημιουργία καινούργιων αλγορίθμων και τεχνικών για την ανίχνευση, ταυτοποίηση και παρακολούθηση αέριων ρύπων σε ένα αστικό περιβάλλον με τη χρήση ενός ΑΔΑ. Πιο συγκεκριμένα, οι υποψήφιοι αναμένεται να χρησιμοποιήσουν μεθόδους επεξεργασίας σήματος και μηχανικής μάθησης για να αναλύσουν τα δεδομένα από τους αισθητήρες με σκοπό: (α) τη δημιουργία ενός λεπτομερούς χάρτη ρύπανσης της πόλης, (β) την ταυτοποίηση και εντοπισμό των κύριων πηγών ρύπανσης και (γ) τη δημιουργία μοντέλων πρόβλεψης των επιπέδων ρύπανσης στο σύντομο μέλλον. Τα αποτελέσματα της έρευνας αναμένεται ότι θα προσφέρουν την αναγκαία πληροφόρηση για τη λήψη κατάλληλων αποφάσεων και μέτρων που θα οδηγήσουν στη μείωση των ρύπων και τη βελτίωση του περιβάλλοντος. Οι επιτυχημένοι αιτούντες αναμένεται να πραγματοποιήσουν πειράματα με πραγματικά δεδομένα από την πλατφόρμα ΑΔΑ που υπάρχει ήδη εγκατεστημένη στο ΤΕΠΑΚ για να επαληθεύσουν την απόδοση των αλγορίθμων τους.            

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου (απαραίτητα) και μεταπτυχιακού επιπέδου μάστερ (κατά προτίμηση) στην επιστήμη της Ηλεκτρολογίας ή / και της Πληροφορικής. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Ερευνητικός Σύμβουλος: Μιχάλης  Μιχαηλίδης, Επίκουρος Καθηγητής, michalis.michaelides@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Ασύρματα Δίκτυα Αισθητήρων για Ευφυή Λιμάνια»

Περιγραφή: Τα λιμάνια έχουν διαδραματίσει σημαντικό ρόλο στην σύνδεση της Ευρωπαϊκής αγοράς με νησιά, όπως και η Κύπρος, καθώς υπολογίζεται ότι 74% των αγαθών που εισάγονται και εξάγονται από την Ευρώπη δρομολογούνται μέσω της θαλάσσης. Τα Ασύρματα Δίκτυα Αισθητήρων (ΑΔΑ) είναι μια σχετικά καινούργια τεχνολογία η οποία έχει τη δυνατότητα να βελτιώσει την αποδοτικότητα των διαφόρων διαδικασιών και υπηρεσιών στο λιμάνι δια της παροχής πληροφορίας για επίγνωση της κατάστασης σε πραγματικό χρόνο από όλους τους εμπλεκομένους φορείς της ναυτιλίας στα λιμάνια της Κύπρου.  Η προτεινόμενη έρευνα αφορά την υλοποίηση ενός τέτοιου ΑΔΑ στο Λιμάνι Λεμεσού για τη συλλογή δεδομένων σε πραγματικό χρόνο για κινήσεις πλοίων, περιβαλλοντικές συνθήκες, και παρακολούθηση φορτίων με την χρήση καινοτόμων τεχνολογιών όπως buoys, UAVs, και RFIDs. Επίσης, περιλαμβάνει την επεξεργασία των δεδομένων που θα συλλέγονται με προχωρημένες μεθόδους ανάλυσης δεδομένων για τη διασφάλιση ψηλής ποιότητας δεδομένων, υπολογισμού KPIs, και τη δημιουργία νέων εργαλείων λήψης απόφασης και υπηρεσιών για τους φορείς της ναυτιλίας.  Οι επιτυχημένοι αιτούντες αναμένεται να πραγματοποιήσουν πειράματα σε πραγματικό χρόνο χρησιμοποιώντας την πλατφόρμα ΑΔΑ που θα αναπτυχθεί στο Λιμάνι Λεμεσού για να επαληθεύσουν την απόδοση των αλγορίθμων τους.

Απαιτούμενα Προσόντα: Πτυχίο και μεταπτυχιακό επιπέδου μάστερ στην επιστήμη της Ηλεκτρολογίας ή/και της Πληροφορικής ή σε συναφές γνωστικό αντικείμενο. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Υπάρχει δυνατότητα χρηματοδότησης μέσω Ερευνητικών Προγραμμάτων για υποψήφιους πλήρης απασχόλησης που πληρούν τα προσόντα

Ερευνητικοί Σύμβουλοι:

Μιχάλης  Μιχαηλίδης, Επίκουρος Καθηγητής, michalis.michaelides@cut.ac.cy

Ηρόδοτος  Ηροδότου, Λέκτορας,  herodotos.herodotou@cut.ac.cy.

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Πλατφόρμα Ανάλυσης Μεγάλου Όγκου Δεδομένων στη Ναυτιλιακή Βιομηχανία»

Περιγραφή: Η ναυτιλιακή βιομηχανία έχει διαδραματίσει σημαντικό ρόλο στην Ευρωπαϊκή οικονομική ανάπτυξη και ευημερία, καθώς υπολογίζεται ότι το 74% των αγαθών που εισάγονται ή εξάγονται από την Ευρώπη δρομολογούνται μέσω θαλάσσιων μεταφορών και λιμένων. Η ψηφιοποίηση των λιμενικών πληροφοριών και η εισαγωγή νέων τεχνολογιών όπως το AIS, αισθητήρες σε buoys και UAVs, και RFIDs οδήγησαν σε δραματική αύξηση του όγκου  των ναυτιλιακών δεδομένων, τα οποία αποτελούν κλειδί της βελτίωσης της απόδοσης των διαφόρων λιμενικών διαδικασιών και υπηρεσιών. Η προτεινόμενη έρευνα περιλαμβάνει το σχεδιασμό και την ανάπτυξη της απαραίτητης υποδομής διαχείρισης μεγάλου όγκου δεδομένων, η οποία θα αποτελέσει μια ολοκληρωμένη λύση για (α) αποτελεσματική συλλογή και ενοποίηση δεδομένων από διάφορες πηγές, (β) δυνατότητα επεξεργασίας ροής δεδομένων σε πραγματικό χρόνο, (γ) αποθήκευση των δεδομένων με τρόπο ανεκτικό σε σφάλματα, και (δ) υποστήριξη μηχανικής μάθησης και προχωρημένων μεθόδων ανάλυσης δεδομένων, με στόχο την άντληση νέων γνώσεων και τη στήριξη των δραστηριοτήτων λήψης αποφάσεων στους φορείς της ναυτιλίας. Η προτεινόμενη πλατφόρμα θα επικυρωθεί μέσω της επεξεργασίας σε πραγματικό χρόνο δεδομένων σχετικά με τις μετακινήσεις των πλοίων, το περιβάλλον και την παρακολούθηση φορτίων στο Λιμάνι Λεμεσού.

Απαιτούμενα Προσόντα: Πτυχίο και μεταπτυχιακό επιπέδου μάστερ στην Πληροφορική ή σε συναφές γνωστικό αντικείμενο. Στον ιδανικό υποψήφιο θα πρέπει να αρέσει η εργασία σε ερευνητικά προβλήματα καινοτόμων συστημάτων και να κατέχει καλές δεξιότητες ανάπτυξης λογισμικού. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Υπάρχει δυνατότητα χρηματοδότησης μέσω Ερευνητικών Προγραμμάτων για υποψήφιους πλήρης απασχόλησης που πληρούν τα προσόντα

Ερευνητικοί Σύμβουλοι:

Μιχάλης Μιχαηλίδης, Επίκουρος Καθηγητής, michalis.michaelides@cut.ac.cy

Ηρόδοτος  Ηροδότου, Λέκτορας,  herodotos.herodotou@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Έξυπνη διαχείριση πόρων σε κατανεμημένα συστήματα επεξεργασίας ροών δεδομένων»

Περιγραφή: Η ανάγκη μείωσης του χάσματος μεταξύ της παραγωγής δεδομένων και της εξαγωγής γνώσεων από αυτά τα δεδομένα οδήγησε σε σημαντικές καινοτομίες σε κατανεμημένα συστήματα επεξεργασίας ροών δεδομένων (DSPEs). Αυτά τα συστήματα επιτρέπουν την κατανάλωση και την ανάλυση δεδομένων σε πραγματικό χρόνο. Ωστόσο, η διασφάλιση της καλής και σταθερής απόδοσης για εφαρμογές ροών δεδομένων σε τόσο μεγάλη κλίμακα παρουσιάζει πολλές νέες προκλήσεις, όπως η κατανεμημένη διαχείριση των πόρων του συστήματος, η ετερογένεια των συμπλεγμάτων υπολογιστών και η αυξημένη πολυπλοκότητα εφαρμογών ροών δεδομένων. Ο στόχος είναι να αναπτυχθούν αυτοματοποιημένες τεχνικές διαχείρισης πόρων για την αντιμετώπιση των προαναφερθέντων προκλήσεων προκειμένου να καταστούν οι DSPEs πιο αποδοτικοί στα λειτουργικά τους χαρακτηριστικά. Συγκεκριμένα, ο υποψήφιος διδακτορικός φοιτητής θα κληθεί να σχεδιάσει και να υλοποιήσει νέους αλγόριθμους και εργαλεία για τη βελτιστοποίηση της κατανομής υπολογιστικών πόρων (π.χ. CPU cores, μνήμη) τόσο στα συστήματα επεξεργασίας ροών δεδομένων όσο και στις εφαρμογές που επεξεργάζονται τις ροές δεδομένων. Επιπλέον, τα εργαλεία θα είναι υπεύθυνα για την παρακολούθηση της χρήσης του συστήματος, για την εξεύρεση και εξάλειψη άσκοπης χρήσης υπολογιστικών πόρων και για τον καθορισμό αυτόματων ενεργειών ως απάντηση σε ανωμαλίες και αναποτελεσματικότητα, με τελικό στόχο τη μεγιστοποίηση της χρήσης των πόρων και την ελαχιστοποίηση καθυστερήσεων στις εφαρμογές.

Απαιτούμενα Προσόντα: Πτυχίο και μεταπτυχιακό επιπέδου μάστερ στην Πληροφορική ή σε συναφές γνωστικό αντικείμενο. Στον ιδανικό υποψήφιο θα πρέπει να αρέσει η εργασία σε ερευνητικά προβλήματα καινοτόμων συστημάτων και να κατέχει καλές δεξιότητες ανάπτυξης λογισμικού. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

Χρηματοδότηση: Υπάρχει δυνατότητα χρηματοδότησης μέσω Ερευνητικών Προγραμμάτων για υποψήφιους πλήρης απασχόλησης που πληρούν τα προσόντα ή ως βοηθοί διδασκαλίας.

Ερευνητικός  Σύμβουλος: Ηρόδοτος  Ηροδότου, Λέκτορας,  herodotos.herodotou@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Ανάπτυξη Πλασμονικών Αισθητήρων Οπτικών ινών και Νανο Κεραίων χρησιμοποιώντας Λέιζερ Φεμτοδευτερολέπτου»

Απαιτούμενα Προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας ή Φυσικής ή σε άλλο συναφές αντικείμενο καθώς επίσης και με δυνατό μαθηματικό υπόβαθρο.

Στόχος αυτής της διατριβής είναι η ανάπτυξη καινοτόμων φωτονικών αισθητήρων για εφαρμογές στις Βιοεπιστήμες με χρήση λέιζερ φεμτοδευτερολέπτου.

Ερευνητικός  Σύμβουλος: Κυριάκος  Καλλής, Καθηγητή,  kyriacos.kalli@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Αισθητήρες Οπτικών Ινών για Βιοϊατρικές Εφαρμογές»

Απαιτούμενα Προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας ή Φυσικής ή σε άλλο συναφές αντικείμενο καθώς επίσης και με δυνατό μαθηματικό υπόβαθρο.

Ερευνητικός  Σύμβουλος: Κυριάκος  Καλλής, Καθηγητή,  kyriacos.kalli@cut.ac.cy

 

  • Μία (1) θέση στο γνωστικό αντικείμενο: «Αλγόριθμοι Προβλεπτικής Μοντελοποίησης για Κατανεμημένα Δίκτυα Ακουστικών Αισθητήρων (ΚΑΑ) με εφαρμογές σε Συστήματα Αγωγών Μεταφοράς Φυσικού Αερίου» 

Περιγραφη:Στόχος αυτής της διατριβής είναι η ανάπτυξη καινοτόμων αλγορίθμων μηχανικής μάθησης, κατάλληλων για οδηγούμενη από τα δεδομένα πρόβλεψη σε Κατανεμημένα Δίκτυα Ακουστικών Αισθητήρων (ΚΑΑ). Συγκεκριμένα, τα περιβάλλοντα ΚΑΑ ενέχουν σημαντική επιστημική αβεβαιότητα, λόγω χαρακτηριστικών όπως λοξότητα, μακριές ουρές, μη-στασιμότητα και θόρυβος μέτρησης. Ως εκ τούτου, χρειάζεται η ανάπτυξη νέων μεθόδων deep generative models με καινοτόμες στατιστικές υποθέσεις. Επιπλέον, η ίδια η φύση των δικτύων ΚΑΑ απαιτεί ανάπτυξη  κατάλληλων κατανεμημένων αλγόριθμων συμπερασμού, ως και υλικού αισθητήρων που να συνεργάζονται αποδοτικά με αυτούς. Η διατριβή αυτή θα αντιμετωπίσει συνολικά αυτές τις προκλήσεις. Θα αναπτύξουμε ΚΑΑ δίκτυα στο εργαστήριό μας και θα αξιοποιήσουμε state-of-the-art λογισμικό μηχανικής μάθησης, όπως το TensorFlow. Υπάρχει επίσης η ισχυρή προοπτική ανάπτυξης και αξιολόγησης των καινοτόμων λύσεων μας σε πραγματικές βιομηχανικές εγκαταστάσεις, μέσω της υπάρχουσας συνεργασίας μας με έναν παγκόσμιο ηγέτη στις τεχνολογίες αισθητήρων οπτικών ινών. Η διατριβή αυτή απαιτεί μια βασική εξοικείωση με τα ΚΑΑ και την στατιστική μοντελοποίηση.

Ερευνητικοί Σύμβουλοι:

Σωτήρη Χατζή, Επίκουρος Καθηγητής,  sotirios.chatzis@cut.ac.cy

Κυριάκος  Καλλή, Καθηγητής,  kyriacos.kalli@cut.ac.cy.

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Νυκτερινά Συστήματα Ψύξης: Μοντελισμός και συστήματα παρακολούθησης»

Απαιτούμενα Προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας και Μηχανικών Ηλεκτρονικών Υπολογιστών ή Επιστήμη Υπολογιστών ή άλλο συναφές αντικείμενο. Προηγούμενη ερευνητική ή άλλη εμπειρία σε Μαθηματικά μοντέλα θα θεωρηθεί πλεονέκτημα.

Ερευνητικός Σύμβουλος : Παύλος Χριστοδουλίδη, Επίκουρος Καθηγητής paul.christodoulides@cut.ac.cy

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: Εφαρμογή μοντέλων διαρθρωτικών εξισώσεων και Δορυφορικές τροχιές

Απαιτούμενα προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας και Μηχανικών Ηλεκτρονικών Υπολογιστών ή Επιστήμη Υπολογιστών ή άλλο συναφές αντικείμενο. Προηγούμενη ερευνητική ή άλλη εμπειρία σε Μαθηματικά μοντέλα θα θεωρηθεί πλεονέκτημα.

Ερευνητικός Σύμβουλος : Παύλος Χριστοδουλίδη, Επίκουρος Καθηγητής paul.christodoulides@cut.ac.cy

 

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Μαθηματικός μοντελισμός και ανάλυση απόδοσης αρχιτεκτονικών δρομολογητών μικρό-δικτύων και ροής δεδομένων»

Περιγραφή : Το ερευνητικό θέμα επικεντρώνεται στην ανάπτυξη διεξοδικών μαθηματικών μοντέλων για τη λεπτομερή καταγραφή της συμπεριφοράς της αρχιτεκτονικής διασωληνωμένων μικρο-δρομολογητών που χρησιμοποιούνται στα μίκρο-δίκτυα διασύνδεσης τα οποία αξιοποιούνται στους σημερινούς επεξεργαστές πολλαπλών πυρήνων και στα ενσωματωμένα συστήματα τεχνολογικής αιχμής. Θα εξεταστούν διάφορες αρχιτεκτονικές τελευταίας τεχνολογίας. Η αλληλεπίδραση της υποκείμενης οργάνωσης δρομολογητή θα εξεταστεί παράλληλα με διάφορα πρωτόκολλα ελέγχου ροής και αλγορίθμους δρομολόγησης μαζί με πολυάριθμες ροές κυκλοφορίας δεδομένων με σκοπό στο να προσδιοριστούν τα επίπεδα απόδοσης και διεκπεραιωτικότητας του δικτύου που θα λειτουργούν ως δείκτες της αρχιτεκτονικής απόδοσης του δρομολογητή. Τα αποτελέσματα που προκύπτουν από προσομοιώσεις λογισμικού ισοδύναμων αρχιτεκτονικών θα επιβεβαιώνουν την εγκυρότητα και την ακρίβεια συμπεριφοράς των μαθηματικά διαμορφωμένων αρχιτεκτονικών μικρο-δρομολογητών.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου και μεταπτυχιακού επιπέδου Μάστερ (Master’s) από αναγνωρισμένα πανεπιστήμια είτε στον τομέα της Πληροφορικής, ή της Μηχανικής Η/Υ, ή της Ηλεκτρολογίας, ή Μαθηματικών με προτιμώμενη εξειδίκευση σε ένα από τους ακόλουθους τομείς:  αρχιτεκτονική Η/Υ, δίκτυα H/Y, διακριτά μαθηματικά, στατιστική, ή άλλης συναφούς εξειδίκευσης. Οι υποψήφιοι θα πρέπει να έχουν 2 και επιπλέον χρόνια εμπειρίας στον αντικειμενοστραφή προγραμματισμό και να μπορούν να προγραμματίζουν άπταιστα στη γλώσσα προγραμματισμού C++ ή και στην γλώσσα Python, και επίσης να διαθέτουν αρκετά καλό μαθηματικό υπόβαθρο. Άριστη γνώση της αγγλικής γλώσσας είναι απαραίτητη.

Ερευνητικοί  Σύμβουλοι :

Παύλος Χριστοδουλίδης, Επίκουρος Καθηγητής,  paul.christodoulides@cut.ac.cy

Βάσος  Σωτηρίου, Αναπληρωτής Καθηγητής,  vassos.soteriou@cut.ac.cy

 

  • Μία (1) θέση με γνωστικό αντικείμενο: «Νέες τεχνικές για την αποθήκευση και αρχειοθέτηση δεδομένων από μαζικά και σύνθετα ποσά 2D/3D/4D πολιτιστικών αγαθών»

Περιγραφή : H Πολιτιστική Κληρονομιά αποτελεί αναπόσπαστο στοιχείο της Ευρώπης και καθίσταται ζωτικής σημασίας για τη δημιουργία μιας κοινής ευρωπαϊκής ταυτότητας. Η πλέον ραγδαία ανάπτυξη της τεχνολογίας έχει οδηγήσει σε μαζική ψηφιοποίηση πολιτιστικών αγαθών, η οποία απαιτεί την οικονομικά αποδοτική συντήρηση, τεκμηρίωση, προστασία και παρουσίασή τους σε διαδικτυακές ψηφιακές βιβλιοθήκες. Στόχος είναι, μέσα από τεχνολογική καινοτομία, να αναδειχθούν με ψηφιακά μέσα, όλες οι πτυχές της Πολιτιστικής Κληρονομιάς, τόσο της υλικής (βιβλία, εφημερίδες, φωτογραφίες, σχέδια, χειρόγραφα, στολές, χάρτες, αντικείμενα, αρχαιολογικούς χώρους, μνημεία) όσο και της άυλης (π.χ., μουσική, τέχνες του θεάματος, λαογραφία, θεατρικές παραστάσεις) καθώς και οι σημασιολογικές τους συνδέσεις, όπως επίσης και η ενίσχυση της προστιθέμενης αξίας τους με την εκ νέου χρήση τους στους τομείς της εκπαίδευσης, της τουριστικής βιομηχανίας, της διαφήμισης και της τέχνης.

Η προτεινόμενη έρευνα, έχει ως σκοπό (α) την μελέτη και ανάλυση μαζικών και σύνθετων πολυμεσικών 3D/4D δεδομένων, (β) την μελέτη και ανάλυση της αποθήκευσης και αρχειοθέτησης των δεδομένων αυτών σε ψηφιακές βιβλιοθήκες, (γ) την ανάπτυξη καινοτόμων μεθοδολογιών για τη συγκομιδή συνόλων δεδομένων από ψηφιακές βιβλιοθήκες, λαμβάνοντας υπόψη τις σημασιολογικές τους υπογραφές, και τέλος, (δ) την ανάπτυξη καινοτόμων μεθοδολογιών για την επαναχρησιμοποίηση τέτοιων πολύπλοκων δομών από τις ψηφιακές βιβλιοθήκες.

Ερευνητικός Σύμβουλος: Ανώτερος Λέκτορας, Μαρίνος  Ιωαννίδης, marinos.ioannides@cut.ac.cy

 

  • Μία (1) θέση με γνωστικό αντικείμενο: «Ολιστική Διαχείριση Πολιτιστικής Κληρονομιάς»

Περιγραφή : Η Διαχείριση Πολιτιστικής Κληρονομιάς είναι ένα πολυπαραμετρικό πεδίο που αντιμετωπίζει σήμερα ποικίλες προκλήσεις. Η σταδιακή διεύρυνση του όρου «Πολιτιστική Κληρονομιά» (ΠΚ) οδήγησε σε ένα είδος διαχείρισής της, το οποίο υπερβαίνει την έννοια της συντήρησης και αποκατάστασης του πολιτιστικού αγαθού. Ευρύ φάσμα αξιών, ποικιλία εμπλεκομένων φορέων, πολλαπλοί, ακόμη και συγκρουόμενοι στόχοι, είναι μερικές μόνο από τις προκλήσεις που αντιμετωπίζει η ΠΚ. Ακόμη και σήμερα διάφορες αρχές και φορείς λειτουργούν ο καθένας αποκλειστικά μέσα στα δικά τους στενά πλαίσια και χωρίς να λαμβάνουν υπόψη ένα πλήθος άλλων αλληλένδετων παραμέτρων. Αυτή η στάση οδηγεί συχνά σε αποσπασματικές και όχι τόσο ωφέλιμες επεμβάσεις. Η προτεινόμενη έρευνα έχει ως σκοπό να προσεγγίσει την ΠΚ με έναν ολιστικό τρόπο. Ως μία «διαδικασία» διαχείρισης η οποία άρχεται από τη φάση της συλλογής δεδομένων, αλλά επίσης και ως «αποτέλεσμα» διαχείρισης που οδηγεί σε συγκεκριμένες δράσεις. Θα περιλαμβάνει και θα εκτείνεται σε όλο τον κύκλο ζωής του πολιτιστικού αγαθού, αλλά και του ανθρώπου, ξεκινώντας από τη σχολική ηλικία, καθώς ο άνθρωπος είναι ο πάροχος αλλά και ο χρήστης των πολιτιστικών αγαθών. Για την επίτευξη των παραπάνω απαιτείται η διαρκής εναλλασσόμενη μετακίνηση ανάμεσα σε διάφορα επιστημονικά πεδία, η επιδέξια διαχείριση των πρωτογενών δεδομένων αλλά και ο κατάλληλος μετασχηματισμός τους ώστε να καταστούν αξιοποιήσιμα από διάφορους τομείς. Σημαντικά προσόντα θεωρούνται οι σπουδές στο πεδίο της τέχνης και του πολιτισμού, τα εργαλεία και η μεθοδολογική σκέψη του πεδίου της μηχανικής καθώς και η γνώση των τεχνικών της παιδαγωγικής, προκειμένου να εντοπιστούν οι τρόποι με τους οποίους η Πολιτιστική Κληρονομιά μπορεί να γίνει «κτήμα» από το ευρύ κοινό, καθιστάμενη πράγματι «δημόσιο αγαθό».

Απαιτούμενα Προσόντα: Πτυχίο και μεταπτυχιακό στην Αρχιτεκτονική, μεταπτυχιακό στο πεδίο της Πολιτιστικής Κληρονομιάς και Παιδαγωγική Εκπαίδευση. Πρότερη ερευνητική εμπειρία ή ειδίκευση στους τομείς της Πολιτιστικής Κληρονομιάς και της Εκπαίδευσης θα θεωρηθεί πλεονέκτημα. 

Ερευνητικός Σύμβουλος: Ανώτερος Λέκτορας, Μαρίνος  Ιωαννίδης,  marinos.ioannides@cut.ac.cy

 

  • Μία (1) θέση με γνωστικό αντικείμενο: «Χρήση Μηχανικής Μάθησης στην Επεξεργασία Πολιτιστικών Αγαθών»

Περιγραφή: H Πολιτιστική Κληρονομιά είναι το κληροδότημα ενός λαού από τις προηγούμενες γενεές, για το οποίο γίνονται προσπάθειες να διατηρηθεί στο παρόν αλλά και να διαφυλαχτεί η μελλοντική του ύπαρξη. Στη σημερινή εποχή, η ραγδαία εξέλιξη της τεχνολογίας έχει οδηγήσει στην ανάπτυξη ευφυών συστημάτων, τα οποία συμβάλλουν δραστικά σε τομείς όπως η καταγραφή, η διατήρηση και η προώθηση της Πολιτιστικής Κληρονομιάς. Αναπόσπαστο κομμάτι των ευφυών συστημάτων αποτελεί η μηχανική μάθηση καθώς πρόκειται για μια κατηγορία τεχνητής νοημοσύνης, η οποία δίνει τη δυνατότητα  στα σύγχρονα υπολογιστικά συστήματα να «μάθουν» να αναπτύσσονται και να προσαρμόζουν τη λειτουργία τους κατά την έκθεσή τους σε νέα δεδομένα.

Η προτεινόμενη έρευνα θα επικεντρωθεί στην ανάπτυξη μεθόδων μηχανικής μάθησης για την αξιοποίηση τους σε εφαρμογές πολιτιστικού περιεχομένου. Στα πλαίσια των ερευνητικών δραστηριοτήτων θα μελετηθούν υφιστάμενες μέθοδοι μηχανικής μάθησης (επιβλεπόμενη, μη-επιβλεπόμενη, ενισχυτική) που χρησιμοποιούνται για την κατηγοριοποίηση των πολιτιστικών αγαθών συναρτήσει του χρόνου.

Απαιτούμενα Προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου και μεταπτυχιακού επιπέδου στην Επιστήμη των Υπολογιστών, Ηλεκτρολόγων Μηχανικών ή σε συναφή κλάδο. Προηγούμενη ερευνητική εμπειρία στη μελέτη και εφαρμογή μηχανικής μάθησης στον κλάδο της Πολιτιστικής Κληρονομιάς θα θεωρηθεί προσόν.

Ερευνητικός Σύμβουλος :Ανώτερος Λέκτορας, Μαρίνος  Ιωαννίδης,  marinos.ioannides@cut.ac.cy

 

Πληροφορίες:

Από τη Γραμματεία του Τμήματος Τηλ.: 25002533, Φαξ.: 25002635