Ηλεκτρολόγων Μηχανικών και Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής

Προκήρυξη θέσεων σπουδών διδακτορικού επιπέδου - Ιανουάριος 2018

  • Μία (1) θέση στο γνωστικό αντικείμενο: Αλγόριθμοι Προβλεπτικής Μοντελοποίησης για Κατανεμημένα Δίκτυα Ακουστικών Αισθητήρων (ΚΑΑ)

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:

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

Κυριάκος Καλλής, Αναπληρωτής Καθηγητής, kyriacos.kalli@cut.ac.cy

 

  • Μία (1) θέση στο γνωστικό αντικείμενο: Τεχνικές Transfer Learning για Εκδημοκρατισμό της Μηχανικής Μετάφρασης

Η μηχανική μετάφραση (neural machine translation, NMT) είναι μια νέα επανάσταση στην μηχανική μάθηση. Συνίσταται στην ανάπτυξη deep encoder-decoder μοντέλων με μηχανισμούς neural attention που μπορούν να μάθουν να κάνουν μετάφραση με το να παρατηρούν σχετικά παραδείγματα. Ωστόσο, ένα πρόβλημα που έχουν οι σημερινές τεχνικές είναι ότι απαιτούν πολύ μεγάλες συλλογές παραδειγμάτων μετάφρασης, που προφανώς φτιάχνονται από ειδικούς μεταφραστές, για να μπορέσουν να εκπαιδευθούν ικανοποιητικά. Αυτή η διαδικασία είναι πολύ δαπανηρή. Μάλιστα, μπορεί να καθίσταται απαγορευτική για γλώσσες που ομιλούνται από μικρούς πληθυσμούς ή/και έχουν δύσκολη συντακτική/γραμματική δομή. Μη πρόοδος όμως σε αυτή την κατεύθυνση θα μπορούσε να υπονομεύσει έτι περαιτέρω πολλές ομιλούμενες γλώσσες. Στόχος αυτής της διατριβής είναι να λύσουμε αυτό το πρόβλημα, βασιζόμενη στην θεωρία του transfer learning. Οι τεχνικές transfer learning, επίσης γνωστές ως one-shot learning, στοχεύουν στην εξόρυξη υψηλού επιπέδου γνώσης και αναπαραστάσεων από ένα μοντέλο μηχανικής μάθησης που εκπαιδεύθηκε να εκτελεί μια εργασία, οι οποίες μπορούν να χρησιμοποιηθούν για εκπαίδευση ενός άλλου μοντέλου να εκτελεί μια συναφή αλλά διαφορετική εργασία, με τρόπο που να απαιτεί ελάχιστα νέα δεδομένα εκπαίδευσης. Για να επιτύχουμε τους στόχους μας, θα εκμεταλλευθούμε την θεωρητικά αναμενόμενη δυνατότητα των deep encoder-decoder models να ενσωματώσουν transfer learning και θα αξιοποιήσουμε εργαλεία του Bayesian inference.

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

 

  • Μία (1) θέση με γνωστικό αντικείμενο: Μέθοδοι βασισμένες στα δεδομένα για ευφυή σχεδίαση επενδύσεων αρμολογίας πλοίων

Ο στόχος αυτής της διατριβής είναι η ανάπτυξη καινοτόμων, οδηγούμενων από τα δεδομένα μεθόδων ευέλικτης σχεδίασης επενδύσεων αρμολογίας πλοίων. Συγκεκριμένα, ενδιαφερόμαστε για χρήση μεθόδων που θα επιτρέπουν ευρωστία στην αβεβαιότητα του περιβάλλοντος και την ανακρίβεια των συναφών μετρήσεων, εμπνευσμένων π.χ. από τo statistical inference. Εξετάζουμε την ανάπτυξη λογισμικού προσομοίωσης, αν δεν έχουμε πρόσβαση σε πραγματικές εγκαταστάσεις. Θα χρησιμοποιήσουμε κορυφαία στατιστικά εργαλεία, π.χ. R. Η διατριβή αυτή προϋποθέτει ισχυρή γνώση της περιοχής της εφαρμογής - ωστόσο, ισχυρή εκ των προτέρων γνώση της στατιστικής μοντελοποίησης, ειδικά του statistical inference, δεν είναι υποχρεωτική.

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

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: Μηχανισμοί Διάθεσης Πόρων για Εφαρμογές Φιλοξενούμενες σε Πολλαπλές Πλατφόρμες Υπολογιστικής Νεφέλης

Η πληθώρα ετερογενών λύσεων Cloud προσφερόμενων στην αγορά είναι ισχυρή απόδειξη της επίδρασης της τεχνολογίας αυτής. Ωστόσο, η ετερογένεια των προσφερόμενων λύσεων και των σχετικών σχεδίων τιμολόγησης καθιστά πρόκληση να επιλέγει κανείς την διαρρύθμιση που θα ελαχιστοποιεί τα κόστη ενώ θα μεγιστοποιεί την επίτευξη της επιθυμητής Ποιότητας Υπηρεσίας. Απλές ευρετικές τεχνικές χρησιμοποιούνται τυπικά στην βιομηχανία, αλλά δεν μπορούν να αντιμετωπίσουν την μεταβλητότητα των σχεδίων τιμολόγησης και θέματα που έχουν να κάνουν με τον ενδογενή δυναμισμό και την πολυχρησία των περιβαλλόντων Cloud. Από την άλλη μεριά, επιστημονικές λύσεις βασισμένες σε Queuing Theory και Mixed Integer Linear Programing είναι υπολογιστικά μη αποδοτικές ή/και ανέφικτες σε μεγάλη κλίμακα. Επιπλέον, απαιτούν πολλές συνόδους με την πλατφόρμα Cloud, που συνεπάγονται μεγάλα κόστη για τον χρήστη. Η διατριβή αυτή φιλοδοξεί να λύσει αυτά τα πρακτικά προβλήματα, αξιοποιώντας και αναπτύσσοντας καινοτόμες τεχνικές Επιστήμης Δεδομένων, ικανές να αξιοποιούν παλαιές εμπειρίες και παρατηρήσεις ώστε να συμπεράνουν την καλύτερη πολιτική ανά περίπτωση. Οι τεχνικές Deep learning θα είναι κεντρικές στην έρευνά μας και στις υπό εξέταση λύσεις.

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

 

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

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.

Απαραίτητα 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)

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.

Απαραίτητα 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

 

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

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

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: Μοντελοποίηση κίνησης καρδιαγγειακού κύκλου

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

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Τρισδιάστατη αριθμητική απεικόνιση εγκεφάλου και ανάλυση όγκων»

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

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Διάδοση θερμότητας σε μικρορευστά και η επίδρασή τους επί οπτικών τρόπων σε μικροδομημένες οπτικές ίνες»

Απαραίτητα προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας ή Φυσική ή άλλο συναφές αντικείμενο και να έχει δυνατό μαθηματικό υπόβαθρο.

Ερευνητικοί Σύμβουλοι:

Κυριάκο Καλλής, Αναπληρωτής Καθηγητής, kyriacos.kalli@cut.ac.cy

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

 

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

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

Απαραίτητα 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, Αναπληρωτής Καθηγητής, kyriacos.kalli@cut.ac.cy

 

  • Μια (1) θέση στο αντικείμενο: «Ευφυή Αυτορυθμιζόμενες Διατάξεις Λέιζερ για Επεξεργασία Υλικών σε Νέας Γενιάς Εφαρμογές Φωτονικής»

Αυτή η διατριβή φιλοδοξεί να αναπτύξει την πρώτη γενεά πραγματικά ευφυών, αυτορυθμιζόμενων λέιζερ, για εγχάραξη και μικρο-επεξεργασία φωτονικών στοιχείων. Ο στόχος είναι να πετύχουμε μια επανάσταση στην αυτόματη επεξεργασία διαφόρων τύπων υλικών, με ακρίβεια sub-micron. Λόγω της ασταθούς φύσης του περιβάλλοντος, αυτό απαιτεί να επιτρέψουμε στην διάταξη λέιζερ να αυτοπροσαρμόζει την διαμόρφωσή της, ώστε να βελτιστοποιείται η επεξεργασία, στον ελάχιστο αριθμό προσπαθειών. Για τον σκοπό αυτό, θα αξιοποιήσουμε Bayesian Optimization (BO) αλγορίθμους - αρχικά θα θεωρήσουμε υπάρχουσες ΒΟ τεχνικές, αλλά στην πορεία θα εξεταστούν και καινοτόμες λύσεις ΒΟ, που να είναι καλύτερες για τις ιδιομορφίες των διατάξεων λέιζερ.

Απαραίτητα προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας ή Φυσικής  ή σε άλλο συναφές αντικείμενο καθώς επίσης και δυνατό μαθηματικό υπόβαθρο θα αποτελουν πλεονεκτημα

Ερευνητικοί Σύμβουλοι:

Κυριάκος Καλλής, Αναπληρωτής Καθηγητής, kyriacos.kalli@cut.ac.cy

Σωτήρης Χατζής, Επίκουρος Καθηγητής,  sotirios.chatzis@eecei.cut.ac.cy

 

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

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.

Για περισσότερες πληροφορίες και συζήτηση για τη θέση και την έρευνα, οι ενδιαφερόμενοι μπορούν να επικοινωνήσουν απευθείας με τον

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

 

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

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

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: Αξιολόγηση Συμβατού με  MRI Συστήματος Βιοψίας Εγκεφάλου ΄Εξι Διαστάσεων.

Αξιολόγηση ενός ρομποτικού συστήματος που έχει αναπτυχθεί στο ΤΕΠΑΚ σε in vitro μοντέλο εγκεφάλου. Αξιολόγηση του συστήματος μέσα σε περιβάλλον MRI. Ανάπτυξη  μεθόδου για frameless βιοψίας στον εγκέφαλο. Διεξαγωγή πειραμάτων σε ζώα για την επαλήθευση του συστήματος. Ανάπτυξη λογισμικού για την καθοδήγηση της διαδικασίας βιοψίας με μαγνητική τομογραφία.

Απαραίτητα προσόντα:   Μάστερ στον τομέα Ηλεκτρολογικής Μηχανικής.  Φοιτητές με πτυχίο, θα πρέπει να παρακολουθήσουν μαθήματα Προγράμματος Μάστερ.

Για περισσότερες πληροφορίες και συζήτηση για τη θέση και την έρευνα, οι ενδιαφερόμενοι μπορούν να επικοινωνήσουν απευθείας με τον

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

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Αξιοπιστία Λογισμικού»

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.

Ερευνητικός Σύμβουλος: Ανδρέας Σ. Ανδρέου, Καθηγητής, andreas.andreou@cut.ac.cy, http://www.cut.ac.cy/eecei/staff/andreas.andreou/

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Αυτοματοποιημένος Έλεγχος Λογισμικού»

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.

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.

Ερευνητικός Σύμβουλος: Ανδρέας Σ. Ανδρέου, Καθηγητής, andreas.andreou@cut.ac.cy, http://www.cut.ac.cy/eecei/staff/andreas.andreou/

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Τεχνολογία Λογισμικού για το Υπολογιστικό Νέφος»

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.

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.

Ερευνητικός Σύμβουλος: Ανδρέας Σ. Ανδρέου, Καθηγητής, andreas.andreou@cut.ac.cy, http://www.cut.ac.cy/eecei/staff/andreas.andreou/

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Αυτοματοποιημένη Διαχείριση Πόρων για το Υπολογιστικό Νέφος»

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.

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.

Ερευνητικός Σύμβουλος: Ανδρέας Σ. Ανδρέου, Αναπληρωτής Καθηγητής, andreas.andreou@cut.ac.cy, http://www.cut.ac.cy/eecei/staff/andreas.andreou/

 

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

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

 

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

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».

Απαραίτητα 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. 

Για περισσότερες πληροφορίες και συζήτηση για τη θέση και την έρευνα, οι ενδιαφερόμενοι μπορούν να επικοινωνήσουν απευθείας με τον

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

 

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

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.

Απαραίτητα 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:  Μαρίνος  Ιωαννίδης, Ανώτερος Λέκτορας 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 - Ιανουάριος 2018

  • Μία (1) θέση στο γνωστικό αντικείμενο: Αλγόριθμοι Προβλεπτικής Μοντελοποίησης για Κατανεμημένα Δίκτυα Ακουστικών Αισθητήρων (ΚΑΑ)

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:

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

Κυριάκος Καλλής, Αναπληρωτής Καθηγητής, kyriacos.kalli@cut.ac.cy

 

  • Μία (1) θέση στο γνωστικό αντικείμενο: Τεχνικές Transfer Learning για Εκδημοκρατισμό της Μηχανικής Μετάφρασης

Η μηχανική μετάφραση (neural machine translation, NMT) είναι μια νέα επανάσταση στην μηχανική μάθηση. Συνίσταται στην ανάπτυξη deep encoder-decoder μοντέλων με μηχανισμούς neural attention που μπορούν να μάθουν να κάνουν μετάφραση με το να παρατηρούν σχετικά παραδείγματα. Ωστόσο, ένα πρόβλημα που έχουν οι σημερινές τεχνικές είναι ότι απαιτούν πολύ μεγάλες συλλογές παραδειγμάτων μετάφρασης, που προφανώς φτιάχνονται από ειδικούς μεταφραστές, για να μπορέσουν να εκπαιδευθούν ικανοποιητικά. Αυτή η διαδικασία είναι πολύ δαπανηρή. Μάλιστα, μπορεί να καθίσταται απαγορευτική για γλώσσες που ομιλούνται από μικρούς πληθυσμούς ή/και έχουν δύσκολη συντακτική/γραμματική δομή. Μη πρόοδος όμως σε αυτή την κατεύθυνση θα μπορούσε να υπονομεύσει έτι περαιτέρω πολλές ομιλούμενες γλώσσες. Στόχος αυτής της διατριβής είναι να λύσουμε αυτό το πρόβλημα, βασιζόμενη στην θεωρία του transfer learning. Οι τεχνικές transfer learning, επίσης γνωστές ως one-shot learning, στοχεύουν στην εξόρυξη υψηλού επιπέδου γνώσης και αναπαραστάσεων από ένα μοντέλο μηχανικής μάθησης που εκπαιδεύθηκε να εκτελεί μια εργασία, οι οποίες μπορούν να χρησιμοποιηθούν για εκπαίδευση ενός άλλου μοντέλου να εκτελεί μια συναφή αλλά διαφορετική εργασία, με τρόπο που να απαιτεί ελάχιστα νέα δεδομένα εκπαίδευσης. Για να επιτύχουμε τους στόχους μας, θα εκμεταλλευθούμε την θεωρητικά αναμενόμενη δυνατότητα των deep encoder-decoder models να ενσωματώσουν transfer learning και θα αξιοποιήσουμε εργαλεία του Bayesian inference.

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

 

  • Μία (1) θέση με γνωστικό αντικείμενο: Μέθοδοι βασισμένες στα δεδομένα για ευφυή σχεδίαση επενδύσεων αρμολογίας πλοίων

Ο στόχος αυτής της διατριβής είναι η ανάπτυξη καινοτόμων, οδηγούμενων από τα δεδομένα μεθόδων ευέλικτης σχεδίασης επενδύσεων αρμολογίας πλοίων. Συγκεκριμένα, ενδιαφερόμαστε για χρήση μεθόδων που θα επιτρέπουν ευρωστία στην αβεβαιότητα του περιβάλλοντος και την ανακρίβεια των συναφών μετρήσεων, εμπνευσμένων π.χ. από τo statistical inference. Εξετάζουμε την ανάπτυξη λογισμικού προσομοίωσης, αν δεν έχουμε πρόσβαση σε πραγματικές εγκαταστάσεις. Θα χρησιμοποιήσουμε κορυφαία στατιστικά εργαλεία, π.χ. R. Η διατριβή αυτή προϋποθέτει ισχυρή γνώση της περιοχής της εφαρμογής - ωστόσο, ισχυρή εκ των προτέρων γνώση της στατιστικής μοντελοποίησης, ειδικά του statistical inference, δεν είναι υποχρεωτική.

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

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: Μηχανισμοί Διάθεσης Πόρων για Εφαρμογές Φιλοξενούμενες σε Πολλαπλές Πλατφόρμες Υπολογιστικής Νεφέλης

Η πληθώρα ετερογενών λύσεων Cloud προσφερόμενων στην αγορά είναι ισχυρή απόδειξη της επίδρασης της τεχνολογίας αυτής. Ωστόσο, η ετερογένεια των προσφερόμενων λύσεων και των σχετικών σχεδίων τιμολόγησης καθιστά πρόκληση να επιλέγει κανείς την διαρρύθμιση που θα ελαχιστοποιεί τα κόστη ενώ θα μεγιστοποιεί την επίτευξη της επιθυμητής Ποιότητας Υπηρεσίας. Απλές ευρετικές τεχνικές χρησιμοποιούνται τυπικά στην βιομηχανία, αλλά δεν μπορούν να αντιμετωπίσουν την μεταβλητότητα των σχεδίων τιμολόγησης και θέματα που έχουν να κάνουν με τον ενδογενή δυναμισμό και την πολυχρησία των περιβαλλόντων Cloud. Από την άλλη μεριά, επιστημονικές λύσεις βασισμένες σε Queuing Theory και Mixed Integer Linear Programing είναι υπολογιστικά μη αποδοτικές ή/και ανέφικτες σε μεγάλη κλίμακα. Επιπλέον, απαιτούν πολλές συνόδους με την πλατφόρμα Cloud, που συνεπάγονται μεγάλα κόστη για τον χρήστη. Η διατριβή αυτή φιλοδοξεί να λύσει αυτά τα πρακτικά προβλήματα, αξιοποιώντας και αναπτύσσοντας καινοτόμες τεχνικές Επιστήμης Δεδομένων, ικανές να αξιοποιούν παλαιές εμπειρίες και παρατηρήσεις ώστε να συμπεράνουν την καλύτερη πολιτική ανά περίπτωση. Οι τεχνικές Deep learning θα είναι κεντρικές στην έρευνά μας και στις υπό εξέταση λύσεις.

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

 

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

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.

Απαραίτητα 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)

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.

Απαραίτητα 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

 

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

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

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: Μοντελοποίηση κίνησης καρδιαγγειακού κύκλου

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

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Τρισδιάστατη αριθμητική απεικόνιση εγκεφάλου και ανάλυση όγκων»

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

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Διάδοση θερμότητας σε μικρορευστά και η επίδρασή τους επί οπτικών τρόπων σε μικροδομημένες οπτικές ίνες»

Απαραίτητα προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας ή Φυσική ή άλλο συναφές αντικείμενο και να έχει δυνατό μαθηματικό υπόβαθρο.

Ερευνητικοί Σύμβουλοι:

Κυριάκο Καλλής, Αναπληρωτής Καθηγητής, kyriacos.kalli@cut.ac.cy

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

 

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

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

Απαραίτητα 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, Αναπληρωτής Καθηγητής, kyriacos.kalli@cut.ac.cy

 

  • Μια (1) θέση στο αντικείμενο: «Ευφυή Αυτορυθμιζόμενες Διατάξεις Λέιζερ για Επεξεργασία Υλικών σε Νέας Γενιάς Εφαρμογές Φωτονικής»

Αυτή η διατριβή φιλοδοξεί να αναπτύξει την πρώτη γενεά πραγματικά ευφυών, αυτορυθμιζόμενων λέιζερ, για εγχάραξη και μικρο-επεξεργασία φωτονικών στοιχείων. Ο στόχος είναι να πετύχουμε μια επανάσταση στην αυτόματη επεξεργασία διαφόρων τύπων υλικών, με ακρίβεια sub-micron. Λόγω της ασταθούς φύσης του περιβάλλοντος, αυτό απαιτεί να επιτρέψουμε στην διάταξη λέιζερ να αυτοπροσαρμόζει την διαμόρφωσή της, ώστε να βελτιστοποιείται η επεξεργασία, στον ελάχιστο αριθμό προσπαθειών. Για τον σκοπό αυτό, θα αξιοποιήσουμε Bayesian Optimization (BO) αλγορίθμους - αρχικά θα θεωρήσουμε υπάρχουσες ΒΟ τεχνικές, αλλά στην πορεία θα εξεταστούν και καινοτόμες λύσεις ΒΟ, που να είναι καλύτερες για τις ιδιομορφίες των διατάξεων λέιζερ.

Απαραίτητα προσόντα: Πτυχίο ή/και Μεταπτυχιακό στον τομέα Ηλεκτρολογίας ή Φυσικής  ή σε άλλο συναφές αντικείμενο καθώς επίσης και δυνατό μαθηματικό υπόβαθρο θα αποτελουν πλεονεκτημα

Ερευνητικοί Σύμβουλοι:

Κυριάκος Καλλής, Αναπληρωτής Καθηγητής, kyriacos.kalli@cut.ac.cy

Σωτήρης Χατζής, Επίκουρος Καθηγητής,  sotirios.chatzis@eecei.cut.ac.cy

 

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

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.

Για περισσότερες πληροφορίες και συζήτηση για τη θέση και την έρευνα, οι ενδιαφερόμενοι μπορούν να επικοινωνήσουν απευθείας με τον

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

 

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

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

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: Αξιολόγηση Συμβατού με  MRI Συστήματος Βιοψίας Εγκεφάλου ΄Εξι Διαστάσεων.

Αξιολόγηση ενός ρομποτικού συστήματος που έχει αναπτυχθεί στο ΤΕΠΑΚ σε in vitro μοντέλο εγκεφάλου. Αξιολόγηση του συστήματος μέσα σε περιβάλλον MRI. Ανάπτυξη  μεθόδου για frameless βιοψίας στον εγκέφαλο. Διεξαγωγή πειραμάτων σε ζώα για την επαλήθευση του συστήματος. Ανάπτυξη λογισμικού για την καθοδήγηση της διαδικασίας βιοψίας με μαγνητική τομογραφία.

Απαραίτητα προσόντα:   Μάστερ στον τομέα Ηλεκτρολογικής Μηχανικής.  Φοιτητές με πτυχίο, θα πρέπει να παρακολουθήσουν μαθήματα Προγράμματος Μάστερ.

Για περισσότερες πληροφορίες και συζήτηση για τη θέση και την έρευνα, οι ενδιαφερόμενοι μπορούν να επικοινωνήσουν απευθείας με τον

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

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Αξιοπιστία Λογισμικού»

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.

Ερευνητικός Σύμβουλος: Ανδρέας Σ. Ανδρέου, Καθηγητής, andreas.andreou@cut.ac.cy, http://www.cut.ac.cy/eecei/staff/andreas.andreou/

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Αυτοματοποιημένος Έλεγχος Λογισμικού»

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.

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.

Ερευνητικός Σύμβουλος: Ανδρέας Σ. Ανδρέου, Καθηγητής, andreas.andreou@cut.ac.cy, http://www.cut.ac.cy/eecei/staff/andreas.andreou/

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Τεχνολογία Λογισμικού για το Υπολογιστικό Νέφος»

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.

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.

Ερευνητικός Σύμβουλος: Ανδρέας Σ. Ανδρέου, Καθηγητής, andreas.andreou@cut.ac.cy, http://www.cut.ac.cy/eecei/staff/andreas.andreou/

 

  • Μία (1) Θέση στο γνωστικό αντικείμενο: «Αυτοματοποιημένη Διαχείριση Πόρων για το Υπολογιστικό Νέφος»

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.

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.

Ερευνητικός Σύμβουλος: Ανδρέας Σ. Ανδρέου, Αναπληρωτής Καθηγητής, andreas.andreou@cut.ac.cy, http://www.cut.ac.cy/eecei/staff/andreas.andreou/

 

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

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

 

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

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».

Απαραίτητα 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. 

Για περισσότερες πληροφορίες και συζήτηση για τη θέση και την έρευνα, οι ενδιαφερόμενοι μπορούν να επικοινωνήσουν απευθείας με τον

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

 

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

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.

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

 

Πληροφορίες:

Από τη Γραμματεία του Τμήματος

Τηλ.: 25002533, Φαξ.: 25002635