Έναρξη φοίτησης: Ιανουάριος 2024

Καταληκτική ημερομηνία υποβολής αιτήσεων: Παρασκευή, 24 Νοεμβρίου 2023 (11:59 μ.μ.)

Υποβολή αίτησης

Πληροφορίες από τη Γραμματεία του Τμήματος:

Ηλεκτρονική Φόρμα Επικοινωνίας | Τηλ.: 25002533 | Φαξ.: 25002633

​​​​​​

• Μία (1) Θέση στο γνωστικό αντικείμενο: «Η Μετατροπία των Τεχνών από την Πρώιμη εποχή, στην εποχή της Μεταμοντέρνας Ψηφιακής Αναπαράστασης και Αλγοριθμικής Τέχνης με βάση την Μηχανική Μάθηση και Τεχνητή Νοημοσύνη»

Περιγραφή: Η Τεχνητή Νοημοσύνη και η Μηχανική Μάθηση έχουν σημαντικές δυνατότητες προσαρμογής για δημιουργικούς σκοπούς. Αυτή η μελέτη εξετάζει προσεγγίσεις σε αυτούς τους τομείς όσον αφορά την καλλιτεχνική πρακτική και τις δημιουργικές διαδικασίες απο την πρώιμη εποχή (Harold Cohen AARON 1970) μέχρι σήμερα. Σε ακόλουθο στάδιο η μελέτη διερευνά την ιστορική σχέση μεταξύ εικαστικής τέχνης, νέων μέσων και τεχνολογίας στο μεταμοντέρνο στάδιο εξέλιξης της τεχνητής νοημοσύνης. (ι) Διαλογικό πρόγραμμα (ηλεκτρονικός συγγραφέας, Richard Grusin), (ιι) Σύστημα αξιολόγησης βάση δεδομένων για διευκόλυνση εικαστικής ανάπτυξης νέων καλλιτεχνών με τις βασικές κριτικές αρχές, (ιιι) Δημιουργία προγράμματος και συλλογή δεδομένων με βάση την προσωπική μου εικαστική έρευνα ως αρχείο ανάπτυξης, παραγωγής εικόνας και ως ηλεκτρονικός δημιουργικός και ερευνητικός οδηγός, (ιιιι) Σύστημα επιλογής με βάση την νευροαισθητική στην τέχνη. 

Απαραίτητα προσόντα: Απαραίτητο πτυχίο η μεταπτυχιακό επιπέδου 7 του Εθνικού και Ευρωπαϊκού Πλαισίου Προσόντων, Τμήματος Εικαστικών ή Εφαρμοσμένων Τεχνών, καθώς και εξοικείωση με την παραγωγική τεχνητή νοημοσύνη (generative AI) μέσω της πλατφόρμας Hugging Face. 

Ερευνητικός Σύμβουλος: Σωτήρη Χατζή, Αναπληρωτής Καθηγητής, sotirios.chatzis@cut.ac.cy

• Μία (1) Θέση στο γνωστικό αντικείμενο: «Εφαρμογές Συνομιλητικής Τεχνητής Νοημοσύνης για προαγωγή της φυσικής κατάστασης του πληθυσμού»

Η συνομιλητική τεχνητή νοημοσύνη μπορεί να βοηθήσει στην προώθηση της σωματικής άσκησης για άτομα με καθιστικό τρόπο ζωής. Η συνομιλητική τεχνητή νοημοσύνη, επίσης γνωστή ως τεχνολογία chatbot, μπορεί να χρησιμοποιηθεί για τη δημιουργία ελκυστικών και εξατομικευμένων εμπειριών που μπορούν να βοηθήσουν τους ανθρώπους να παραμείνουν παρακινημένοι και να επιτύχουν τους στόχους φυσικής κατάστασής τους.

Αυτή η διατριβή θα έχει ως στόχο να εξερευνήσει πρακτικά ορισμένους συγκεκριμένους τρόπους με τους οποίους η συνομιλητική τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για την προώθηση της σωματικής άσκησης. Αυτοί μπορεί να περιλαμβάνουν:

• Παροχή κινήτρων και υποστήριξης.
• Δημιουργία εξατομικευμένων πλάνων άσκησης.
• Παρακολούθηση της προόδου και παροχή ανατροφοδότησης.
• Εκπαίδευση και ενημέρωση.

Ο κύριος άξονας της διατριβής θα επικεντρωθεί στην επιβλεπόμενη εξειδίκευση θεμελιωδών μοντέλων καθώς και στη στοίχιση τους με τον χρήστη μέσω της ενισχυτικής μάθησης μέσω ανατροφοδότησης από τον άνθρωπο. Το αποτέλεσμα θα είναι νέα μεγάλα μοντέλα γλώσσας που θα αντιμετωπίζουν τους προαναφερθέντες στόχους.

Ο επιτυχής υποψήφιος θα πρέπει απαραίτητα να διαθέτει διεπιστημονικές δεξιότητες που να συνδυάζουν τόσο τις επιστήμες του αθλητισμού όσο και τον προγραμματισμό υπολογιστών, με ενδιαφέρον για τον προγραμματισμό PyTorch και τα μοντέλα HuggingFace.

Ερευνητικός Σύμβουλος: Σωτήρη Χατζή, Αναπληρωτής Καθηγητής, sotirios.chatzis@cut.ac.cy

• Μία (1) Θέση στο γνωστικό αντικείμενο: «Ανάπτυξη Λειτουργικών Μοντέλων μέσω της Τεχνητής Νοημοσύνης στον Τομέα της Γεωργοτροφικής Βιομηχανίας για τη Βελτίωση του Περιβαλλοντικού Αποτυπώματος των Παραγωγών και των Επιχειρήσεων»

Περιγραφή: Ο γεωργικός και τομέας παραγωγής τροφίμων διαδραματίζει κρίσιμο ρόλο στη διασφάλιση της τροφικής ασφάλειας και της βιωσιμότητας, αλλά συμβάλλει επίσης σημαντικά στις περιβαλλοντικές προκλήσεις, όπως η εξάντληση των πόρων, οι εκπομπές αερίων του θερμοκηπίου και η αποσύνθεση του εδάφους. Για να αντιμετωπιστούν αυτά τα επείγοντα θέματα, αυτή η διατριβή διδακτορικού επικεντρώνεται στην ανάπτυξη λειτουργικών μοντέλων μέσω τεχνικών Τεχνητής Νοημοσύνης (ΤΝ) στον τομέα της γεωργοτροφικής βιομηχανίας. Ο στόχος είναι να βελτιώσουμε το περιβαλλοντικό αποτύπωμα τόσο των γεωργικών παραγωγών όσο και των επιχειρήσεων που δραστηριοποιούνται σε αυτόν τον τομέα. Θα χρησιμοποιήσουμε αλγόριθμους ΤΝ και μηχανικής μάθησης για την ανάπτυξη συστημάτων υποστήριξης αποφάσεων που επιτρέπουν σε αγρότες και επιχειρήσεις του γεωργοτροφικού τομέα να λαμβάνουν ενημερωμένες και βιώσιμες αποφάσεις στις λειτουργίες τους.

Ερευνητικός Σύμβουλος: Σωτήρη Χατζή, Αναπληρωτής Καθηγητής, sotirios.chatzis@cut.ac.cy

• Μία (1) Θέση στο γνωστικό αντικείμενο: «Προβλεψιμότητα Σύνθετων Δικτύων»

Περιγραφή: Τα πολύπλοκα δίκτυα υπάρχουν παντού - από το Διαδίκτυο και τα κοινωνικά δίκτυα, μέχρι τα συστήματα μεταφορών και τον ανθρώπινο εγκέφαλο. Αυτά τα περίπλοκα συστήματα αποτελούνται από κόμβους και ακμές, που αντιπροσωπεύουν οντότητες και τις αλληλεπιδράσεις τους. Η κατανόηση της δομής και της δυναμικής τους είναι κρίσιμη για την αντιμετώπιση σημαντικών προκλήσεων σε ποικίλους τομείς, όπως η επιδημιολογία, οι χρηματοοικονομικές επιστήμες και οι κοινωνικές επιστήμες. Για παράδειγμα, αναλύοντας δίκτυα ανθρώπινων επαφών μπορεί κανείς να προβλέψει εκδηλώσεις ασθενειών και να βελτιστοποιήσει στρατηγικές εμβολιασμού, συμβάλλοντας στη δημόσια υγεία. Επιπλέον, με την ανάλυση και βελτιστοποίηση δικτύων, μπορεί κανείς να σχεδιάσει αποτελεσματικά συστήματα μεταφορών. Ακόμα, με τη μελέτη δικτύων αλληλεπίδρασης πρωτεϊνών, μπορεί κανείς να κατανοήσει καλύτερα την εκδήλωση ασθενειών και να προσφέρει κατευθυντήριες γραμμές για σχεδιασμό πιο αποτελεσματικών φαρμάκων. Τέλος, με τη μελέτη της δυναμικής κοινωνικών δικτύων, μπορεί κανείς να εξερευνήσει τη διάδοση της πληροφορίας, της επιρροής και της συμπεριφοράς σε κοινωνικά δίκτυα.

Απαραίτητα προσόντα: O υποψήφιος διδάκτορας, θα αναπτύξει προηγμένα μοντέλα και αλγόριθμους δικτύων, με έμφαση στην προβλεψιμότητα πραγματικών δικτύων, θα αναλύσει δεδομένα πραγματικών δικτύων μεγάλης κλίμακας και θα συνεισφέρει στην επίλυση κρίσιμων κοινωνικών προκλήσεων. Για περισσότερες πληροφορίες, ο ενδιαφερόμενος μπορεί να επικοινωνήσει με τον Ερευνητικό Σύμβουλο.

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

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

Περιγραφή: Μέθοδοι, τεχνικές, μοντέλα και αλγόριθμοι  για αυτοματοποιημένο έλεγχο λογισμικού με ελάχιστη ή και με καθόλου ανθρώπινη παρέμβαση. Χρήση υπολογιστικής νοημοσύνης ή/και άλλων υπο-περιοχών  της Πληροφορικής για black-box (specifications-based) και glass-box (source code-based) ελέγχου τυπικών συστημάτων λογισμικού, καθώς και εφαρμογών κινητού λογισμικού και διαδικτύου.

Απαιτούμενα προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή σε Τεχνολογίες Πληροφορικής. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

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

• Μία (1) Θέση στο γνωστικό αντικείμενο: «Ευφυής Επεξεργασία Δεδομένων στην Υγεία»

Περιγραφή: Αξιοποίηση προσεγγίσεων όπως το η Εξόρυξη Επιχειρησιακών Διαδικασιών (Business Process Mining), τα Ψηφιακά Δίδυμα (Digital Twins) και το Blockchain για το χώρο της Υγείας. Σε αυτό το πλαίσιο, αναμένεται ότι η ερευνητική εργασία που θα διεξαχθεί θα περιστρέφεται γύρω από τη βελτιστοποίηση των διαδικασιών υγειονομικής περίθαλψης με άξονα αφορά τον χρόνο εξυπηρέτησης, το κόστος και τη χρήση των πόρων. Τα ψηφιακά δίδυμα θα διερευνηθούν ως διαδραστικά μέσα για την εκτέλεση προσομοιώσεων και για την γραφική απεικόνιση της ανάλυσης των δεδομένων που εμπλέκονται, όπως επίσης και του αποτελέσματος των αποφάσεων που λαμβάνονται. Τέλος, το Blockchain και ειδικά οι εικονικές μηχανές Ethereum και τα έξυπνα συμβόλαια (Ethereum Virtual Machines and smart contracts) θα χρησιμοποιηθούν για να παρέχουν ένα επιπλέον επίπεδο ασφάλειας για τις συναλλαγές υγειονομικής περίθαλψης και την ανταλλαγή δεδομένων.

Απαιτούμενα προσόντα: Οι υποψήφιοι πρέπει να είναι κάτοχοι πτυχίου και μεταπτυχιακού επιπέδου μάστερ στην επιστήμη της Πληροφορικής ή σε Τεχνολογίες Πληροφορικής. Οποιαδήποτε εμπειρία ή τριβή με έρευνα και ειδικότερα με ερευνητική δουλειά στο πεδίο της θέσης θα θεωρηθεί ως επιπρόσθετο προσόν.

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

• Μία (1) Θέση στο γνωστικό αντικείμενο: «Χρήση Νευρωνικών Δικτύων Γράφων για την Ανάλυση Αλληλεπιδράσεων Ομάδων και τη Βελτίωση των Προπονητικών Στρατηγικών στο Ποδόσφαιρο»

Περιγραφή:Τα Νευρωνικά Δίκτυα Γράφων (GNNs) αποτελούν μία από τις πιο συναρπαστικές και ταχύτερα εξελισσόμενες αρχιτεκτονικές στο τοπίο της βαθιάς μάθησης. Ως μοντέλα βαθιάς μάθησης που έχουν σχεδιαστεί για την επεξεργασία δεδομένων που είναι δομημένα ως γραφήματα, τα GNNs προσφέρουν αξιοσημείωτη ευελιξία και ισχυρές δυνατότητες μάθησης.

Οι προπονητές ποδοσφαίρου αναζητούν πάντα τρόπους για να βελτιώσουν την απόδοση της ομάδας τους, τόσο ως ομάδα όσο και ξεχωριστά ως μεμονωμένους παίκτες, και να αποκτήσουν ανταγωνιστικό πλεονέκτημα έναντι των αντιπάλων τους. Οι τρέχουσες μέθοδοι ανάλυσης της απόδοσης των ομάδων περιλαμβάνουν την ανάλυση βίντεο που γίνεται από ανθρώπους, η οποία είναι χρονοβόρα και επιρρεπής σε ανθρώπινο σφάλμα. Ωστόσο, οι πρόσφατες εξελίξεις στη μηχανική μάθηση, και ειδικότερα στα Δίκτυα Νευρωνικών Γραφημάτων (GNNs), παρέχουν έναν νέο τρόπο για τη μελέτη των αλληλεπιδράσεων των ομάδων και τη βελτίωση των προπονητικών στρατηγικών.

Το προτεινόμενο διδακτορικό πρόγραμμα θα ερευνήσει τη χρήση των GNNs για την ανάλυση των αλληλεπιδράσεων των ομάδων στο ποδόσφαιρο και την ανάπτυξη νέων προπονητικών στρατηγικών με βάση τις γνώσεις που θα αποκτηθούν. Η έρευνα θα συλλέξει και θα αναλύσει δεδομένα από επαγγελματικούς ποδοσφαιρικούς αγώνες, συμπεριλαμβανομένων βιντεοσκοπημένου υλικού και δεδομένων παρακολούθησης, για να δημιουργήσει μια αναπαράσταση σε μορφή γραφήματος των αλληλεπιδράσεων των ομάδων, προκειμένου να βρεθεί η πιο αποτελεσματική προσέγγιση για την ανάλυση των αλληλεπιδράσεων των ομάδων, συμπεριλαμβανομένων ημι-επιβλεπόμενων και μη επιβλεπόμενων μεθόδων μάθησης.

Οι επιτυχημένοι υποψήφιοι θα πρέπει να είναι σε θέση να αποδείξουν εξαιρετικές γνώσεις στη θεωρία της επιστήμης των υπολογιστών, καθώς και εξαιρετικές δεξιότητες στην υλοποίηση λογισμικού.

Απαιτούμενα προσόντα:

• BSc ή MSc από αναγνωρισμένο πανεπιστήμιο στην Ηλεκτρολογική Μηχανική ή στην Πληροφορική.
• Εμπειρία προγραμματισμού σε γλώσσα προγραμματισμού υψηλού επιπέδου.
• Πολύ καλές γνώσεις της αγγλικής γλώσσας (προφορικά και γραπτώς).
• Διοργανωτικές ικανότητες.
• Η συμμετοχή σε χρηματοδοτούμενα ερευνητικά προγράμματα θα θεωρηθεί πρόσθετο προσόν.
• Προηγούμενη ερευνητική εμπειρία ή εξειδίκευση στη Μηχανική Μάθηση θα θεωρηθεί πλεονέκτημα.

Ερευνητικός Σύμβουλος: Μιχάλη Σιβιριανό, Αναπληρωτής Καθηγητής, michael.sirivianos@cut.ac.cy

• Μία (1) Θέση στο γνωστικό αντικείμενο:  «Συστήματα εξαγωγής και παρακολούθησης δεικτών για την ανίχνευση αναπτυξιακών διαταραχών σε εφήβους και παιδιά»

Περιγραφή: Οι νευροαναπτυξιακές διαταραχές όπως οι γλωσσικές διαταραχές μπορεί να προκαλέσουν σοβαρά λειτουργικά προβλήματα σε εφήβους και παιδιά, όπως προβλήματα στο λόγο (έκφραση και κατανόηση), στην ακαδημαϊκή επίδοση και στην κοινωνική αλληλεπίδραση. Ο καθορισμός δεικτών που να μπορούν  εξαχθούν με αυτοματοποιημένο τρόπο και να χαρακτηρίσουν τις διαταραχές, είναι o κύριος στόχος αυτής της διδακτορικής εργασίας. Τα πιθανά ερευνητικά θέματα περιλαμβάνουν την ανάπτυξη νέων μεθόδων για ανάλυση ομιλίας, ανάλυση εικόνας προσώπου κ.α. Οι υποψήφιοι αναμένεται να έχουν ένα ισχυρό υπόβαθρο σε συναφές πεδίο, όπως στην επιστήμη των υπολογιστών, στην βιο-ιατρική μηχανική ή κάτι ανάλογο, καθώς και εμπειρία στην ανάλυση ψηφιακού σήματος, εικόνας και  προγραμματισμό με γλώσσα Python.

Απαραίτητα προσόντα: Πτυχίο ή Μάστερ στον τομέα Πληροφορικής ή Βιο-ιατρικής Μηχανικής ή ανάλογο πεδίο.

Ερευνητικός Σύμβουλος: Ευθύβολος Κυριάκου, Επίκουρος Καθηγητής,  efthyvoulos.kyriacou@cut.ac.cy

• Δύο (2) Θέσεις στο γνωστικό αντικείμενο: Κατανομή Κβαντικού Κλειδιού (QKD)

Η διανομή κβαντικών κλειδιών (QKD) είναι η μόνη τεχνολογία που μπορεί να παρέχει άνευ όρων ασφάλεια στις επικοινωνίες. Για το λόγο αυτό, η ΕΕ έχει ζητήσει, μέσω της πρωτοβουλίας European Quantum Communication Infrastructure (EuroQCI), από όλα τα κράτη μέλη της ΕΕ να εφαρμόσουν τοπικά κβαντικά δίκτυα. Στην Κύπρο αυτό θα υλοποιηθεί μέσω της Κυπριακής Κβαντικής Επικοινωνιακής Υποδομής (CYQCI), στην οποία ανήκουν οι συγκεκριμένες θέσεις. Για περισσότερες πληροφορίες σχετικά με το έργο, μπορείτε να ακολουθήσετε τον ιστότοπο: https://cyqci.eu/index.html.

Ο στόχος της έρευνας θα επικεντρωθεί στα ακόλουθα:

• Η ανάπτυξη ενός πρωτότυπου συστήματος QKD που βασίζεται σε οπτικές ίνες
• Η υλοποίηση εθνικών συνδέσεων QKD
• Η ανάπτυξη κωδικών προσομοίωσης για συστήματα QKD

Ως εκ τούτου, η έρευνα θα περιλαμβάνει εκτεταμένη εργασία με οπτικές ίνες, λέιζερ και ηλεκτρονικά.

Οι υποψήφιοι θα πρέπει να έχουν:

• Πτυχίο ή μεταπτυχιακό από αναγνωρισμένο Πανεπιστήμιο στα σχετικά μαθήματα (Φυσική/Ηλεκτρονική ή Μηχανική Υπολογιστών)
• Εμπειρία σε ερευνητικά έργα από εθνικούς ή/και ευρωπαϊκούς πόρους θα θεωρηθεί πλεονέκτημα
• Ικανότητες οργάνωσης
• Άριστη γνώση της Αγγλικής Γλώσσας
• Γνώση Python ή άλλων γλωσσών προγραμματισμού θα θεωρηθεί προσόν.
• Εμπειρία στη διεξαγωγή έρευνας σχετικής με το αντικείμενο θα θεωρηθεί προσόν

Η ερευνητική δραστηριότητα θα περιλαμβάνει:

• Ανάπτυξη και ανάπτυξη νέου λογισμικού ελέγχου δικτύου για κβαντικά δίκτυα.
• Ανάλυση, υλοποίηση και συνεισφορά σε δημοσιευμένα πρότυπα που σχετίζονται με διεπαφές ενορχήστρωσης και ελέγχου δικτύου διανομής κβαντικών κλειδιών.
• Ανάπτυξη λογισμικού σε επίπεδο εφαρμογής για την υλοποίηση κρυπτογραφικών λειτουργιών με βάση την κβαντική κρυπτογραφία.
• Σύνταξη λεπτομερούς τεκμηρίωσης για την περιγραφή του αναπτυγμένου λογισμικού.
• Στενή συνεργασία με την υπόλοιπη ομάδα και επίδειξη αποτελεσματικής επικοινωνίας με άλλους συναδέλφους.
• Εκτελέση σχετικών καθηκόντων που σχετίζονται με την εργασία όπως του έχουν ανατεθεί.

Χρηματοδότηση: Ο επιτυχών θα απασχοληθεί ως Μεταπτυχιακός Συνεργάτης στο ερευνητικό εργαστήριο Φωτονικής και Οπτικών Αισθητήρων (PhOSLab)

Ερευνητικός Σύμβουλος: Κυριάκος Καλλή, Επίκουρος Καθηγητής,  kyriacos.kalli@cut.ac.cy