Η ευέλικτη μάθηση δίνει την ευκαιρία σε διδάσκοντες και διδασκόμενους να αποκλίνουν από το παραδοσιακό μαθησιακό περιβάλλον -δηλαδή την αίθουσα διδασκαλίας- και να προσεγγίσουν τη μάθηση σε νέα μαθησιακά περιβάλλοντα με τη βοήθεια της τεχνολογίας. Οι συνιστώσες στις οποίες επικεντρώνονται οι φοιτητές και για τις οποίες αποκτούν ειδικευμένες γνώσεις, είναι: • η ελαχιστοποίηση του κόστους • η αξιοποίηση του περιορισμένου διαθέσιμου χρόνου για απόκτηση πληροφοριών και γνώσεων • η επιτακτική ανάγκη για απόκτηση νέων και ποικίλων δεξιοτήτων, αλλά και για αναβάθμιση των ήδη αποκτηθέντων, και, τέλος • η ανάπτυξη και διαμόρφωση της σύγχρονης εκπαιδευτικής τεχνολογίας. 

Ο στόχος του προπτυχιακού μαθήματος "Ευφυή Αυτόνομα Συστήματα" είναι να εισάγει τους φοιτητές στις βασικές έννοιες των ρομποτικών συστημάτων. Ιδιαίτερη έμφαση θα δοθεί στην δημιουργία του λογισμικού κατάστρωσης μονοπατιού για την καθοδήγηση κινητών ρομπότ στο επίπεδο.

Θέματα και Προκλήσεις Αυτόνομων Συστημάτων. Ιστορικά Στοιχεία. Παραδείγματα. Αρχιτεκτονικές Ρομπότ. Βιολογική Θεμελίωση. Σχεδιασμός Ενεργειών: Ιεραρχικός Σχεδιασμός, Εύρεση Μονοπατιού, Κατάστρωση Κινήσεων. Ευφυείς Πράκτορες: Επικοινωνία, Αρχιτεκτονικές, Έλεγχος Συμπεριφοράς, Αναπαράσταση, Αρχιτεκτονικές Συστημάτων. Ευφυής Διασύνδεση με Περιβάλλον: Αισθητήρες και Εξαρτήματα δράσης. Μάθηση στα Ευφυή Αυτόνομα Συστήματα: Μάθηση με Επίβλεψη, Νευρωνικά Δίκτυα, Γενετικοί Αλγόριθμοι, Ενισχυτική Μάθηση, Μέθοδοι Monte Carlo, Μάθηση Χρονικών Διαφορών, Μάθηση Χάρτη και Προσδιορισμός Θέσης σε αυτόν.

Στόχοι του μαθήματος είναι η κατανόηση μεθοδολογιών επίλυσης Συνήθων Διαφορικών Εξισώσεων καθώς και βασικών εννοιών της Μιγαδικής Ανάλυσης και της Ανάλυσης Fourier
Το περιεχόμενο του μαθήματος συνοψίζεται στις ακόλουθες τρεις ενότητες:
-- Μεθοδολογίες επίλυσης στοιχειωδών συνήθων διαφορικών εξισώσεων με εφαρμογές
-- Μιγαδικοί αριθμοί, ολόμορφες μιγαδικές συναρτήσεις και μιγαδική ολοκλήρωση με εφαρμογές

-- Μετασχηματισμός Fourier και εφαρμογές
Επίσης, θα γίνουν και εφαρμογές των ανωτέρω με χρήση μαθηματικού λογισμικού (εφόσον υπάρχει χρόνος).

Στερεά Κατάσταση (Θεωρία ενεργειακών ζωνών, Αγωγιμότητα, Κινητικότητα). Ηλεκτρικές ιδιότητες μετάλλων, ιδιότητες ημιαγωγών (ηλεκτρόνια, οπές, προσμίξεις).
Αρχές λειτουργίας ηλεκτρικών κυκλωμάτων, βασικά ηλεκτρικά κυκλώματα.
Ηλεκτρονική -Δίοδοι, ανορθωτικά κυκλώματα, ειδικές δίοδοι και εφαρμογές τους σε οπτοηλεκτρονικές διατάξεις. Τρανζίστορ, βασικά κυκλώματα με τρανζίστορ, τρανζίστορ επαφής πεδίου-FET, MOSFET. Πυκνωτές ημιαγωγού μετάλλου-οξειδίου (MOS). Εφαρμογές σε ψηφιακά κυκλώματα. Χρήση virtual bench lab.

Βασικές έννοιες της Φυσικής Στερεάς Κατάστασης. Θεωρία ενεργειακών ζωνών, αγωγιμότητα, κινητικότητα. Ηλεκτρικές ιδιότητες μετάλλων και ημιαγωγών (ηλεκτρόνια, οπές, προσμίξεις). Ηλεκτρονική, αρχές και βασικές διατάξεις. Δίοδοι, ανορθωτικά κυκλώματα, ειδικές δίοδοι, οπτοηλεκτρονικές διατάξεις. Διατάξεις μετάλλου-οξειδίου-ημιαγωγού (MOS). Τρανζίστορ επαφής πεδίου (FET), δομή και ιδιότητες του MOSFET. Τεχνολογία CMOS. Εφαρμογές σε ψηφιακά κυκλώματα. Εισαγωγή στο SPICE.

Το μάθημα αποτελεί εισαγωγή στις βασικές έννοιες και αλγορίθμους της θεωρίας των γράφων. Δίνεται έμφαση στην περιγραφή και χρήση των εννοιών με μαθηματικά ακριβή τρόπο. Εξετάζεται η εφαρμογή της θεωρίας στον σχεδιασμό αλγορίθμων για προβλήματα γράφων, καθώς και στην επαλήθευση της ορθότητας αυτών των αλγορίθμων. Τέλος, καλύπτονται έννοιες όπως η συνδεσμικότητα, η επιπεδικότητα και ο χρωματισμός.

Εισαγωγή, Λήψη Αποφάσεων υπό Συνθήκες Βεβαιότητας (Πολυκριτηριακές Μέθοδοι Λήψης Απόφασης) Λήψη Αποφάσεων υπό Συνθήκες Άγνοιας, Λήψη Αποφάσεων υπό Συνθήκες Κινδύνου (Θεωρία Πιθανοτήτων, Δίκτυα Bayes, Θεωρία Χρησιμοτήτων), Ακολουθίες Αποφάσεων (Δένδρα Αποφάσεων), Λήψη Αποφάσεων Παρουσία Ανταγωνιστικών Πρακτόρων (Θεωρία Παιγνίων), Λήψη Αποφάσεων με Ανάλυση Δεδομένων (Μηχανική Μάθηση, Ανακάλυψη Γνώσης σε Βάσεις Δεδομένων).

Πληροφορία – εντροπία (εντροπία, συνδετική εντροπία, υπό συνθήκη εντροπία, επεκτάσεις πηγής πληροφορίας, πηγή πληροφορίας με μνήμη, αναλογική πηγή πληροφορίας), χωρητικό-τητα διαύλου πληροφορίας (δίαυλος πληροφορίας, διαπληροφορία - χωρητικότητα, δίαυλος πληροφορίας χωρίς απώλειες, ιδανικός δίαυλος πληροφορίας, ομοιόμορφος δίαυλος πληρο-φορίας, δυαδικός συμμετρικός δίαυλος πληροφορίας, Σ-δίαυλος πληροφορίας, αλυσιδωτή σύνδεση διαύλων πληροφορίας), κωδικοποίηση σε αθόρυβο περιβάλλον (ορολογία και ταξι-νόμηση κωδίκων, θεώρημα του Kraft, πρώτο θεώρημα Shannon, απλοί κώδικες (Shannon, Shannon-Fano, Huffmann, δενδροδιάγραμμα απόφασης). Κωδικοποίηση σε θορυβικό περι-βάλλον (κριτήρια αποκωδικοποίησης, φράγμα Fano, δεύτερο θεώρημα Shannon, αποκάλυψη σφαλμάτων, διόρθωση σφαλμάτων, κώδικας Hamming). Αλγεβρική κωδικοποίηση (κώδικες ομάδας, κώδικες Hamming, BCH, Golay, υλοποίηση κυκλικών κωδίκων, συνελικτικοί κώδι-κες).

Η Θεωρία Υπολογισμού πραγματεύεται τους ορισμούς και τις ιδιότητες των μαθηματικών μοντέλων της Επιστήμης των Υπολογιστών. Πρόκειται για μια Θεωρία με μαθηματική θεμελίωση, θεωρήματα και αποδείξεις, που αποτελούν τη βάση για την κατασκευή ιδιαίτερα σημαντικών αλγορίθμων. Μερικές "άμεσες" εφαρμογές της θεωρίας είναι η επεξεργασία - γρήγορη αναζήτηση προτύπων κειμένου, επεξεργασία φυσικής γλώσσας, σχεδίαση γλωσσών προγραμματισμού & μεταγλωττιστών, κωδικοποίηση πληροφορίας, σχεδίαση ψηφιακών κυκλωμάτων, αλγοριθμική επαλήθευση υλικού/λογισμικού (model checking) κ.α. Η θεωρία αποτελεί επίσης τη βάση για την ανάλυση των χαρακτηριστικών υπολογισιμότητας σημαντικών προβλημάτων για μια σειρά εφαρμογών και των ιδιοτήτων πολυπλοκότητας των αλγορίθμων που χρησιμοποιούμε σε όλο το φάσμα της υπολογιστικής επιστήμης.

Γενικός στόχος του μαθήματος είναι:
> (α) Η εξοικείωση με τις σύγχρονες Θεωρίες Mάθησης και η σύνδεσή τους με Αρχές Σχεδίασης Εκπαιδευτικού Λογισμικού,
> (β) Η εισαγωγή στη γλώσσα προγραμματισμού Python με έμφαση στην ανάπτυξη παιχνιδιών μάθησης.
Το μάθημα καλύπτει τις εξής θεωρίες: Συμπεριφορισμός, Γνωσιακές Θεωρίες, Εποικοδομισμός, Κοινωνικός εποικοδομισμός και Κοινωνικοπολιτισμικές Θεωρίες, Συνδεσιασμός, Κονστραξιονισμός και Παιχνιδοκεντρική μάθηση. Περιλαμβάνει επίσης εργαστηριακά μαθήματα εκμάθησης προγραμματισμού σε Python/PyGame.

Οι γενικές ενότητες περιεχομένων είναι:
(α) ΘΕΩΡΙΑ
-- Βασικές Έννοιες & Ορισμοί
-- ΣΥΜΠΕΡΙΦΟΡΙΣΜΟΣ: Η μάθηση ως ενίσχυση της συμπεριφοράς
-- ΓΝΩΣΙΑΚΕΣ ΘΕΩΡΙΕΣ: Η μάθηση ως επεξεργασία πληροφορίας στον εγκέφαλο
-- ΕΠΟΙΚΟΔΟΜΙΣΜΟΣ: Η μάθηση ως ενεργός οικοδόμηση γνώσης
-- ΚΟΙΝΩΝΙΚΟΣ ΕΠΟΙΚΟΔΟΜΙΣΜΟΣ & ΚΟΙΝΩΝΙΚΟ-ΠΟΛΙΤΙΣΜΙΚΕΣ ΘΕΩΡΙΕΣ: Η μάθηση μέσω συνεργασίας στην κοινότητα
-- ΣΥΝΔΕΣΙΑΣΜΟΣ: Η μάθηση μέσω της αλληλεπίδρασης σε κοινωνικά δίκτυα
-- ΚΟΝΣΤΡΑΞΙΟΝΙΣΜΟΣ: Η μάθηση μέσω κατασκευής (learning-by-making)
-- ΠΑΙΧΝΙΔΟΚΕΝΤΡΙΚΗ ΜΑΘΗΣΗ: Η μάθηση μέσω Παιχνιδιών

(β) Εργαστήριο Python
-- Βασικές γνώσεις Python: Το μοντέλο εκτέλεσης της Python, Τύποι δεδομένων, Δομές ελέγχου ροής, Δομές δεδομένων, Συναρτήσεις
-- Αντικειμενοστραφής προγραμματισμός σε Python (Κλάσεις, Διαχείριση Αντικειμένων)
-- Σύνδεση με τη βιβλιοθήκη PyGame για την ανάπτυξη παιχνιδιών

Εισαγωγή στα Κατανεμημένα λειτουργικά συστήματα και αρχιτεκτονικές κατανεμημένων συστημάτων. Διεργασίες, εικονικοποίηση, πελάτες - διακομιστές. Middleware. Πολυεπίπεδες αρχιτεκτονικές. Αρχιτεκτονική publish-subscribe. Πολυεπίπεδες συγκεντρωτικές αρχιτεκτονικές. Εισαγωγή στα νήματα. Εναλλαγή περιβάλλοντος εργασίας. O νόμος του Amdahl. Pthreads και OpenMP. Βασικό μοντέλο επικοινωνίας OSI. Τα πρωτόκολλα TCP/UDP/IP. Τύποι επικοινωνίας. Το πρωτόκολλο RPC. Sockets. Το πρωτόκολλο ZeroMQ. Μοντέλο message passing και πρωτόκολλο MPI. Blockchain και bitcoin. Αρχιτεκτονική Καρτών Γραφικών και GPGPU

Βασικές έννοιες Λειτουργικών Συστημάτων. Δομή και αρχές σχεδιασμού ενός Λειτουργικού Συστήματος. Δομή, αναπαράσταση και διαχείριση διεργασιών. Δρομολόγηση και συγχρονισμός διεργασιών. Εντοπισμός και πρόληψη αδιεξόδων. Διαχείριση κύριας και δευτερεύουσας μνήμης. Αρχές συστημάτων αρχείων. Επισκόπηση των δημοφιλέστερων Λειτουργικών Συστημάτων (πχ Unix, Linux, Windows). Παραδείγματα σύγχρονων λειτουργικών συστημάτων (πχ κινητών συσκευών).

Στόχοι του μαθήματος είναι η κατανόηση και εξοικείωση με βασικές έννοιες των πραγματικών ακολουθιών και σειρών καθώς και του Διαφορικού και Ολοκληρωτικού Λογισμού πραγματικών συναρτήσεων μιας μεταβλητής.
Το περιεχόμενο του μαθήματος είναι:
-- ακολουθίες και σειρές πραγματικών αριθμών και προσεγγιστικές μέθοδοι
-- πραγματικές συναρτήσεις μιας μεταβλητής, όριο, παράγωγος και εφαρμογές (ακρότατα, γραμμικοποίηση συνάρτησης, θεωρία σφαλμάτων, επαναληπτικές μέθοδοι, ασυμπτωτικά αναπτύγματα και εφαρμογές στην πολυπλοκότητα)
-- ολοκληρωτικός λογισμός, αόριστα και ορισμένα ολοκληρώματα με εφαρμογές
-- δυναμοσειρές και σειρές Taylor με εφαρμογές σε προσεγγίσεις

-- Αλγεβρική και γεωμετρική μελέτη του επιπέδου και του χώρου. Διανύσματα, εξισώσεις ευθειών και επιπέδων στο χώρο.
-- Πραγματικές συναρτήσεις δύο ή τριών μεταβλητών, μερική παράγωγος και εφαρμογές (κλίση συνάρτησης, βέλτιστες προσεγγίσεις, υπολογισμός σφαλμάτων και ασυμπτωτικά αναπτύγματα)
-- Ελεύθερα και δεσμευμένα ακρότατα συναρτήσεων πολλών μεταβλητών, θεωρία Lagrange και εφαρμογές σε προβλήματα βελτιστοποίησης στην επιστήμη της Πληροφορικής (π.χ. υπολογισμός μέγιστης εντροπίας κατά Shannon)
-- Διπλά και επικαμπύλια ολοκληρώματα με εφαρμογές (στοιχειώδης συνοπτική περιγραφή)

--Μοντελοποιήσεις με εξισώσεις διαφορών και συστήματα εξισώσεων διαφορών

--Σειρές Fourier με εφαρμογές

--Μεθοδολογίες επίλυσης μερικών διαφορικών εξισώσεων με εφαρμογές

--Υλοποιήσεις με χρήση μαθηματικού λογισμικού