Διάλεξη: Νέες μεθοδολογίες για επεξεργασία της πληροφορίας


Την Πέμπτη 26 Μαΐου 2016, στις 3.00 μμ, στην Αίθουσα Β4 του ΤΜΗΥΠ, θα πραγματοποιηθεί διάλεξη με θέμα:

“Νέες μεθοδολογίες για επεξεργασία της πληροφορίας”

Ομιλητής: Κων/νος Μπερμπερίδης, Καθηγητής Τμήματος Μηχ. Η/Υ & Πληροφορικής

Πρόκειται ουσιαστικά για μία πιο εκτεταμένη εκδοχή αντίστοιχης διάλεξης που δόθηκε στις 24/04/2016, στο Πολυτεχνείο Κρήτης, στο πλαίσιο του Πανελλήνιου Φοιτητικού Συνεδρίου ΣΦΗΜΜΥ-2016.

Παρακάτω μπορείτε να δείτε περίληψη της ομιλίας. Η διάλεξη απευθύνεται κυρίως σε προπτυχιακούς και μεταπτυχιακούς φοιτητές αλλά φυσικά κάθε ενδιαφερόμενος είναι ευπρόσδεκτος.

Περίληψη ομιλίας:
Ένα από τα χαρακτηριστικά της εποχής μας είναι ο καταιγιστικός ρυθμός παραγωγής δεδομένων που σχετίζονται με όλες τις πλευρές της οικονομίας και της κοινωνίας. Όπως είναι γνωστό, ο ρυθμός παραγωγής δεδομένων ξεπερνά πλέον τις δυνατότητες αποθήκευσης αλλά και εξαντλητικής επεξεργασίας τους. Από την άλλη μεριά, είναι επίσης κοινή πεποίθηση ότι, ο ωκεανός των δεδομένων περιέχει αξιοποιήσιμη πληροφορία που, αν εξαχθεί, μπορεί να οδηγήσει σε θεαματική πρόοδο σε όλους σχεδόν τους τομείς της ανθρώπινης δραστηριότητας. Είναι φανερό ότι τα παραπάνω δημιουργούν πρωτόγνωρες προκλήσεις για όλες τις επιστήμες που σχετίζονται με την επεξεργασία της πληροφορίας (εφαρμοσμένη στατιστική, επεξεργασία σήματος, μηχανική μάθηση κλπ). Οι επιστήμες αυτές βρίσκονται σε διαρκή και πολύ ενδιαφέρουσα αλληλεπίδραση συνεισφέροντας σε επαναστατικές εξελίξεις που συνεχώς ανακύπτουν στον ευρύτερο αυτό τομέα.
Τα δεδομένα παράγονται με τρόπο μαζικό, και συχνά αδόμητο, ετερογενή και κατανεμημένο. Κατά την ομιλία, θα παρουσιαστούν βασικές θεωρητικές εξελίξεις και εργαλεία επεξεργασίας που αντιμετωπίζουν (και αξιοποιούν) ακριβώς αυτά τα χαρακτηριστικά. Ταυτόχρονα θα παρουσιαστούν αποτελέσματα από την εφαρμογή των νέων μεθοδολογιών σε πραγματικά προβλήματα. Ειδικότερα, η ομιλία θα περιλαμβάνει:
α) μια περιήγηση στο χώρο των τεχνικών αραιής αναπαράστασης (compressive sensing, sparse representation, dictionary learning, matrix completion, sparse factor analysis κ.α.),
β) σύντομη παρουσίαση της αναδυόμενης περιοχής της αναπαράστασης σημάτων σε γραφήματα και
γ) συνοπτική αναφορά στην επίσης αναδυόμενη περιοχή της κατανεμημένης επεξεργασίας πληροφορίας.