[ΥΠΟ ΕΚΠΟΝΗΣΗ]

Επιβλέπων:

Πάνος Φιλιππόπουλος, Επίκουρος Καθηγητής

Συνεπιβλέπων:

Ηλίας Νικόλαρος, Ε.ΔΙ.Π.

Περιγραφή:

Η πτυχιακή εργασία βασίζεται στην βιβλιογρασφική επισκόπηση, μελέτη και αξιολόγηση αλγορίθμων Μηχανικής Μάθησης (ενδεικτικά αναφέρονται Knn, C4.5 / RF, SVM, NaiveBayes / Bayesnet, Neural / Perceptron, κ.ο.κ.) με εστίαση στην ενσωμάτωση (μέσω κατάλληλης παραμετροποίησης) υποδείξεων (hints) που προκύπτουν από τον τρόπο κίνησης / συμπεριφορά του κινούμενου χρήστη και τη χωροταξία του περιβάλλοντος. Περιλαμβάνει τα εξής παραδοτέα: 1 – Βιβλιογραφική επισκόπηση και κατηγοριοποίηση αλγορίθμων Machine Learning και μοντέλων συμπεριφοράς (κίνησης) επισκέπτη εσωτερικών χώρων. 2 – Μελέτη και παραμετροποίηση επιλεγμένων αλγορίθμων για την ενσωμάτωση χαρακτηριστικών κίνησης και υποδείξεων από την χωροταξία του περιβάλλοντος. 3 – Αξιολόγηση συγκριτική των αλγορίθμων ως προς τις δυνατότητες παραμετροποίησης.