Τεχνητή νοημοσύνη και προγραμματισμός

Ζαχαρόπουλος, Ιωάννης

Τεχνητή νοημοσύνη και προγραμματισμός

dc.contributor.advisor	Τσελίκας, Νικόλαος
dc.contributor.author	Ζαχαρόπουλος, Ιωάννης
dc.contributor.committee	Πέππας, Κωνσταντίνος
dc.contributor.committee	Γιαννόπουλος, Κωνσταντίνος
dc.contributor.department	Τμήμα Πληροφορικής και Τηλεπικοινωνιών	el
dc.contributor.faculty	Σχολή Οικονομίας και Τεχνολογίας	el
dc.contributor.master	Σύγχρονες Ασύρματες Επικοινωνίες	el
dc.date.accessioned	2025-06-30T10:59:40Z
dc.date.available	2025-06-30T10:59:40Z
dc.date.issued	2025-06-13
dc.description	Μ.Δ.Ε. 8	el
dc.description.abstract	Αυτή η διατριβή διερευνά την ταχέως αναπτυσσόμενη ενσωμάτωση της Τεχνητής Νοημοσύνης (ΤΝ) στον τομέα της τεχνολογίας, με ιδιαίτερη έμφαση στον προγραμματισμό και τις σχετικές εφαρμογές του. Ξεκινά με μια επισκόπηση των θεμελιωδών αρχών και της ιστορικής εξέλιξης της ΤΝ, ακολουθούμενη από μια ανάλυση των πιο σημαντικών μοντέλων που χρησιμοποιούνται σήμερα, επισημαίνοντας τα πλεονεκτήματα και τους περιορισμούς τους. Στη συνέχεια, η μελέτη εστιάζει στις βέλτιστες πρακτικές για την αποτελεσματική αξιοποίηση της ΤΝ, τονίζοντας τη σημασία της σαφούς διατύπωσης ερωτήσεων και της επαναληπτικής διαδικασίας για τη βελτιστοποίηση των αποτελεσμάτων. Επίσης, εξετάζονται ηθικά ζητήματα που προκύπτουν από την ευρεία χρήση της ΤΝ, συμπεριλαμβανομένων ανησυχιών που σχετίζονται με τη διαφάνεια, την λογοδοσία και την ιδιωτικότητα. Επιπλέον, η εργασία αναδεικνύει νέες ευκαιρίες στον προγραμματισμό, όπως εργαλεία αυτόματης συμπλήρωσης κώδικα και υποστήριξη για την εκμάθηση νέων γλωσσών προγραμματισμού. Ένα βασικό μέρος της ανάλυσης επικεντρώνεται στη γλώσσα προγραμματισμού Python, η οποία ξεχωρίζει λόγω της απλότητάς της και του εκτεταμένου οικοσυστήματος βιβλιοθηκών που είναι διαθέσιμες για την ανάπτυξη ΤΝ. Η μελέτη παρέχει μια λεπτομερή ματιά στις πιο σημαντικές βιβλιοθήκες μηχανικής μάθησης - TensorFlow, PyTorch και Scikit-learn - εστιάζοντας στη λειτουργικότητά τους και τη συμβολή τους στην ανάπτυξη αλγορίθμων. Το τελευταίο μέρος της διατριβής παρουσιάζει πρακτικές εφαρμογές Τεχνητής Νοημοσύνης σε κρίσιμους τομείς όπως η υγειονομική περίθαλψη, η εκπαίδευση και οι χρηματοοικονομικές υπηρεσίες. Επιπλέον, συγκρίνει τη λειτουργικότητα δύο ευρέως χρησιμοποιούμενων πλατφορμών ανάπτυξης, του Google Colab και του Jupyter Notebook, σε ρεαλιστικά σενάρια χρήσης.	el
dc.description.abstracttranslated	This thesis explores the rapidly growing integration of Artificial Intelligence (AI) in the field of technology, with a particular focus on programming and its related applications. It begins with an overview of the fundamental principles and historical development of AI, followed by an analysis of the most prominent models in use today, highlighting their advantages and limitations. The study then focuses on best practices for utilizing AI effectively, emphasizing the importance of clear question formulation and the iterative process for optimizing results. Ethical issues arising from the widespread use of AI are also addressed, including concerns related to transparency, accountability, and privacy. Furthermore, the work highlights new opportunities in programming, such as code auto-completion tools and support for learning new programming languages. A key part of the analysis centers on the Python programming language, which stands out due to its simplicity and the extensive ecosystem of libraries available for AI development. The study provides a detailed look at the most important machine learning libraries— TensorFlow, PyTorch, and Scikit-learn—focusing on their functionality and contribution to algorithm development. The final section of the thesis presents practical AI applications in critical areas such as healthcare, education, and financial services. Additionally, it compares the functionality of two widely used development platforms, Google Colab and Jupyter Notebook, in realistic usage scenarios.	el
dc.format.extent	61	el
dc.identifier.uri	https://amitos.library.uop.gr/xmlui/handle/123456789/9008
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πελοποννήσου	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Προγραμματισμός υπολογιστών	el
dc.subject	Αλγόριθμοι	el
dc.subject	Artificial Intelligence	el
dc.subject	Computer programming	el
dc.subject	Algorithms	el
dc.subject.keyword	Tεχνητή Νοημοσύνη (ΤΝ)	el
dc.subject.keyword	Ανάλυση Δεδομένων	el
dc.subject.keyword	Μοντέλο ΤΝ	el
dc.subject.keyword	Μηχανική Μάθηση	el
dc.subject.keyword	Νευρωνικά Δίκτυα	el
dc.subject.keyword	Υπολογιστική Ισχύς	el
dc.subject.keyword	Γλώσσες Προγραμματισμού	el
dc.subject.keyword	Αλγόριθμοι Βελτιστοποίησης	el
dc.subject.keyword	Αυτοματοποίηση	el
dc.subject.keyword	Python	el
dc.subject.keyword	TensorFlow	el
dc.subject.keyword	PyTorch	el
dc.subject.keyword	Scikit-learn	el
dc.subject.keyword	Google Colab	el
dc.subject.keyword	Jupyter Notebook	el
dc.subject.keyword	Artificial Intelligence (AI)	el
dc.subject.keyword	Data Analysis	el
dc.subject.keyword	AI Model, Machine Learning	el
dc.subject.keyword	Neural Networks	el
dc.subject.keyword	Computational Power	el
dc.subject.keyword	Programming Languages	el
dc.subject.keyword	Optimization Algorithms	el
dc.subject.keyword	Automation	el
dc.title	Τεχνητή νοημοσύνη και προγραμματισμός	el
dc.type	Μεταπτυχιακή διπλωματική εργασία	el

Files

Original bundle

Now showing 1 - 1 of 1

Name:: Zacharopoulos_2022202301004.pdf
Size:: 2 MB
Format:: Adobe Portable Document Format
Description:: Μεταπτυχιακή διπλωματική εργασία

Download

License bundle

Now showing 1 - 1 of 1

Name:: license.txt
Size:: 933 B
Format:: Item-specific license agreed upon to submission
Description:

Download

Collections

Τμήμα Πληροφορικής και Τηλεπικοινωνιών (Μ. Δ. Ε.)