Γεώργιος Αγραφιώτης – Ινστιτούτο Τεχνολογιών Πληροφορικής και Επικοινωνιών

Προσωπικό

Κος Γεώργιος Αγραφιώτης

Βοηθός Έρευνας

Δίπλωμα Ηλεκτρολόγου Μηχανικού Α.Π.Θ. (2018)

Ο Αγραφιώτης Γεώργιος αποφοίτησε το 2018 από το Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, λαμβάνοντας το Δίπλωμα του Ηλεκτρολόγου Μηχανικού και Μηχανικού Υπολογιστών. Το 2018 πραγματοποίησε πρακτική άσκηση στην εταιρεία S.S SAVVAKIS O.E, όπου ασχολήθηκε με σχεδίαση ηλεκτρομαγνητικής βαλβίδας για το project SARM. Από το 2019 μέχρι το 2020 εργάστηκε στην εταιρία THESS S.A, με αντικείμενο σχεδίαση λογισμικού FEM για βιοϊατρικές εφαρμογές. Είναι μεταπτυχιακός φοιτήτης στο ΑΠΘ, όπου πραγματοποιεί σπουδές στην Τεχνητή Νοημοσύνη. Βρίσκεται στο δεύτερο έτος του μεταπτυχιακού του και, έχοντας ολοκληρώσει όλα τα μαθήματα που απαιτούνται για τη λήψη του μεταπτυχιακού διπλώματος, ασχολείται με τη διπλωματική του εργασία, η οποία αφορά την αναζήτηση αρχιτεκτονικών νευρωνικών δικτύων για φωτονικά κυκλώματα . Από το Ιούνιο του 2021 εργάζεται ως Βοηθός Έρευνας στο Ινστιτούτο Τεχνολογιών Πληροφορικής και Επικοινωνιών του Εθνικού Κέντρου Έρευνας και Τεχνολογικής Ανάπτυξης. Τα ερευνητικά του ενδιαφέροντα περιλαμβάνουν τη μηχανική μάθηση, την επεξεργασία φυσικής γλώσσας, την υπολογιστική όραση και τον ηλεκτρομαγνητισμό.

Προσφατες Δημοσιεύσεις

Εμφάνιση όλων (4)

G. Agrafiotis, E. Makri, I. Kalamaras, A. Lalas, K. Votis, D. Tzovaras, "Nearest Unitary and Toeplitz matrix techniques for adaptation of Deep Learning models in photonic FPGA.", In Proceedings of the Northern Lights Deep Learning Workshop (Vol. 4). (2023, January).. https://septentrio.uit.no/index.php/nldl/article/view/6825
G. Agrafiotis, E. Makri, I. Flionis, A. Lalas, K. Votis, D. Tzovaras, "Image-based Neural Network Models for Malware Traffic Classification using PCAP to Picture Conversion.", In Proceedings of the 17th International Conference on Availability, Reliability and Security (pp. 1-7). (2022, August).. https://dl.acm.org/doi/abs/10.1145/3538969.3544473
E. Makri, G. Agrafiotis, I. Kalamaras, A. Lalas, K. Votis, D. Tzovaras, "Less is More: Compression of Deep Neural Networks for adaptation in photonic FPGA circuits.", In 2022 Data Compression Conference (DCC) (pp. 470-470). IEEE. (2022, March).. https://ieeexplore.ieee.org/abstract/document/9810741
E. Makri, G. Agrafiotis, I. Kalamaras, A. Lalas, K. Votis, D. Tzovaras, "Adaptation of Neural Network Architectures for Photonic FPGA Circuits", 1st Workshop on Neuromorphic Photonics, Thessaloniki, Greece, December 6-7, 2021.

Επικοινωνία

Κος Γεώργιος Αγραφιώτης

Ινστιτούτο Τεχνολογιών Πληροφορικής και Επικοινωνιών
Εθνικό Κέντρο Έρευνας & Τεχνολογικής Ανάπτυξης
Email: gagrafio@iti.gr