Η πρακτική αυτή απευθύνεται σε φοιτητές που θέλουν να δουλέψουν με Agentic AI συστήματα, όπου τα μοντέλα δεν παράγουν απλώς απαντήσεις, αλλά αξιοποιούν εργαλεία, δεδομένα και εξωτερική γνώση για να εκτελούν σύνθετες εργασίες. Οι ασκούμενοι θα συμμετέχουν στον σχεδιασμό…

Θα μελετηθεί η παραγωγή εξηγήσεων (Explanations) για το πώς λαμβάνουν τις αποφάσεις τους μεγάλα πολυτροπικά μοντέλα (Multimodal Large Language Models) τα οποία χρησιμοποιούνται για την απάντηση ερωτήσεων σε βίντεο (VideoQA). Η εργασία θα εστιάσει σε μοντέλα συλλογιστικής (reasoning), και…

Θα μελετηθεί η αξιοποίηση εξειδικευμένων ταξινομητών για τον εντοπισμό τροποποιημένων βίντεο, σε συνδυασμό με μεγάλα πολυτροπικά μοντέλα (Multimodal Large Language Models), για την παραγωγή εξηγήσεων σχετικά με τον χαρακτηρισμό ενός βίντεο ως τροποποιημένου. Οι εξηγήσεις θα έχουν τη μορφή…

Θα μελετηθεί η αξιοποίηση μεγάλων πολυτροπικών μοντέλων (Multimodal Large Language Models) για τη δημιουργία εξατομικευμένων περιλήψεων βίντεο. Οι περιλήψεις θα έχουν και αυτές τη μορφή βίντεο, σημαντικά μικρότερης διάρκειας όμως από το βίντεο εισόδου. Η εξατομίκευση θα βασίζεται στη…

Το αντικείμενο της συγκεκριμένης πρακτικής άσκησης είναι η μελέτη και επεξεργασία δεδομένων εικόνας εσπεριδοειδών που παρουσιάζουν αβιοτικά συμπτώματα τα οποία παρομοιάζουν με ασθένειες όπως Citrus Black Spot (CBS) και Huanglongbing (HLB). Ο/η ασκούμενος/η θα αναπτύξει μοντέλα Τεχνητής Νοημοσύνης για…

Στην παρούσα πρακτική, ο/η ασκούμενος/η θα ασχοληθεί με την ανάλυση και επεξεργασία δεδομένων εικόνας και αισθητηριακών μετρήσεων που σχετίζονται με την ασθένεια Huanglongbing (HLB) στα εσπεριδοειδή. Θα αναπτύξει μοντέλα Τεχνητής Νοημοσύνης με σκοπό την έγκαιρη και αξιόπιστη ανίχνευση της…

Η πρακτική άσκηση εστιάζει στην επεξεργασία δεδομένων εικόνας (annotation) από συμπτώματα της ασθένειας Citrus Black Spot (CBS), που προκαλείται στους καρπούς από μύκητα. Ο/η ασκούμενος/η θα επεξεργαστεί τις εικόνες και θα αναπτύξει και θα αξιολογήσει μοντέλα Τεχνητής Νοημοσύνης για…

Στο πλαίσιο της συγκεκριμένης πρακτικής, ο/η ασκούμενος/η θα εργαστεί στη συλλογή δεδομένων από έξυπνες παγίδες εντόμων βασισμένες σε τεχνολογίες Internet of Things (IoT). Θα πραγματοποιήσει επεξεργασία δεδομένων εικόνας, καθώς και ανάπτυξη μοντέλων Τεχνητής Νοημοσύνης για την αναγνώριση και πρόβλεψη…

Στην παρούσα πρακτική άσκηση, ο/η ασκούμενος/η θα ασχοληθεί με την επεξεργασία δεδομένων εικόνας (annotation) που σχετίζονται με τη συγκέντρωση βαρέων μετάλλων στο έδαφος και στα φυτά. Θα αναπτύξει και θα εκπαιδεύσει μοντέλα Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης με στόχο…

Στη συγκεκριμενή περίπτωση θα γίνει εφαρμογή μεθόδων τεχνητής νοημοσύνης (μηχανικής μάθησης), όπως SVM, Random Forests και CNNs, για την εις βάθος ανάλυση συνόλων δεδομένων με σκοπό την ανακάλυψη μοτίβων και πιθανών βιοδεικτών για την κατανόηση της σχιζοφρένειας. Ο ρόλος…