Προσωπικές Πληροφορίες

Θέμα ΔΔ:

Επιβλέπων Καθηγητής:

 Δημητρίου Ιωάννης

Μέλος επιτροπής-1:

 Ρηγίνος Μιχαήλ

Μέλος επιτροπής-2:

 Κουτουλίδης Βασίλειος

Ηλεκτρονικό Ταχυδρομείο:

 ioaperdikas@econ.uoa.gr

Προσωπική Ιστοσελίδα:

Περίληψη Διδακτορικής Διατριβής

Ελληνικά

Σκοπός της παρούσας Διδακτορικής Διατριβής είναι η θεωρητική ανάλυση και η ανάπτυξη αλγορίθμων προσεγγίσεων διακριτών δεδομένων που περιέχουν σφάλματα υπό περιορισμούς στα πρόσημα των πρώτων διηρημένων διαφορών με επέκταση του προβλήματος σε δύο διαστάσεις. Συναφώς θα αναπτυχθούν μέθοδοι αναλυτικής για την αναζήτηση σχέσεων κατά τμήματα μονοτονίας σε γενικά διακριτά δεδομένα.

Η διερεύνηση του προβλήματος απαιτεί
(1) βασική έρευνα στις αριθμητικές προσεγγίσεις, τη συνδυαστική βελτιστοποίηση και την αναλυτική δεδομένων, μεθοδολογίες στατιστικών ελέγχων,
(2) εφαρμοσμένη έρευνα στην ανάπτυξη αναλυτικών τεχνικών και
(3) αναλυτικές μεθόδους μηχανικής μάθησης και ensemble για τον προσδιορισμό υποκείμενων σχέσεων τμηματικής μονοτονίας σε δεδομένα που θα ληφθούν από το διαδίκτυο, διεθνείς βάσεις δεδομένων φασμάτων και εικόνων.

Μέρος της διατριβής αποτελεί η εφαρμογή της μεθόδου στον προσδιορισμό διακριτών κύκλων σε οικονομικά δεδομένα, την εκτίμηση κορυφών ή αιχμών στη φασματοσκοπία και τη χρωματογραφία και την επεξεργασία εικόνας στην υπολογιστική τομογραφία.

Αγγλικά

 The purpose of the present dissertation is the theoretical analysis and development of algorithms for the approximation of noisy data subject to the condition that the first-order divided differences have a prescribed number of sign changes by extending the problem to two-dimensions. In that regard, analytical methods will be developed for investigating monotonicity relations in generally discrete data.

The investigation of the problem requires
(1) basic research in numerical approximation, combinatorial optimization and data analytics, methodologies for statistical tests,
(2) applied research for the development of analytical techniques and
(3) analytical machine learning and ensemble methods for investigating monotonicity relationships in the data to be obtained for international spectrum and image databases.

Part of the dissertation is the application of the method to identify discrete cycles in economic data, the estimation of peaks or troughs in spectroscopy and chromatography and image processing in computed tomography.

Σύντομο Βιογραφικό

Ο Πέρδικας Ν. Ιωάννης είναι απόφοιτος του τμήματος Μαθηματικών του Εθνικού και Καποδιστριακού Πανεπιστημίου Αθηνών (ΕΚΠΑ). Το 2019 αποφοίτησε ως αριστούχος από το Μεταπτυχιακό Δίπλωμα Ειδίκευσης στην Εφαρμοσμένη Οικονομική και Χρηματοοικονομική με κατεύθυνση την Διοίκηση, Αναλυτική και Πληροφοριακά Συστήματα Επιχειρήσεων του τμήματος Οικονομικών Επιστημών του ΕΚΠΑ.
Το 2016 παρακολούθησε επιτυχώς, με τη μέθοδο της εξ αποστάσεως εκπαίδευσης, το Εκπαιδευτικό αντικείμενο με τίτλο «Data Science with Python» που οργανώθηκε στο Κέντρο Συνεχιζόμενης Εκπαίδευσης και Επιμόρφωσης του ΕΚΠΑ.

Από το 2017 διατελεί βοηθός εργαστηριακών μαθημάτων στο τμήμα Οικονομικών Επιστημών του ΕΚΠΑ για το μάθημα «Εισαγωγή στην Επιστήμη των Υπολογιστών και τη Διαχείριση Πληροφοριών».
Από το 2007 δραστηριοποιείται στον χώρο της ιδιωτικής εκπαίδευσης με ειδίκευση στα Υπολογιστικά Μαθηματικά και τη Στατιστική.

Ερευνητικές εργασίες - Δημοσιεύσεις