https://dione.lib.unipi.gr/xmlui/handle/unipi/5487 2026-06-24T12:55:56Z 2026-06-24T12:55:56Z Moraitis, Paraschos Μωραΐτης, Παράσχος https://dione.lib.unipi.gr/xmlui/handle/unipi/19457 2026-06-23T23:37:02Z 2026-06-01T00:00:00Z

Extending the ST_Visions library for real time visual analytics Moraitis, Paraschos; Μωραΐτης, Παράσχος Τα δεδομένα κινητικότητας έχουν κρίσιμο ρόλο στην κατανόηση και διαχείριση δυναμικών συστημάτων, παρέχοντας πληροφορίες για τα μοτίβα κίνησης σε δίκτυα μεταφορών, θαλάσσια σκάφη, αεροπλοΐα κ.α. Καθώς ο όγκος των διαθέσιμων δεδομένων αυξάνεται και τα συστήματα βασίζονται ολοένα και περισσότερο σε ζωντανές ροές, η οπτικοποίηση δεδομένων κινητικότητας σε πραγματικό χρόνο έχει καταστεί απαραίτητη για την έγκαιρη ανάλυση και λήψη αποφάσεων. Η βιβλιοθήκη ST_Visions αναπτύχθηκε αρχικά ως βιβλιοθήκη χωροχρονικής οπτικοποίησης για την εξέταση δεδομένων κινητικότητας από στατικά σύνολα δεδομένων, χωρίς να υποστηρίζει εγγενείς δυνατότητες οπτικοποίησης ροής δεδομένων σε πραγματικό χρόνο. Στην παρούσα πτυχιακή εργασία παρουσιάζεται μια αναβαθμισμένη έκδοση της βιβλιοθήκης, η οποία επεκτείνει τις δυνατότητές της ώστε να υποστηρίζει οπτικοποίηση δεδομένων κινητικότητας σε πραγματικό χρόνο. Επίσης, εκσυγχρονίζει την αρχιτεκτονική της και ενημερώνει όλα τα εξαρτώμενα πακέτα στις τελευταίες τους εκδόσεις. Οι δυνατότητες της αναβαθμισμένης βιβλιοθήκης επιδεικνύονται μέσω μιας αντιπροσωπευτικής περίπτωσης χρήσης από τον τομέα της ναυτιλίας, η οποία οπτικοποιεί μια ροή δεδομένων Apache Kafka, αναδεικνύοντας την ικανότητά της να υποστηρίζει διαδραστική εξερεύνηση χωροχρονικών δεδομένων.

2026-06-01T00:00:00Z Κονιδιτσιώτης, Γιώργος https://dione.lib.unipi.gr/xmlui/handle/unipi/19456 2026-06-23T23:36:22Z 2026-06-01T00:00:00Z

Ανάπτυξη διαδραστικής εκπαιδευτικής εφαρμογής για την αναπαράσταση πληροφορίας στους υπολογιστές Κονιδιτσιώτης, Γιώργος Η παρούσα πτυχιακή εργασία πραγματεύεται τον σχεδιασμό και την υλοποίηση μιας διαδραστικής εκπαιδευτικής εφαρμογής για τη διδασκαλία της ψηφιακής αναπαράστασης πληροφορίας. Η εφαρμογή αποτελείται από επτά Μαθησιακά Αντικείμενα που καλύπτουν θεμελιώδεις έννοιες όπως το δυαδικό σύστημα, την κωδικοποίηση κειμένου με ASCII και Unicode, την ψηφιακή αναπαράσταση εικόνας και ήχου, τη ροή πληροφορίας στον υπολογιστή, τον έλεγχο σφαλμάτων και τα περιφερειακά εισόδου-εξόδου. Η μεθοδολογία ανάπτυξης βασίστηκε σε αρχές της εκπαιδευτικής τεχνολογίας, ιδιαίτερα στον εποικοδομισμό και τη θεωρία της γνωστικής φόρτισης. Κάθε Μαθησιακό Αντικείμενο περιλαμβάνει διαδραστικές δραστηριότητες που επιτρέπουν στον χρήστη να πειραματιστεί με τις έννοιες και να λάβει άμεση ανατροφοδότηση. Η εφαρμογή συμπληρώνεται από ένα σύστημα τελικής εξέτασης με τράπεζα πενήντα ερωτήσεων. Από τεχνικής πλευράς, η εφαρμογή αναπτύχθηκε με τεχνολογίες web (HTML5, CSS3, JavaScript) χωρίς εξωτερικές βιβλιοθήκες, ακολουθώντας μια αρχιτεκτονική πλήρους λειτουργίας στην πλευρά του χρήστη. Αυτή η προσέγγιση εξασφαλίζει τη δυνατότητα χρήσης χωρίς σύνδεση στο διαδίκτυο και χωρίς την ανάγκη για εγκατάσταση ή διακομιστή. Τα αποτελέσματα δείχνουν ότι η εφαρμογή ανταποκρίνεται στους αρχικούς στόχους, παρέχοντας ένα ολοκληρωμένο περιβάλλον μάθησης όπου οι αφηρημένες έννοιες γίνονται προσιτές μέσω της διαδραστικότητας και της οπτικοποίησης.

2026-06-01T00:00:00Z Ταυρίδης, Ιορδάνης https://dione.lib.unipi.gr/xmlui/handle/unipi/19455 2026-06-23T23:32:44Z 2026-06-01T00:00:00Z

Ανάπτυξη τεχνικών αλγοριθμικής διαπραγμάτευσης με την χρήση ευφυών τεχνικών Ταυρίδης, Ιορδάνης Η παρούσα πτυχιακή εργασία εξετάζει την ανάπτυξη και αξιολόγηση αλγοριθμικών τεχνικών trading με χρήση ευφυών μεθόδων, εστιάζοντας στο Bitcoin. Η ραγδαία ανάπτυξη της αγοράς κρυπτονομισμάτων και η 24/7 διαθεσιμότητά τους έχουν δημιουργήσει νέες προκλήσεις και ευκαιρίες για την εφαρμογή συστηματικών στρατηγικών διαπραγμάτευσης. Η υψηλή μεταβλητότητα του Bitcoin, σε συνδυασμό με τις εκτεταμένες περιόδους drawdown που χαρακτηρίζουν τη στρατηγική Buy and Hold, καθιστούν αναγκαία την ανάπτυξη εναλλακτικών προσεγγίσεων με βελτιωμένη διαχείριση κινδύνου. Στόχος της έρευνας είναι η σύγκριση διαφόρων στρατηγικών trading με τη μέθοδο Buy and Hold, χρησιμοποιώντας ιστορικά δεδομένα σε 1D (daily) timeframe από το 2017 έως το 2025. Οι στρατηγικές που εξετάστηκαν περιλαμβάνουν trend-following τεχνικές (SMA/EMA crossovers, Super Trend, RMI Trend Sniper, ALMA), mean-reversion μεθόδους (RSI 70/30, Z-Score vs SMA-20) και regime-adaptive προσεγγίσεις που χρησιμοποιούν τον δείκτη ADX για την προσαρμογή μεταξύ trend και range καταστάσεων. Οι στρατηγικές trend-following αξιοποιούν κινούμενους μέσους όρους (SMA, EMA), δείκτες όπως το Super Trend, RMI Trend Sniper και τον ALMA, ενώ οι στρατηγικές mean-reversion βασίζονται στους RSI, Z-Score και άλλους δείκτες υπεραγοράς/υπερπώλησης. Για την αξιολόγηση των στρατηγικών χρησιμοποιήθηκαν μετρήσεις όπως το cumulative return, maximum drawdown, Sharpe ratio και Sortino ratio, παρέχοντας μια πολυδιάστατη εικόνα της απόδοσης. Η μεθοδολογία βασίζεται σε ιστορικά δεδομένα Bitcoin της περιόδου 2017-2025 και εφαρμόζει backtesting, αξιοποιώντας μετρήσεις όπως cumulative return, maximum drawdown, Sharpe και Sortino ratio, ώστε να εκτιμηθεί η σχετική αποδοτικότητα κάθε στρατηγικής. Η δοκιμή των στρατηγικών έγινε υπό διάφορες αγοραστικές συνθήκες (bull, bear, neutral markets) ώστε να αναδειχθεί η αντίδρασή τους σε διαφορετικές φάσεις τιμών και μεταβλητότητας. Τα αποτελέσματα επιβεβαιώνουν ότι οι trend-following μέθοδοι ευνοούνται από την επίμονη ορμή (momentum) του Bitcoin. Απλά σχήματα όπως SMA (10/50) και EMA (20/100) βελτίωσαν αισθητά το προφίλ κινδύνου έναντι του Buy & Hold, μειώνοντας τα μεγέθη υποχώρησης (drawdowns) χωρίς σημαντική θυσία συνολικής απόδοσης. Προχωρημένοι δείκτες τάσης/ορμής, όπως ο ALMA και ο RMI Trend Sniper (συνδυασμός RSI και MFI, άρα τιμής και ροής χρημάτων), πέτυχαν υψηλές συσωρευτικές αποδόσεις με βελτιωμένο λόγο απόδοσης, κινδύνου. Ειδικά ο ALMA Lag συνδύασε υψηλή απόδοση με σαφώς μικρότερο drawdown από το Buy&Hold, ενώ ο RMI TrendSniper κατέγραψε εξαιρετικές επιδόσεις σε bull phases (ανοδικές φάσεις της αγοράς), με αναμενόμενη υστέρηση στις απότομες καθοδικές μεταβάσεις. Ιδιαίτερη έμφαση δόθηκε στην αξιολόγηση πρακτικών διαχείρησης κεφαλαίου και στη ρεαλιστική θεώρηση κόστους συναλλαγών, επιβεβαιώνοντας την ανάγκη ενσωμάτωσης αυτών των παραμέτρων σε κάθε σύγχρονη αλγοριθμική στρατηγική. Τα ευρήματα αναδεικνύουν πως ο συνδυασμός τεχνικής ανάλυσης, προσαρμοστικότητας στις μεταβαλλόμενες συνθήκες αγοράς και συντηρητικής διαχείρισης ρίσκου αποτελεί το κλειδί για πιο σταθερές αποδόσεις. Στο θεωρητικό πλαίσιο παρουσιάζεται εκτενής ανασκόπηση της λειτουργίας των κρυπτονομισμάτων, ιδιαίτερα της ιστορικής εξέλιξης του Bitcoin, των τεχνολογικών του χαρακτηριστικών και του αντίκτυπου του στις χρηματοοικονομικές αγορές και επενδύσεις. Εξετάζεται, επίσης, η βιβλιογραφία γύρω από τη στατιστική απόδοση των στρατηγικών, τις προκλήσεις στη μοντελοποίηση του κινδύνου και τα νέα πεδία ερευνητικού ενδιαφέροντος που αφορούν τον τεχνητό μετασχηματισμό των αγορών μέσω machine learning και AI. Η έρευνα συνεισφέρει στη βιβλιογραφία παρέχοντας εμπειρικά στοιχεία για την αποτελεσματικότητα αλγοριθμικών στρατηγικών στην αγορά Bitcoin με χρήση ιστορικών δεδομένων οκτώ ετών (2017-2025). Τα ευρήματα προσφέρουν πρακτικές κατευθυντήριες γραμμές για traders και επενδυτές που επιθυμούν να υιοθετήσουν συστηματικές προσεγγίσεις με βελτιωμένη διαχείριση κινδύνου και προσαρμοστικότητα σε διαφορετικές συνθήκες της αγοράς. Συμπερασματικά, η εργασία καταδεικνύει τη σημασία του momentum στο Bitcoin trading και την ανάγκη για περαιτέρω έρευνα σε τεχνικές machine learning και AI για την προσαρμοστική επιλογή στρατηγικών. Προσφέρει πρακτική αξία σε traders και συμβάλλει στην κατανόηση της συμπεριφοράς των κρυπτονομισμάτων σε real-market συνθήκες.

2026-06-01T00:00:00Z Αρναουτίδης, Στέφανος https://dione.lib.unipi.gr/xmlui/handle/unipi/19445 2026-06-19T23:34:32Z 2026-06-01T00:00:00Z

Εφαρμογή μεθόδων επεξεργασίας φυσικής γλώσσας για τη δημιουργία σύνοψης, εξαγωγής πληροφοριών, καθώς και την ανάλυση συναισθήματος από δεδομένα σε μορφή κειμένου Αρναουτίδης, Στέφανος Η παρούσα πτυχιακή εργασία πραγματεύεται την ενσωμάτωση σύγχρονων τεχνικών Επεξεργασίας Φυσικής Γλώσσας (NLP) στον τομέα της ψηφιακής δημοσιογραφίας, με στόχο την αντιμετώπιση του φαινομένου της πληροφοριακής υπερφόρτωσης. Χρησιμοποιώντας ως πρωτογενές υλικό ένα σύνολο ειδησεογραφικών άρθρων από το δίκτυο του BBC, η έρευνα αναπτύσσεται πάνω σε δύο βασικούς μεθοδολογικούς άξονες: την ανάλυση συναισθηματικής πολικότητας και την αυτόματη παραγωγή περίληψης. Αρχικά, πραγματοποιείται μια συγκριτική αξιολόγηση μεταξύ του παραδοσιακού, λεξικοκεντρικού συστήματος VADER και του προηγμένου γλωσσικού μοντέλου RoBERTa, προκειμένου να διαπιστωθεί η δυνατότητά τους να αποκωδικοποιούν τον επαγγελματικό και συχνά ουδέτερο ειδησεογραφικό λόγο. Στη συνέχεια, εξετάζεται η δυναμική της αρχιτεκτονικής BART στη δημιουργία αφαιρετικών συνόψεων, ικανών να αποδώσουν τον πυρήνα της είδησης με φυσικότητα, παρακάμπτοντας τη μηχανική συρραφή προτάσεων. Η αξιολόγηση των πειραματικών αποτελεσμάτων, με τη χρήση καθιερωμένων μετρικών όπως το ROUGE, αναδεικνύει την υπεροχή των μοντέλων Βαθιάς Μάθησης. Ειδικότερα, τα δίκτυα τύπου Transformer ανταποκρίθηκαν με ακρίβεια στη σημασιολογική πολυπλοκότητα των κειμένων, αναδεικνύοντας τις συγκεκριμένες τεχνολογίες ως πολύτιμα, εφαρμόσιμα εργαλεία για τον εκσυγχρονισμό και την αυτοματοποίηση της καθημερινής ροής στις σύγχρονες αίθουσες σύνταξης.

2026-06-01T00:00:00Z