dc.contributor.advisor | Χρυσαφιάδη, Κωνσταντίνα | |
dc.contributor.author | Μπουσδέκης, Στέφανος | |
dc.date.accessioned | 2025-09-24T09:04:58Z | |
dc.date.available | 2025-09-24T09:04:58Z | |
dc.date.issued | 2025-09 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/18142 | |
dc.description.abstract | Η παρούσα πτυχιακή εργασία εστιάζει στο πρόβλημα της υπερφόρτωσης πληροφορίας που αντιμετωπίζουν οι καταναλωτές στην αγορά του specialty coffee. Για την αντιμετώπιση αυτής της πρόκλησης, σχεδιάστηκε και αναπτύχθηκε η "YourCoffeeGuide", μια ευφυής εφαρμογή για κινητές συσκευές Android που λειτουργεί ως ένας εξατομικευμένος οδηγός γευστικών συστάσεων. Η εφαρμογή αξιοποιεί έναν υβριδικό και προσαρμοστικό αλγόριθμο, ο οποίος αρχικά παράγει συστάσεις βάσει των δηλωμένων προτιμήσεων του χρήστη και στη συνέχεια εξελίσσεται, μαθαίνοντας από τις αξιολογήσεις του για να προσφέρει όλο και πιο ακριβείς προτάσεις. Η υλοποίηση πραγματοποιήθηκε ως εγγενής (native) εφαρμογή σε Java με τη χρήση του Android Studio, ενώ η αρχιτεκτονική του συστήματος βασίζεται στο μοντέλο Client-Server, αξιοποιώντας την πλατφόρμα Google Firebase για την αυθεντικοποίηση των χρηστών και την αποθήκευση των δεδομένων σε πραγματικό χρόνο. Το τελικό αποτέλεσμα είναι ένα λειτουργικό πρωτότυπο που αποδεικνύει την αποτελεσματικότητα της προτεινόμενης λύσης, μετατρέποντας την πολύπλοκη διαδικασία επιλογής καφέ σε μια απλή και απολαυστική εμπειρία ανακάλυψης. | el |
dc.format.extent | 75 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | 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.title | Εφαρμογή προσωποποιημένων γευστικών συστάσεων για καφέ | el |
dc.title.alternative | Mobile aplication for personalized coffee taste recommendations | el |
dc.type | Bachelor Dissertation | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
dc.description.abstractEN | This thesis focuses on the problem of information overload faced by consumers in the specialty coffee market. To address this challenge, "YourCoffeeGuide" was designed and developed, an intelligent mobile application for Android devices that acts as a personalized taste recommendation guide. The application utilizes a hybrid and adaptive algorithm, which initially generates recommendations based on the user's stated preferences and subsequently evolves by learning from their ratings to offer increasingly accurate suggestions. The implementation was carried out as a native application in Java using Android Studio, while the system's architecture is based on the Client-Server model, leveraging the Google Firebase platform for user authentication and real-time data storage. The final result is a functional prototype that demonstrates the effectiveness of the proposed solution, transforming the complex process of coffee selection into a simple and enjoyable discovery experience. | el |
dc.subject.keyword | Recommender systems | el |
dc.subject.keyword | Adaptive systems | el |
dc.subject.keyword | Personalization | el |
dc.subject.keyword | Android | el |
dc.subject.keyword | Firebase | el |
dc.subject.keyword | User experience | el |
dc.subject.keyword | Specialty coffee | el |
dc.date.defense | 2025-09-15 | |