Διαθέσιμα μαθήματα

Μέσω του υπολογισμού του SRI και της εγκατάστασης έξυπνων τεχνολογιών δίνεται η δυνατότητα σε μηχανικούς, ιδιοκτήτες ακινήτων και διαχειριστές εγκαταστάσεων να ελέγξουν την ενεργειακή κατανάλωση των κτιρίων και να δημιουργήσουν ένα άνετο εσωτερικό περιβάλλον προσαρμοσμένο στις ανάγκες του χρήστη και του δικτύου.

Προσφέρουμε υπηρεσίες πρακτικής εφαρμογής της αξιολόγησης του Δείκτη Ευφυούς Ετοιμότητας (SRI) κτιρίων σύμφωνα με την τρέχουσα Ευρωπαϊκή μεθοδολογία. Με την αξιοποίηση κατάλληλου λογισμικού εξετάζεται η ευφυής ετοιμότητα υφιστάμενων πιλοτικών κτιρίων να αντιλαμβάνονται και να ανταποκρίνονται ενεργά στις δυναμικά μεταβαλλόμενες συνθήκες λειτουργίας τους. 

Το σεμινάριο ‘Στρατηγική Ψηφιακού Μετασχηματισμού’ παρέχει στους συμμετέχοντες τις απαραίτητες γνώσεις και δεξιότητες για την ανάπτυξη και εφαρμογή αποτελεσματικών στρατηγικών ψηφιακής ωρίμανσης εντός των οργανισμών τους. Καθώς η τεχνολογία εξελίσσεται ραγδαία, η κατανόηση του τρόπου αξιοποίησης των ψηφιακών εργαλείων είναι κρίσιμη για την ενίσχυση της λειτουργικής αποδοτικότητας και την αύξηση της επιχειρηματικής δραστηριότητας.

Το συγκεκριμένο σεμινάριο επικεντρώνεται στην προώθηση της σημασίας του ψηφιακού μετασχηματισμού για εταιρείες και δημόσιους οργανισμούς, στην υπογράμμιση της επιρροής του στην ανάπτυξη και ανταγωνιστικότητά τους και στην αξιολόγηση του τρέχοντος ψηφιακού τοπίου. Περιλαμβάνει διεξοδική παρουσίαση μεθόδου δέκα βημάτων για ανάπτυξη καινοτόμων στρατηγικών ψηφιακής αναβάθμισης με ανάλυση του εξωτερικού και εσωτερικού περιβάλλοντος του οργανισμού. Ενσωματώνει ακόμα την χαρτογράφηση των τάσεων και προκλήσεων του κατασκευαστικού τομέα και την παρουσίαση των διαθέσιμων εργαλείων που εισάγουν την καινοτομία στην κατασκευή. Κατά τη διάρκεια του σεμιναρίου αναλύονται λεπτομερώς  προηγμένες τεχνολογίες όπως είναι η τρισδιάστατη εκτύπωση, η τρισδιάστατη σάρωση, τα drones, τα λογισμικά BIM, το διαδίκτυο των πραγμάτων (IoT), τα ERP συστήματα και η ρομποτική.

Το σεμινάριο ‘Εισαγωγή στη Μοντελοποίηση Πληροφοριών Κτιρίων’ παρέχει στους συμμετέχοντες τα εφόδια για μια βασική κατανόηση της έννοιας ΒΙΜ και της σημασίας πρακτικής εφαρμογής της στον τομέα της κατασκευής. Ως μια καινοτόμα προσέγγιση στη διαχείριση έργων, η BIM προάγει την αποτελεσματική συνεργασία μεταξύ των εμπλεκομένων, ενισχύει τη δυνατότητα πρώιμης οπτικοποίησης μιας κατασκευής και καθιστά τη διαδικασία παράδοσης έργων πιο αποτελεσματική.

Εκκινώντας με μια εισαγωγή στις βασικές έννοιες της BIM, θα επιχειρηθεί η περαιτέρω κατανόηση των αρχών και των διαδικασιών που τη διέπουν. Ιδιαίτερη έμφαση θα δοθεί στο επίπεδο υιοθέτησης της BIM σε ευρωπαϊκό και εθνικό επίπεδο, καθώς και στην ανάλυση των προκλήσεων που αντιμετωπίζει. Η εφαρμογή της BIM θα αναλυθεί μέσα από παραδείγματα ενώ θα παρουσιαστούν τα οφέλη αλλά και τα εμπόδια που προκύπτουν κατά τη χρήση της. Οι συμμετέχοντες θα ενημερωθούν σχετικά με την  στρατηγική BIM και το πώς αυτή η τεχνολογία εφαρμόζεται στην πράξη. Τέλος, θα παρουσιαστούν εργαλεία λογισμικού που υποστηρίζουν την εφαρμογή του.

Το σεμινάριο ‘Βέλτιστες Πρακτικές για την Ψηφιοποίηση των Επιχειρήσεων σε Επιλεγμένους Τομείς’ έχει σχεδιαστεί για να εφοδιάσει τους συμμετέχοντες με τις γνώσεις και τις δεξιότητες που απαιτούνται για την εφαρμογή βιώσιμων πρακτικών στο δομημένο περιβάλλον. Καθώς η κατασκευαστική βιομηχανία αντιμετωπίζει αυξανόμενες πιέσεις για τη μείωση των αποβλήτων και την αύξηση της αποδοτικότητας των πόρων, η κατανόηση των αρχών της κυκλικής οικονομίας είναι θεμελιώδης.

Στο πλαίσιο του σεμιναρίου θα αναλυθούν οι βασικές έννοιες και αρχές του κυκλικού μοντέλου, οι στρατηγικές μετάβασης και οι στόχοι που εξυπηρετούν. Οι συμμετέχοντες θα γνωρίσουν τα οφέλη και τις προκλήσεις της κυκλικής οικονομίας, το υφιστάμενο κανονιστικό πλαίσιο σε Ελλάδα και Ε.Ε., νέα επιχειρηματικά πρότυπα καθώς και ψηφιακές τεχνολογίες που υποστηρίζουν την κυκλική οικονομία στην κατασκευή. 

 

Το μάθημα Writing and Synthesizing Research Publications έχει σχεδιαστεί για να ενισχύσει τις δεξιότητες των συμμετεχόντων στη σύνθεση και συγγραφή επιστημονικών δημοσιεύσεων, με έμφαση στη δημιουργία νέας γνώσης μέσα από την ολοκληρωμένη ανάλυση υφιστάμενης βιβλιογραφίας. Καλύπτονται βασικές τεχνικές σύνθεσης, είδη βιβλιογραφικών ανασκοπήσεων, κριτήρια αξιολόγησης πηγών και στρατηγικές οργάνωσης του υλικού. Παρουσιάζονται επίσης προκλήσεις, ενώ εξετάζεται ο ρόλος της τεχνολογίας και της τεχνητής νοημοσύνης στη σύγχρονη ερευνητική σύνθεση. 

Το μάθημα Ethical Issues and Regulatory Requirements in Research έχει ως στόχο να εξοικειώσει τους συμμετέχοντες με τις βασικές ηθικές αρχές και τις κανονιστικές απαιτήσεις που διέπουν την επιστημονική έρευνα. Μέσα από θεωρητική και πρακτική προσέγγιση, παρουσιάζονται βασικές έννοιες όπως η συγκατάθεση, η προστασία προσωπικών δεδομένων, η ασφάλεια και ανωνυμοποίηση των δεδομένων, κ.α. 

Το μάθημα Dissemination and Exploitation of Research and Innovation Results έχει σχεδιαστεί για να καθοδηγήσει τους συμμετέχοντες στη δημιουργία ολοκληρωμένων στρατηγικών διάδοσης, επικοινωνίας και αξιοποίησης των ερευνητικών αποτελεσμάτων. Οι συμμετέχοντες θα μάθουν πώς να αναπτύσσουν και να υλοποιούν ολοκληρωμένα σχέδια επικοινωνιας (PDEC), να εντοπίζουν και να εμπλέκουν τους κατάλληλους ενδιαφερόμενους φορείς, να διαμορφώνουν στοχευμένα μηνύματα και να αξιοποιούν αποτελεσματικά μέσα επικοινωνίας. Το μάθημα καλύπτει επίσης στρατηγικές αξιοποίησης αποτελεσμάτων (Exploitation) και διαχείρισης πνευματικής ιδιοκτησίας.

Το μάθημα Data Management in Research and Innovation εισαγάγει τους συμμετέχοντες στις βασικές αρχές και βέλτιστες πρακτικές της διαχείρισης δεδομένων στο πλαίσιο ερευνητικών έργων. Εξετάζονται έννοιες όπως τα Σχέδια Διαχείρισης Δεδομένων (DMPs), οι στρατηγικές συλλογής, αποθήκευσης και κοινής χρήσης δεδομένων, καθώς και η συμμόρφωση με κανονιστικά πλαίσια όπως το GDPR. Το μάθημα καλύπτει επιπλέον τις αρχές FAIR για ευρεσιμότητα, προσβασιμότητα, διαλειτουργικότητα και επαναχρησιμοποίηση δεδομένων, λύσεις αποθήκευσης (on-premises, cloud, υβριδικές), μέτρα ασφάλειας και πολιτικές διαμοιρασμού.

Το μάθημα Machine Learning, Predictive Models, and Data Preprocessing Techniques εισάγει τους συμμετέχοντες στις βασικές αρχές της μηχανικής μάθησης, στις τεχνικές προεπεξεργασίας δεδομένων και στη δημιουργία μοντέλων πρόβλεψης με έμφαση σε ενεργειακές εφαρμογές. Οι συμμετέχοντες θα μάθουν πώς να συλλέγουν και να προετοιμάζουν δεδομένα από διάφορες πηγές (ενέργεια, καιρός, αισθητήρες), να εντοπίζουν και να διορθώνουν ακραίες τιμές και ελλείψεις, καθώς και να εφαρμόζουν τεχνικές κανονικοποίησης και χρονικών υστερήσεων. Το μάθημα καλύπτει επίσης στρατηγικές μοντελοποίησης πρόβλεψης, επιλογή αλγορίθμων μηχανικής μάθησης και βαθιάς μάθησης, αξιολόγηση μοντέλων και βέλτιστες πρακτικές για την ανάπτυξη συστημάτων πρόβλεψης σε πραγματικά σενάρια διαχείρισης ενέργειας.

Το μάθημα Energy Demand Management έχει σχεδιαστεί για να εισαγάγει τους συμμετέχοντες στις βασικές αρχές και στρατηγικές διαχείρισης της ενεργειακής ζήτησης σε σύγχρονα ενεργειακά δίκτυα και «έξυπνα» συστήματα διανομής. Μέσα από την ανάλυση της έννοιας των Smart Grids και των σχετικών τεχνικών προκλήσεων, το μάθημα παρουσιάζει τις τεχνικές Demand-Side Management (DSM) και Demand Response (DR). Εξετάζονται επίσης πρακτικές εφαρμογές, περιπτώσεις χρήσης με ηλεκτρικά οχήματα, αποθήκευση ενέργειας και μη παρεμβατική ανάλυση φορτίου (NILM), καθώς και σύγχρονα παραδείγματα υλοποίησης και τα οφέλη τους για την εξοικονόμηση ενέργειας, τη μείωση των εκπομπών και τη βιωσιμότητα των δικτύων διανομής.

Το μάθημα "Microgrids, Smart Buildings, and Energy" έχει σχεδιαστεί για να εισαγάγει τους συμμετέχοντες στις σύγχρονες τεχνολογίες και προσεγγίσεις που διαμορφώνουν την ενεργειακή μετάβαση του μέλλοντος. Το περιεχόμενο καλύπτει τις αρχές του βιοκλιματικού σχεδιασμού, τις τεχνολογίες έξυπνων κτιρίων, τη λειτουργία των ενεργειακών κοινοτήτων και την ανάπτυξη μικροδικτύων, προσφέροντας μια ολοκληρωμένη προσέγγιση για την αειφόρο ενεργειακή διαχείριση.

Το μάθημα "Resource Management in Research Administration Units" έχει σχεδιαστεί για να παρέχει τους συμμετέχοντες τις απαραίτητες γνώσεις και δεξιότητες για την αποτελεσματική διαχείριση πόρων σε ερευνητικούς οργανισμούς. Σε ένα περιβάλλον όπου οι ερευνητικοί φορείς αναλαμβάνουν ολοένα και περισσότερα έργα ταυτόχρονα, η στρατηγική διαχείριση ανθρώπινων πόρων, οικονομικών μέσων και τεχνολογικού εξοπλισμού αποτελεί κρίσιμο παράγοντα επιτυχίας. Το μάθημα καλύπτει σύγχρονες μεθοδολογίες διαχείρισης έργων, τεχνικές αξιολόγησης και ιεράρχησης πολλαπλών έργων, καθώς και πρακτικές διαχείρισης κινδύνων ειδικά προσαρμοσμένες στις ανάγκες του ερευνητικού περιβάλλοντος.

Το μάθημα Big Data and Data Mining έχει σχεδιαστεί για να εισαγάγει τους συμμετέχοντες στις βασικές αρχές, τεχνικές και τεχνολογίες που απαιτούνται για τη συλλογή, αποθήκευση, ανάλυση και αξιοποίηση μεγάλου όγκου δεδομένων στον σύγχρονο ψηφιακό κόσμο. Οι συμμετέχοντες θα γνωρίσουν αλγορίθμους ανωνυμοποίησης και συγκέντρωσης δεδομένων για την προστασία της ιδιωτικότητας, υποδομές και πλατφόρμες διαχείρισης Big Data, αλλά και σύγχρονες αρχιτεκτονικές για «έξυπνα» κτίρια και Digital Twins. Το μάθημα περιλαμβάνει επίσης τεχνικές ανάλυσης και πρόβλεψης με χρήση μηχανικής μάθησης, καθώς και μεθόδους ολοκλήρωσης και διαλειτουργικότητας δεδομένων μέσω BIM και IoT.

Το μάθημα Internet of Things (IoT) and Digital Twins in Smart Buildings έχει σχεδιαστεί για να εισαγάγει τους συμμετέχοντες στις τεχνολογίες και τα συστήματα που επιτρέπουν τη δημιουργία «έξυπνων» κτιρίων με προηγμένες δυνατότητες παρακολούθησης, ελέγχου και βελτιστοποίησης. Μέσα από τη μελέτη εφαρμογών όπως το nZEB Smart House και τη χρήση εξειδικευμένων IoT πλατφορμών, το μάθημα παρουσιάζει πώς επιτυγχάνεται η διαλειτουργικότητα, η συλλογή και διαχείριση δεδομένων από διάφορους αισθητήρες και συσκευές, καθώς και η ανάπτυξη Ψηφιακών Διδύμων που επιτρέπουν ρεαλιστική προσομοίωση και διαχείριση των κτιριακών λειτουργιών. Ιδιαίτερη έμφαση δίνεται στην αρχιτεκτονική συστημάτων, στις τεχνικές μετάδοσης δεδομένων, στα πρότυπα επικοινωνίας και στην ανάλυση δεδομένων για βέλτιστη ενεργειακή απόδοση και βιωσιμότητα.

Το μάθημα Machine Learning applications in the energy sector (Εφαρμογές Μηχανικής Μάθησης στον Ενεργειακό Τομέα) έχει σχεδιαστεί για να εισαγάγει τους συμμετέχοντες στις βασικές έννοιες, τις τεχνικές και τις πραγματικές εφαρμογές της μηχανικής μάθησης για την ανάλυση και βελτιστοποίηση ενεργειακών συστημάτων. Σε έναν συνεχώς εξελισσόμενο τομέα όπου η διαχείριση δεδομένων και η τεχνητή νοημοσύνη παίζουν καθοριστικό ρόλο, το μάθημα προσφέρει μια ολοκληρωμένη επισκόπηση των αλγορίθμων μηχανικής μάθησης, της ανάλυσης χρονοσειρών, της ανίχνευσης ανωμαλιών και της προγνωστικής συντήρησης. Μέσα από πρακτικά παραδείγματα και μελέτες περίπτωσης, οι συμμετέχοντες θα μάθουν πώς να αξιοποιούν τα δεδομένα για τη βελτίωση της αποδοτικότητας, τη μείωση του κόστους και την υποστήριξη της βιώσιμης ανάπτυξης στον ενεργειακό τομέα.

Το μάθημα Digital Twins in the Context of Energy Evaluation of Buildings έχει σχεδιαστεί για να εισαγάγει τους συμμετέχοντες στις βασικές έννοιες, τις τεχνολογίες και τις εφαρμογές των Ψηφιακών Διδύμων για την ενεργειακή αξιολόγηση και βελτιστοποίηση κτιρίων. Σε μια εποχή που η ενεργειακή αποδοτικότητα και η βιωσιμότητα αποτελούν κρίσιμες προκλήσεις, τα Ψηφιακά Δίδυμα αποτελούν ένα ισχυρό εργαλείο για την παρακολούθηση, ανάλυση και πρόβλεψη της ενεργειακής συμπεριφοράς των κτιρίων. Το μάθημα εστιάζει σε τεχνολογίες όπως το BIM, το IoT, τα Big Data και η Τεχνητή Νοημοσύνη, και εξετάζει πρακτικά παραδείγματα και αρχιτεκτονικές συστημάτων για την ανάπτυξη Ψηφιακών Διδύμων σε κτίρια. Μέσα από θεωρία και πραγματικές μελέτες περίπτωσης, οι συμμετέχοντες θα κατανοήσουν πώς να αξιοποιούν τα Ψηφιακά Δίδυμα για την επίτευξη στόχων μείωσης της ενεργειακής κατανάλωσης και την υποστήριξη της μετάβασης σε πιο έξυπνα και βιώσιμα κτίρια.

Το μάθημα Υπολογιστική Νέφους (Cloud Computing) εξετάζει τις βασικές αρχές και τεχνολογίες του υπολογιστικού νέφους (cloud computing), εστιάζοντας στις υπηρεσίες που παρέχει και στις εφαρμογές του σε διάφορους τομείς. Στόχος του μαθήματος είναι να δώσει στους συμμετέχοντες τις απαραίτητες γνώσεις για την ανάπτυξη, διαχείριση και αξιοποίηση του cloud.

Cloud computing είναι η τεχνολογία που επιτρέπει την αποθήκευση και επεξεργασία δεδομένων σε απομακρυσμένους διακομιστές (cloud servers) αντί για τοπικές υποδομές. Οι χρήστες μπορούν να έχουν πρόσβαση στις υπηρεσίες μέσω του διαδικτύου, χρησιμοποιώντας οποιαδήποτε συσκευή.

Το μάθημα Digital Tools for Optimizing Office Operations έχει σχεδιαστεί για να βοηθήσει τους συμμετέχοντες να αποκτήσουν τις απαραίτητες ψηφιακές δεξιότητες που θα ενισχύσουν την παραγωγικότητα και την αποδοτικότητα των εργασιακών τους διαδικασιών. Σε έναν κόσμο που εξελίσσεται συνεχώς, η ικανότητα να χρησιμοποιούμε ψηφιακά εργαλεία είναι πιο σημαντική από ποτέ.

Αυτό το μάθημα παρέχει μια ολοκληρωμένη εισαγωγή στην κυβερνοασφάλεια. Οι συμμετέχοντες θα εξετάσουν θέματα όπως οι τύποι επιθέσεων, η ασφάλεια δικτύων, οι τεχνικές κρυπτογράφησης και οι βέλτιστες πρακτικές για την κυβερνοασφάλεια. Μέσα από θεωρητικές γνώσεις και πρακτικά παραδείγματα, οι συμμετέχοντες θα είναι σε θέση να αναγνωρίσουν και να απαντήσουν σε απειλές για την ασφάλεια.

Το μάθημα Εφαρμογή ΙοΤ λύσεων και πρακτική προσέγγιση παρέχει στους συμμετέχοντες το έναυσμα, την απαραίτητη τεχνογνωσία και παραδείγματα χρήσης ενός πλήρους δικτύου LoRaWAN σε μικρή κλίμακα. Στα πλαίσια αυτού του μαθήματος, θα παρουσιαστούν κάποια βασικά θεωρητικά στοιχεία για τα δίκτυα LoRaWAN και παραδείγματα χρήσης, ενώ σε μορφή εργαστηρίου, οι συμμετέχοντες θα έρθουν σε επαφή με τεχνολογίες όπως το The Things Network, το Node Red, την Python και το InfluxDB για τη δημιουργία ενός πλήρους παραδείγματος χρήσης.

Η Ανάλυση Δεδομένων (Data Analysis) είναι ο τομέας που ασχολείται με την επεξεργασία και την ανάλυση μεγάλου όγκου δεδομένων με στόχο την εξαγωγή χρήσιμων πληροφοριών και γνώσεων. Περιλαμβάνει τεχνικές όπως η στατιστική ανάλυση (statistical analysis) και η εξόρυξη δεδομένων (data mining) και την προβλεπτική ανάλυση (predictive analytics). Σε αυτό το μάθημα θα γίνει μία εισαγωγή στη γλώσσα Python και θα παρουσιαστούν βασικά εργαλεία που χρησιμοποιούνται για την Ανάλυση Δεδομένων. Οι βιβλιοθήκες που θα αναλυθούν είναι η NumPy, Pandas και Matplotlib για την επεξεργασία και ανάλυση της πληροφορίας και την απεικόνιση διαγραμμάτων.

Η επεξεργασία φυσικής γλώσσας (NLP) είναι ένας κλάδος της τεχνητής νοημοσύνης που ασχολείται με την ενσωμάτωση και επεξεργασία της ανθρώπινης γλώσσας από υπολογιστές. Στόχος είναι να κατανοήσουν, ερμηνεύσουν και αναπαραγάγουν τη φυσική γλώσσα με τρόπο που να είναι κατανοητός και χρήσιμος για τους χρήστες. Το μάθημα στην επεξεργασία φυσικής γλώσσας παρέχει μια θεμελιώδη εισαγωγή στις βασικές έννοιες και τις τεχνικές του NLP. Οι συμμετέχοντες θα μάθουν πώς να εφαρμόζουν αλγορίθμους για την ανάλυση κειμένου, την κατανόηση της σημασίας, την αναγνώριση της γλωσσικής δομής και την παραγωγή κειμένου.

Το μάθημα τεχνολογίες DIY: Arduino, Raspberry Pi & 3D προσφέρει εισαγωγή στις τεχνολογίες Arduino, Raspberry Pi και τους 3D εκτυπωτές. Οι συμμετέχοντες θα μάθουν τις βασικές λειτουργίες των Arduino και Raspberry Pi, καθώς και πώς να δημιουργούν προγράμματα για τα Arduino και Raspberry με τον συνδυασμό διάφορων αισθητήρων. Στο μέρος των 3D εκτυπωτών, θα μάθουν για τα βασικά μέρη των εκτυπωτών και τη διαδικασία της 3D εκτύπωσης.

Το μάθημα τεχνητή νοημοσύνη παρέχει μια εισαγωγή στο πεδίο της τεχνητής νοημοσύνης, το οποίο αφορά τη δημιουργία υπολογιστικών συστημάτων που μπορούν να εκτελούν εργασίες που απαιτούν ανθρώπινη νοημοσύνη. Κεντρικός στόχος του μαθήματος είναι η κατανόηση των βασικών αρχών και τεχνικών της τεχνητής νοημοσύνης, καθώς και η εξοικείωση με διάφορες μεθόδους και αλγορίθμους που χρησιμοποιούνται σε αυτό το πεδίο.

Η μηχανική μάθηση αποτελεί ένα πεδίο της τεχνητής νοημοσύνης που επικεντρώνεται στην ανάπτυξη τεχνικών ώστε οι υπολογιστές να μαθαίνουν αυτόματα από δεδομένα, χωρίς ανάγκη προγραμματισμού εκ των προτέρων. Το μάθημα στη μηχανική μάθηση προσφέρει εισαγωγή στις βασικές αρχές και τεχνικές της, καλύπτοντας επίσης διάφορα είδη μηχανικής μάθησης και αλγορίθμους, όπως επιβλεπόμενη και μη επιβλεπόμενη μάθηση, καθώς και τεχνικές ομαδοποίησης και κατηγοριοποίησης δεδομένων.