InteLLigence
 

 photo
Μιχαήλ Γ. Λαγουδάκης
Θέση: Αναπληρωτής Καθηγητής
Γραφείο: 145.A35
Τηλέφωνο: +30-28210-37244
Φαξ: +30-28210-37542
Email: lagoudakis   at intelligence.tuc.gr
Προσωπική Σελίδα: http://www.lagoudakis.gr

Μικρό Βιογραφικό

Ο Μιχάλης Λαγουδάκης είναι αναπληρωτής καθηγητής στη Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Πολυτεχνείου Κρήτης από το Σεπτέμβριο του 2005. Νωρίτερα, είχε εργασθεί στο Georgia Institute of Technology ως μεταδιδακτορικός ερευνητής (Σεπτέμβριος 2003 - Ιούνιος 2005) και στο Shannon Laboratory των AT&T Labs ως επισκέπτης ερευνητής (Μάιος 2000 - Αύγουστος 2000). Απέκτησε το διδακτορικό του δίπλωμα στην Επιστήμη Υπολογιστών με διάκριση από το Duke University το Μάιο του 2003.

Εκπαίδευση


Ερευνητικά Ενδιαφέροντα

  • Μηχανική Μάθηση
    Έρευνα σε διάφορες πτυχές της Μηχανικής Μάθησης με έμφαση στην Ενισχυτική Μάθηση, όπου ένας πράκτορας μαθαίνει πως να ενεργεί ορθολογικά σε ένα άγνωστο περιβάλλον μέσα από μια διαδικασία δοκιμών, επιτυχιών, και αποτυχιών.
    [Διαβάστε περισσότερα] 
  • Ρομποτική
    Έρευνα σε αυτόνομα ρομποτικά συστήματα με έμφαση σε πιθανοτικές μεθόδους και αλγοριθμικά θέματα. Στο εργαστήριό μας εδρεύει η ομάδα ρομποτικού ποδοσφαίρου "Κουρήτες" (www.kouretes.gr).
    [Διαβάστε περισσότερα] 
  • Τεχνητή Νοημοσύνη
    Έρευνα σε μοντέρνες περιοχές της Τεχνητής Νοημοσύνης, όπως Παιχνίδια, Ευφυής Αναζήτηση, Πιθανοτικός Συλλογισμός, και Συντονισμός μέσω Δημοπρασιών.
    [Διαβάστε περισσότερα] 
  • RoboCup
    Έρευνα σε αυτόνομους παίκτες ρομποτικού ποδοσφαίρου. Στο εργαστήριό μας εδρεύει η ομάδα ρομποτικού ποδοσφαίρου "Κουρήτες" (www.kouretes.gr).
    [Διαβάστε περισσότερα] 

Διδασκαλία

    Προπτυχιακά Μαθήματα

    • ΠΛΗ 102: Δομημένος Προγραμματισμός
      Περγραφή
      Σύνθετες εφαρμογές δεικτών στη γλώσσα C. Δείκτες σε δείκτες. Αναδρομή. Εισαγωγή σε Java και αφαίρεση στον οντοκεντρικό προγραμματισμό. Η έννοια της κλάσης και του αντικειμένου. Είσοδος / έξοδος, πέρασμα παραμέτρων σε μεθόδους, επίπεδα πρόσβασης μεταβλητών / μεθόδων / κλάσεων, υπερφορτισμός, κληρονομικότητα, πολυμορφισμός, αφηρημένες κλάσεις. Αφηρημένοι τύποι δεδομένων (abstract data types). Παραδείγματα αφηρημένων τύπων δεδομένων και προγραμματισμού των. Λίστες και παραλλαγές τους (απλά / διπλά διασυνδεδεμένες λίστες, κυκλικές λίστες). Ουρές και στοίβες. Τύποι δεδομένων βασισμένοι σε δενδρική οργάνωση. Δυαδικά δένδρα αναζήτησης. Δομές βασισμένες σε κατακερματισμό. Εφαρμογές με απλούς αλγόριθμους αναζήτησης.
      Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Δομημένος Προγραμματισμός
    • ΠΛΗ 402: Θεωρία Υπολογισμού
      Περγραφή
      Σύνολα, σχέσεις, αλφάβητα, γλώσσες. Πεπερασμένα αυτόματα, κανονικές εκφράσεις, κανονικές γλώσσες. Ισοδυναμία πεπερασμένων αυτομάτων και κανονικών εκφράσεων. Ελαχιστοποίηση αυτομάτων. Λεκτική ανάλυση. Αυτόματα στοίβας, γραμματικές χωρίς συμφραζόμενα, γλώσσες χωρίς συμφραζόμενα. Ισοδυναμία αυτομάτων στοίβας και γραμματικών χωρίς συμφραζόμενα. Συντακτική ανάλυση. Μηχανές Turing και επεκτάσεις τους, γραμματικές χωρίς περιορισμούς, αναδρομικές γλώσσες. Μη ντετερμινισμός, μη ντετερμινιστικές μηχανές Turing, αναδρομικά απαριθμήσιμες γλώσσες. Ιεραρχία γλωσσών. Αποφασισιμότητα, υπολογισιμότητα, μη επιλυσιμότητα. Η θέση των Church και Turing. Καθολικές μηχανές Turing, αναγωγές. Το θεώρημα του Rice. Υπολογιστική πολυπλοκότητα και κλάσεις πολυπλοκότητας. NP-πληρότητα και πολυωνυμικές αναγωγές. Το θεώρημα του Cook. Αντιμετώπιση NP-πληρότητας. Εφαρμογή στο πρόβλημα της μεταγλώττισης και εργαστηριακή διδασκαλία των εργαλείων flex, bison, JavaCC.
      Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Θεωρία Υπολογισμού
    • ΠΛΗ 417: Τεχνητή Νοημοσύνη
      Περγραφή
      Θεμελίωση και ιστορία της Τεχνητής Νοημοσύνης. Ευφυείς πράκτορες και περιβάλλοντα. Μέθοδοι απληροφόρητης, πληροφορημένης, ευριστικής συστηματικής αναζήτησης. Μέθοδοι τοπικής αναζήτησης. Προβλήματα ικανοποίησης περιορισμών και αλγόριθμοι επίλυσής τους. Βασική θεωρία παιγνίων και αναζήτηση υπό αντιπαλότητα. Προτασιακή λογική, λογική πρώτης τάξης, συλλογιστική, αλγόριθμοι συμπερασμού. Αναπαράσταση γνώσης και βάσεις γνώσης. Συστήματα συλλογιστικής, αποδείκτες θεωρημάτων, λογικός προγραμματισμός. Σχεδιασμός (planning) και αλγόριθμοι σχεδιασμού. Σχεδιασμός στον πραγματικό κόσμο και πολυπρακτορικός σχεδιασμός.
      Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Τεχνητή Νοημοσύνη
    • ΠΛΗ 513: Αυτόνομοι Πράκτορες
      Περγραφή
      Πράκτορες και περιβάλλοντα, αβεβαιότητα και πιθανότητες, πιθανοτική συλλογιστική. Δίκτυα Bayes, ακριβής και προσεγγιστικός συμπερασμός σε δίκτυα Bayes, αλγόριθμοι απαρίθμησης και δειγματοληψίας. Πιθανοτική συλλογιστική στο χρόνο (φιλτράρισμα, πρόβλεψη, εξομάλυνση, εύρεση πιθανότερης ακολουθίας), δυναμικά δίκτυα Bayes. Πλοήγηση κινητών ρομπότ, έλεγχος κίνησης, σχεδιασμός διαδρομής, εντοπισμός, χαρτογράφηση, SLAM. Λήψη αποφάσεων υπό αβεβαιότητα, Μαρκωβιανές διεργασίες απόφασης, βέλτιστες πολιτικές, επανάληψη αξιών, επανάληψη πολιτικών, μερική παρατηρησιμότητα. Ενισχυτική μάθηση, πρόβλεψη και έλεγχος, βασικοί και προηγμένοι αλγόριθμοι ενισχυτικής μάθησης. Προσεγγιστικές μέθοδοι για πολυδιάστατους και συνεχείς χώρους. Ανταγωνιστικοί πράκτορες, σχεδιασμός και μάθηση σε Μαρκωβιανά παίγνια. Πολυπρακτορικός συντονισμός με δημοπρασίες. Εφαρμογές σε αυτόνομους ρομποτικούς πράκτορες και εργαστηριακή διδασκαλία εργαλείων προγραμματισμού ρομποτικών συστημάτων.
      Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Αυτόνομοι Πράκτορες

    Μεταπτυχιακά Μαθήματα

    • ΠΛΗ 604: Μηχανική Μάθηση
      Περγραφή
      Βασικές έννοιες μηχανικής μάθησης και στατιστικής. Επιβλεπόμενη μάθηση: least mean squares (LMS), logistic regression, perceptron, Gaussian discriminant analysis, naive Bayes, support vector machines, model selection and feature selection, ensemble methods (bagging, boosting). Θεωρία μάθησης: bias/variance tradeoff, union and Chernoff/Hoeffding bounds, VC dimension. Μη επιβλεπόμενη μάθηση: clustering, k-means, EM, mixture of Gaussians, factor analysis, principal components analysis (PCA), independent components analysis (ICA). Ενισχυτική μάθηση: Markov decision processes (MDPs), Bellman equations, value iteration, policy iteration, value function and policy approximation, least-squares methods, reinforcement learning algorithms, partially observable MDPs (POMDPs), algorithms for POMDPs.
      Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Μηχανική Μάθηση
    • ΠΛΗ 614: Πιθανοτική Ρομποτική
      Περγραφή
      Aβεβαιότητα και πιθανοτική συλλογιστική. Ρομποτική αντίληψη και δράση. Αναδρομική εκτίμησης κατάστασης: χώρος καταστάσεων, χώρος πεποιθήσεων, πρόβλεψη και διόρθωση, φίλτρο Bayes. Φίλτρα εκτίμησης: γραμμικό φίλτρο Kalman, εκτεταμένο φίλτρο Kalman, unscented φίλτρο Kalman, φίλτρο ιστογράμματος, φίλτρο σωματιδίων. Πιθανοτικά μοντέλα κίνησης: μοντέλο ταχύτητας, μοντέλο οδομετρίας, δειγματοληψία και πυκνότητα πιθανότητας. Πιθανοτικά μοντέλα παρατήρησης: μοντέλο δέσμης, μοντέλο σάρωσης, μοντέλο χαρακτηριστικών, δειγματοληψία και πυκνότητα πιθανότητας. Ρομποτικός εντοπισμός: Markov, Gaussian, Grid, Monte-Carlo. Ρομποτική χαρτογράφηση: χάρτες πλέγματος, χάρτες χαρακτηριστικών, ταυτόχρονος εντοπισμός και χαρτογράφηση (SLAM). Λήψη αποφάσεων υπό αβεβαιότητα, Μαρκωβιανές διεργασίες απόφασης, βέλτιστες πολιτικές, επανάληψη αξιών, επανάληψη πολιτικών, μερική παρατηρησιμότητα. Ενισχυτική μάθηση, πρόβλεψη και έλεγχος, βασικοί και προηγμένοι αλγόριθμοι ενισχυτικής μάθησης. Πολυρομποτικός συντονισμός και μάθηση.
      Σύνδεσμος στον Ιστοχώρο Μαθημάτων: Πιθανοτική Ρομποτική



Χρηματοδότηση