ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ

ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΕΠΙΣΤΗΜΗΣ ΤΩΝ ΥΛΙΚΩΝ

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΕΠΙΣΤΗΜΗ ΥΛΙΚΩΝ

URL: https://medlab.cc.uoi.gr/?page_id=11024

Διδασκαλία έτους 2026 – 2027

Χειμερινό Εξάμηνο

1. Περιεχόμενο μαθήματος

Το μάθημα «Τεχνητή Νοημοσύνη και Υλικά» είναι κατ΄ επιλογή μάθημα  για τους φοιτητές του Τμήματος Μηχανικών Επιστήμης των Υλικών του Πανεπιστημίου Ιωαννίνων.  Το μάθημα είναι εισαγωγικό στην τεχνητή νοημοσύνη και πέραν από τις βασικές αρχές περιλαμβάνει και εφαρμογές της στα υλικά.  Η διδασκαλία του μαθήματος γίνεται με βάση τη διεθνή εμπειρία και την υπάρχουσα εμπειρία στο Τμήμα Μηχανικών Επιστήμης Υλικών και συμπεριλαμβάνει τις ακόλουθες ενότητες διδασκαλίας οι οποίες θα διδαχθούν και στο μάθημα:

• Εισαγωγή στην Τεχνητή Νοημοσύνη και Μηχανική
• Εισαγωγή στην Python για Τεχνητή Νοημοσύνη και Επιστήμη Υλικών
• Γραμμικά Μοντέλα και Παλινδρόμηση
• Δέντρα απόφασης
• Εργαστήριο Python και Μηχανικής Μάθησης Ι
• Μηχανές Διανυσμάτων Υποστήριξης
• Μπεϋζιανές Μέθοδοι και Διαχείριση Αβεβαιότητας
• Τεχνητά Νευρωνικά Δίκτυα
• Βαθιά Μάθηση και Εφαρμογές στην Επιστήμη Υλικών
• Συλλογική Μάθηση  και Αξιολόγηση Μοντέλων
• Εργαστήριο Μηχανικής Μάθησης και Πληροφορικής Υλικών
• Μη Επιβλεπόμενη Μάθηση και Εφαρμογές στην Ανακάλυψη Υλικών

Η διδασκαλία γίνεται με παρουσίαση θεωρητικών ενοτήτων και ασκήσεις.  Γίνεται χρήση python που διδάσκεται και στους φοιτητές.

2. Διδασκαλία Μαθήματος

 Η διδασκαλία του μαθήματος διαρκεί 13 εβδομάδες από 28^ης Σεπτεμβρίου 2026 έως και 16^ης Ιανουαρίου 2027.  Για κάθε εβδομάδα διδασκαλίας σχεδιάζονται τρεις ώρες θεωρία/ασκήσεις:

Θεωρία/Ασκήσεις

Δευτέρα: 9:00 – 12:00 Αίθουσα ΚΥ1

Ώρες Γραφείου Διδάσκοντα

Τρίτη, Τετάρτη   12:00 – 14:00, Κτίριο ΤΜΕΥ 1^ος Όροφος (τηλ. 2651-00-9006), e-mail: fotiadis@uoi.gr

Ώρες Γραφείου Βοηθού:  Στεργιανή Βισέρη, Αγγελική Μποτώνη

Τρίτη, Τετάρτη   12:00 – 14:00, Ισόγειο Εστίας ΣΤ, τηλ. 2651-00-7702, e-mail: s.viseri@uoi.gr, angelica.mpotoni@uoi.gr.

3. Εγχειρίδιο Μαθήματος

Το εγχειρίδιο του μαθήματος είναι:

Z.L. Liu, Τεχνητή Νοημοσύνη για Μηχανικούς:  Θεωρία και Εφαρμογές με Python, Εκδόσεις Φουντάς, 2026

Στους φοιτητές θα είναι επίσης διαθέσιμες οι διαφάνειες από τη διδασκαλία του μαθήματος.  Σημειώνεται ότι η διδασκαλία του μαθήματος θα γίνεται με τη χρήση Η/Υ.

Επιπλέον συνίστανται τα ακόλουθα συγγράμματα:

• S. Sachin Kumar, Neelesh Ashok, N. Sukumar, Neethu Mohan, K. P. Soman, Sabu Thomas (Editors), Artificial Intelligence for Materials Informatics, Springer, 2025.
• Mohamed Arezki Mellal (Editor), Artificial Intelligence in Material Science: Advances, CRC Press, 2025.
• Yuan Cheng, Tian Wang, Gang Zhang (Editors), Artificial Intelligence for Materials Science, Springer, 2021.
• Artificial Intelligence in Materials Science and Engineering: Current Landscape, Key Challenges, and Future Trajectories – https://arxiv.org/abs/2601.12554, 2026.

4. Προαπαιτούμενα μαθήματος

Δεν υπάρχουν προαπαιτούμενα μαθήματα.  Η γλώσσα προγραμματισμού python διδάσκεται σε ειδικά μαθήματα. 

5. Ασκήσεις

Θα δοθούν ασκήσεις που θα είναι σε τρεις ομάδες.  Οι ασκήσεις έχουν βαρύτητα 30 % επί του συνολικού βαθμού.

6. Εξετάσεις

Τελική εξέταση

Είναι γραπτή διάρκειας μίας ώρας και περιλαμβάνει τρία θέματα στα οποία οι φοιτητές θα πρέπει να απαντήσουν.

Επαναληπτική Εξέταση

Οι φοιτητές που δεν επιτυγχάνουν στις εξετάσεις του Φεβρουαρίου είναι υποχρεωμένοι να προσέλθουν στις εξετάσεις του Σεπτεμβρίου.  Το επαναληπτικό διαγώνισμα έχει θέση τελικού διαγωνίσματος και γίνεται με παρόμοιο τρόπο.  Αν ο φοιτητής αποτύχει πάλι είναι υποχρεωμένος να επανέλθει την επόμενη ακαδημαϊκή περίοδο.

7. Βαθμολογία μαθήματος

Στηρίζεται στην όλη παρουσία του φοιτητή και σε ποσοστά προκύπτει ως εξής:

Μικρές ασκήσεις                                                           30 %

Τελική Εξέταση                                                             70 %

8. Πρόγραμμα διδασκαλίας και περιεχόμενο μαθήματος