Σκοπός του μαθήματος είναι ο σπουδαστής να αποκτήσει μια σφαιρική αντίληψη της ενοποιημένης χρήσης και διαχείρισης των υπολογιστικών, τηλεπικοινωνιακών, αποθηκευτικών και άλλων πόρων σε περιβάλλον κινητού υπολογισμού. Η έμφαση του μαθήματος θα είναι σε προηγμένες αλγοριθμικές μεθόδους διαχείρισης, βασισμένες σε κατανεμημένη επεξεργασία και μηχανική μάθηση.

Κινητός Υπολογισμός (επικοινωνία-συσκευές-λογισμικό). Περιορισμοί (κόστος, κινητικότητα, ασφάλεια, κατανάλωση ενέργειας, ασύρματο μέσο).

Προηγμένες Τεχνολογίες για Διαχείριση Υποδομών Κινητού Υπολογισμού: Επισκόπηση Τεχνητής Νοημοσύνης, Μηχανικής Μάθησης, Νευρωνικών Δικτύων, Βαθιάς Μάθησης, Συνεργατικής Μάθησης.

Εφαρμογές Προηγμένων Τεχνολογιών σε Κατανεμημένες Αρχιτεκτονικές Μεγάλης Κλίμακας και Ευφυή Κινητά Τερματικά: Βελτιστοποίηση ανάθεσης ραδιοπόρων με τεχνικές επιβλεπόμενης και μη επιβλεπόμενης μάθησης. Διαχείριση ραδιοπόρων σε ευφυή συστήματα μεταφορών (συμπεριλαμβάνονται Πρότυπα 5G-ITS).

Γνωστικά Ραδιοδίκτυα: ανίχνευση και διαχείριση φάσματος. Υπολογιστική (χαρακτηριστικά, αρχιτεκτονικές, λογισμικό ως υπηρεσία, δρομολόγηση, ασφάλεια, διαχείριση δεδομένων), υπολογιστική πλέγματος, νέφους, ομίχλης.

Ενορχήστρωση πόρων σε συστήματα 5G: Συναρτήσεις εικονικών δικτύων (VNF), αλγόριθμοι ενορχήστρωσης πόρων. Κοινή ανάθεση υπολογιστικών και δικτυακών πόρων σε συνεχείς υποδομές νέφους / στις παρυφές του δικτύου. Ασφαλής κατανεμημένη αποθήκευση σε υποδομές νέφους / στις παρυφές του δικτύου. Τομογραφία δικτύου. Μηχανική Μάθηση στα τερματικά: κοντά στον χρήστη και στο δίκτυο.

Υλικό σύγχρονων κινητών: αισθητήρες, μονάδες επεξεργασίας (CPU, GPU, DSP, NPU), μνήμη, μπαταρία. Προβλήματα λειτουργικών συστημάτων, ενεργειακής κατανάλωσης, και αποθήκευσης δεδομένων.

Εργαστηριακές ασκήσεις στα παραπάνω αντικείμενα: Εργασίες σε Python και σχετικές βιβλιοθήκες (Κeras /Tensor Flow) και Ευφυείς Κινητές Εφαρμογές (Android, iOS, TFLite).