Σύντομο Βιογραφικό
Ο Δρ. Γιώργος Στάμου είναι Καθηγητής στη Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Εθνικού Μετσόβιου Πολυτεχνείου (ΕΜΠ), Διευθυντής του Εργαστηρίου Συστημάτων Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης (AILS Lab) και Επισκέπτης Καθηγητής του MIT Sloan School of Management και του MIT Open Learning, στον τομέα της Επιχειρησιακής Έρευνας και της Στατιστικής. Τα ερευνητικά του ενδιαφέροντα περιλαμβάνουν τη βαθιά μάθηση, την πολυτροπική τεχνητή νοημοσύνη, την επεξηγήσιμη τεχνητή νοημοσύνη, την αναπαράσταση γνώσης και την αυτοματοποιημένη συλλογιστική, με ιδιαίτερη έμφαση στα Μεγάλα Γλωσσικά Μοντέλα (LLMs), τη συλλογιστική με LLMs και τις εφαρμογές τεχνητής νοημοσύνης. Έχει συμμετάσχει σε περισσότερα από 60 χρηματοδοτούμενα ερευνητικά έργα στους παραπάνω τομείς, αναλαμβάνοντας σε πολλά από αυτά τον ρόλο του επιστημονικού υπευθύνου. Ο Δρ. Στάμου έχει συγγράψει περισσότερες από 150 εργασίες σε επιστημονικά περιοδικά και πρακτικά συνεδρίων, έχει συνεπιμεληθεί βιβλία και μία μονογραφία, ενώ έχει διατελέσει διοργανωτής ή μέλος οργανωτικών επιτροπών συνεδρίων. Έχει συμμετάσχει ενεργά σε επιστημονικές επιτροπές (Steering Committee of Web Reasoning and Rule Systems Association (RRA), Description Logics Steering Committee W3C AC rep of NTUA in Rule Interchange Format WG, Web Ontology Language WG, Uncertainty Reasoning for the Web (URW3) XG and a Steering Committee member of RuleML co-chairing the Fuzzy RuleML Technical Group). Τέλος, ήταν Ακαδημαϊκός Επισκέπτης στο Πανεπιστήμιο της Οξφόρδης, στο Εργαστήριο Συστημάτων Πληροφορικής (2011–2012) και από το 2018 έως το 2022, διετέλεσε ιδρυτικός Διευθυντής του Μεταπτυχιακού Προγράμματος Επιστήμη Δεδομένων και Μηχανική Μάθηση του ΕΜΠ.
Ερευνητικά Ενδιαφέροντα
Βαθιά Μάθηση • Μεγάλα Γλωσσικά Μοντέλα (LLMs) • Αναπαράσταση Γνώσης • Αυτόματη Συλλογιστική • Επεξηγήσιμη Τεχνητή Νοημοσύνη • Συλλογιστική σε Μεγάλα Γλωσσικά Μοντέλα • Ανάλυση Δεδομένων • Εφαρμογές Τεχνητής Νοημοσύνης
Δημοσιεύσεις
Σύνδεσμος ΔημοσιεύσεωνΜαθήματα
- Εισαγωγή στην Τεχνητή Νοημοσύνη (Προπτυχιακό - 2o Εξάμηνο)
- Θεμελιώδη Θέματα Επιστήμης Υπολογιστών (Προπτυχιακό - 3o Εξάμηνο)
- Τεχνητή Νοημοσύνη (Προπτυχιακό - 6o Εξάμηνο)
- Μηχανική Μάθηση (Προπτυχιακό - 7o Εξάμηνο)
- Νευρωνικά Δίκτυα και Βαθιά Μάθηση (Προπτυχιακό - 8o Εξάμηνο)
- Προηγμένα Θέματα Τεχνητής Νοημοσύνης (Προπτυχιακό - 9o Εξάμηνο)
- Προχωρημένα Θέματα Τεχνητής Νοημοσύνης (Μεταπτυχιακό - Εαρινό Εξάμηνο)
- Artificial Intelligence in healthcare (Διατμηματικό)
- Research methodology (Διατμηματικό)
- Βαθιά Μάθηση (Διατμηματικό)
- Μηχανική Μάθηση (Διατμηματικό)
- Τεχνητή Νοημοσύνη και Ανάλυση Δεδομένων (Διατμηματικό)