Στόχος
Ο κύριος στόχος του μαθήματος είναι να παρουσιάσει στους φοιτητές σύγχρονες τεχνικές, συστήματα και πλατφόρμες για την υλοποίηση ευφυών και διαλειτουργικών πληροφοριακών συστημάτων με χρήση προσεγγίσεων Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης. Έμφαση θα δοθεί σε θέματα που σχετίζονται με τη δυνατότητα κλιμάκωσης των πληροφοριακών συστημάτων, και τη διαχείριση τους συμπεριλαμβανομένων μηχανισμών εποπτείας, αυτό-διαχείρισης και ανεκτικότητας σε λάθη στον πλήρη κύκλο ζωής των υπηρεσιών των πληροφοριακών συστημάτων. Επιπρόσθετα θα αναλυθούν θέματα σχετικά με τις αρχιτεκτονικές διασυνδεμένων υπηρεσιών πληροφοριακών συστημάτων καθώς και τις τεχνικές υλοποίησης και χρήσης των προαναφερθέντων υπηρεσιών. Μέσα από το μάθημα αυτό, οι φοιτητές αναμένεται ότι θα αποκτήσουν σημαντικές τεχνικές δεξιότητες αναφορικά με την μοντελοποίηση ευφυών πληροφοριακών συστημάτων, και θα μάθουν να σχεδιάζουν και να υλοποιούν πληροφοριακά συστήματα μεγάλης κλίμακας που αποτελούνται από σύνθετες υπηρεσίες.
Περιεχόμενα Μαθήματος
Αρχιτεκτονικές λάμδα για τη διασύνδεση υπηρεσιών πληροφοριακών συστημάτων
Προσεγγίσεις για την αποθήκευση, χρήση και ανάλυση δεδομένων μέσω ροών υπηρεσιών. Batch layer για την αποθήκευση των δεδομένων σε ένα μέσο, Serving layer για τη δημιουργία δεικτών και Real-time processing layer.
Προσεγγίσεις πληροφοριακού συστήματος ως υπηρεσία
Κατάλογοι υπηρεσιών και μηχανισμοί εύρεσης, επιλογής, εκτέλεσης, εποπτείας, αποτίμησης και κοστολόγησης. Μεθοδολογία μοντελοποίησης και ανάπτυξης πληροφοριακών συστημάτων ως υπηρεσία.
Πλατφόρμα ως υπηρεσία (Εργαστήριο)
Προσεγγίσεις πλατφορμών για την υλοποίηση πληροφοριακών συστημάτων ως υπηρεσία. Αρχιτεκτονικές serverless computing. Εργαστήριο που εστιάζει στον προγραμματισμό, την παραμετροποίηση και την εκτέλεση εφαρμογών με χρήση της πλατφόρμας Google AppEngine και της πλατφόρμας Apache OpenWhisk.
Αυτό-διαχείριση πληροφοριακών συστημάτων
Τεχνικές εποπτείας και ανάλυσης δεδομένων υποδομής και δεδομένων πληροφοριακού συστήματος σε πραγματικό χρόνο. Προσεγγίσεις κλιμάκωσης, ελαστικότητας και ανοχής σε σφάλματα.
Τεχνητή νοημοσύνη και μηχανική μάθηση για τη διαχείριση πληροφοριακών συστημάτων
Υπηρεσίες δημιουργίας προφίλ ανάπτυξης υπηρεσιών πληροφοριακών συστημάτων και αλλαγών κατά το χρόνο εκτέλεσης με χρήση προσεγγίσεων τεχνητής νοημοσύνης και μηχανικής μάθησης (νευρωνικά δίκτυα, reinforcement learning).
Νεφοϋπολογιστική και πληροφοριακά συστήματα
Μοντελοποίηση και μετάπτωση πληροφοριακών συστημάτων σε υποδομές υπολογιστικών και αποθηκευτικών νεφών. Διαστασιολόγηση αναγκαίων πόρων και τεχνικές ανάδρασης σε πραγματικό χρόνο για την προσαρμογή της υποδομής βάσει των αναγκών των πληροφοριακών συστημάτων.
Εισαγωγή στη διαλειτουργικότητα πληροφοριακών συστημάτων
Βασικές αρχές, ορισμοί και οφέλη. Κύριες προσεγγίσεις και απαιτήσεις. Διεθνή πρότυπα και πρωτοβουλίες.
Ευρωπαϊκό Πλαίσιο Διαλειτουργικότητας
Στόχοι, βασικές αρχές. Επίπεδα διαλειτουργικότητας. Εννοιολογικό μοντέλο.
Διαλειτουργικές δημόσιες ψηφιακές υπηρεσίες
Μεθοδολογία σχεδίασης διαλειτουργικών ψηφιακών υπηρεσιών. Μοντέλα αξιολόγησης ωριμότητας συνιστωσών λογισμικού.
Διαλειτουργικότητα πληροφοριακών συστημάτων
Διαλειτουργικότητα συστημάτων ηλεκτρονικών προμηθειών. Διαλειτουργικότητα συστημάτων ηλεκτρονικής υγείας.
Προτεινόμενα Συγγράμματα
- Aurelien Geron, Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, 2019
- Peter Sbarski, Serverless Architectures on AWS, 2017
- Cagatay Gurturk, Building Serverless Architectures, 2017
- John Arundel and Justin Domingu, Cloud Native DevOps with Kubernetes: Building, Deploying, and Scaling Modern Applications in the Cloud, 2019