Δημιουργία γενικευμένου συστήματος προτάσεων με εφαρμογή σε ένα σύνολο αλληλοεξαρτώμενων δεδομένων

Κατά τη διάρκεια των τελευταίων ετών, η ευρεία χρήση και διάδοση δημοφιλών διαδικτυακών ηλεκτρονικών καταστημάτων και πλατφόρμων διαμοιρασμού εικόνων και βίντεο (όπως το YouTube, τα καταστήματα της Amazon, το Netflix κ.α.), έχει οδηγήσει στην ανάπτυξη όλο και περισσότερων συστημάτων προτάσεων (Recommendation Systems). Στόχος των συστημάτων αυτών είναι η παραγωγή προσωποποιημένων και χρήσιμων προτάσεων για κάθε χρήστη, με βάση τα ενδιαφέροντα και τις προτιμήσεις του. Όπως γίνεται εύκολα αντιληπτό, τα συστήματα αυτά είναι πολύ σημαντικά για την ικανοποίηση και την εξυπηρέτηση των χρηστών, και κατ’ επέκταση για την βιωσιμότητα και την αύξηση της δημοφιλής τέτοιων site / πλατφόρμων. Χαρακτηριστικό παράδειγμα της σημαντικότητας  τους  είναι ο διαγωνισμός που διοργάνωσε η πλατφόρμα “Netflix” πριν από μερικά χρόνια. Στόχος του διαγωνισμού ήταν η υλοποίηση μιας μηχανής προσωποποιημένων προτάσεων που να επιφέρει καλύτερα αποτελέσματα από την ήδη υπάρχουσα. Το έπαθλο ανερχόταν στο ποσό του ενός εκατομμυρίου ευρώ. .

Φυσικά, η  σχεδίαση των συστημάτων αυτών εξαρτάται από το πεδίο στο οποίο εφαρμόζονται, καθώς και από τα χαρακτηριστικά των δεδομένων που είναι διαθέσιμα. Δύο είναι τα πεδία εφαρμογής τα οποία θα μας απασχολήσουν στην παρούσα διπλωματική.

Πρώτο πεδίο εφαρμογής, είναι η βιομηχανία της ένδυσης που αποτελεί έναν συνεχώς αναπτυσσόμενο κλάδο που οδηγείται προς μια διαρκώς επιταχυνόμενη μόδα. Ο επίκαιρος χώρος της μόδας περιλαμβάνει έναν διαρκώς αυξανόμενο όγκο δεδομένων που σχετίζεται με τις προσωποποιημένες επιλογές των καταναλωτών και την πρόβλεψη των μελλοντικών τάσεων. Ο σχεδιασμός και η παραγωγή πρέπει να γίνεται πλέον σε πραγματικό χρόνο, ανάλογα με τις τάσεις της εποχής, διαφορετικά κινδυνεύουν να ξεπεραστούν πριν καν βγουν. Διανύουμε μια εποχή που οι 4 καθορισμένες σαιζόν για την ένδυση (άνοιξη, καλοκαίρι, φθινόπωρο, χειμώνας) έχουν καταργηθεί, και οι εταιρίες, προσπαθώντας να ανταποκριθούν στις διαρκώς μεταβαλλόμενες ανάγκες του καταναλωτή, λανσάρουν διαρκώς νέα προϊόντα. Στόχος είναι, η δημιουργία ενός συστήματος που θα προτείνει στο σχεδιαστή εικόνες με βάση τις προτιμήσεις και τις αναζητήσεις του, έτσι ώστε να μπορεί να σχεδιάζει πιο γρήγορα και αποτελεσματικά τα ρούχα που επιθυμεί.

Το δεύτερο πεδίο εφαρμογής είναι πολύ γνώριμος χώρος σε όλους πανεπιστημιακός χώρος, ο οποίος αποτελεί μια πολύ μεγάλη πηγή δεδομένων, καθώς διαθέτει πάρα πολλά τμήματα, μαθητές και μαθήματα. Ο τεράστιος αυτός όγκος δεδομένων παρέμενε αρκετά χρόνια ανεκμετάλλευτος, ωστόσο αρκετές ερευνητικές ομάδες έχουν αρχίσει να ασχολούνται ενεργά με τα δεδομένα που παράγονται μέσα στο πανεπιστήμιο και προσπαθούν να εξάγουν χρήσιμα συμπεράσματα από αυτά, με στόχο τη βελτίωση της εμπειρίας και της εκπαίδευσης των φοιτητών, καθώς και για την προαγωγή της εκπαιδευτικής δραστηριότητας των πανεπιστημίων.  Στόχος είναι, η πρόβλεψη της πορείας του κάθε φοιτητή στο τμήμα φοίτησης του, καθώς και η δημιουργία ενός πιο εξατομικευμένου προγράμματος σπουδών για αυτόν.

Συνεπώς, σκοπός της συγκεκριμένης διπλωματικής εργασίας είναι η μελέτη των διαθέσιμων συστημάτων προτάσεων (Recommender Systems) που υπάρχουν στη βιβλιογραφία και η εφαρμογή τους στα πεδία εφαρμογής που αναφέρονται στις προηγούμενες παραγράφους.

Προαπαιτούμενα

• Καλή γνώση προγραμματισμού σε python
• Δομές Δεδομένων
• Αναγνώριση Προτύπων
• Βάσεις Δεδομένων
• Φαντασία και όρεξη για δουλειά

Εμπλεκόμενες Τεχνολογίες – Γνώσεις που θα αποκτηθούν

• Αλγόριθμοι και τεχνικές ανάλυσης δεδομένων
• Τεχνικές ομαδοποίησης 
• Τεχνικές ταξινόμησης

Εκτιμώμενος Χρόνος Περάτωσης

6 – 9 μήνες

Συνεργαζόμενοι Ερευνητές

Σωτήρης Τσαρούχης (sotiris [dot] tsarouchis [at] issel [dot] ee [dot] auth [dot] gr)
Αντώνης Χρυσόπουλος (achryso [at] issel [dot] ee [dot] auth [dot] gr)