Αξιοποιώντας τις δυνατότητες αλγορίθμων Μηχανικής Μάθησης στην τεχνολογία του Διαδικτύου των Πραγμάτων (Internet of Things – IoT), εκτιμάται ότι μπορούν να βελτιωθούν σημαντικά τα μελλοντικά IoT συστήματα. Σκοπός της διδακτορικής διατριβής, είναι η μελέτη, ανάπτυξη και εφαρμογή αλγορίθμων Μηχανικής Μάθησης σε συστήματα IoT, με στόχο την βελτιστοποίηση του τρόπου επικοινωνίας των μεταξύ των συσκευών (Machine to Machine – M2M). Βασική προϋπόθεση είναι η εξασφάλιση υψηλής ποιότητας υπηρεσιών του δικτύου, λαμβάνοντας υπόψη τους περιορισμούς υλικού που θέτουν οι συσκευές που απαρτίζουν το δίκτυο και την πολυπλοκότητα των μεταξύ τους συνδέσεων όσο αυξάνεται ο αριθμός των συσκευών. Οι IoT συσκευές χαρακτηρίζονται συνήθως από χαμηλές προδιαγραφές σε υπολογιστική ισχύ, μνήμη και χωρητικότητα. Επιπλέον, λόγω του μεγάλου όγκου συσκευών προκύπτει αξιοσημείωτη ετερογένεια, της οποίας η επίδραση θα πρέπει να μελετηθεί εκτενώς. Τέλος, θα πρέπει να ληφθούν υπόψιν οι ενεργειακές απαιτήσεις του συστήματος και πως αυτές επηρεάζονται από την εφαρμογή απαιτητικών τεχνικών Μηχανικής Μάθησης.