"Human-in-the-Loop Machine Learning"

The goal of the proposed research is the study of the ways machine and human intelligence can be combined to optimize solutions to problems that are handled using Machine Learning techniques, such as Active Learning, in the context of Situational Awareness. The objectives of the study include the:

• Review of current literature and proposals on the use of Deep Learning and Natural Language Processing of social media information related to crisis management.
• Survey on existing crisis datasets retrieved from social media platforms to be processed by Deep Learning-based Natural Language Processing (NLP) algorithms.
• Application of Transfer Learning techniques to finetune Transformer-based language models on crisis identification and Named Entity Recognition.
• Proposal (and evaluation) of a practical human-in-the-loop solution that can enhance the automated identification of emergency-related social media content and enable the active participation of users during the Machine Learning training and evaluation process.

This thesis will use the Life Cycle Analysis (LCA) and Life Cycle Cost Analysis (LCCA) methodologies in an effort to evaluate and estimate the environmental impacts and carbon footprint of the measuring transformers. In addition, the EU Reference Methodology MEErP for the Eco Design (2009/125/ EU Directive) of Products will be also used, in accordance with the related EU Regulation on power transformers. Among the targets of this thesis is the investigation of a potential new Regulation for Measuring Transformers using the results of the LCA and LCCA methodologies.

"Μηχανική μάθηση, με ενεργή ανθρώπινη συμμετοχή"

Η προτεινόμενη διατριβή αφορά μελέτη του συνδυασμού της ανθρώπινης και της μηχανικής ευφυίας σε λύσεις όπου χρησιμοποιείται μηχανική μάθηση και αποσκοπεί στην απάντηση των ερωτημάτων:

• Σε ποιες περιπτώσεις ενδείκνυται η αξιοποίηση του ανθρώπινου παράγοντα σε προβλήματα που προσεγγίζονται με μεθόδους μηχανικής μάθησης και σε ποιες όχι.
• Στις περιπτώσεις που ενδείκνυται η ενεργή ανθρώπινη συμμετοχή, ποιες τεχνικές χρησιμοποιούνται, με ποια κριτήρια και σε ποιο βαθμό συνεισφέρουν στην βελτίωση των παραγόμενων μοντέλων.
• Σε ποιους κλάδους της μηχανικής μάθησης εφαρμόζονται οι παραπάνω τεχνικές και πώς.
• Με ποιους τρόπους μπορούν να εφαρμοστούν, ή να αναπτυχθούν νέες τεχνικές, με σκοπό την περαιτέρω βελτίωση συστημάτων που χρησιμοποιούν μοντέλα μηχανικής μάθησης.

Η Διδακτορική Διατριβή χρησιμοποιώντας μεθοδολογίες ανάλυσης κύκλου ζωής (ΑΚΖ) και ανάλυση κόστους κύκλου ζωής (ΑΚΚΖ) θα αξιολογήσει και θα εκτιμήσει το περιβαλλοντικό και ενεργειακό αποτύπωμα των μετασχηματιστών μέτρησης. Στα πλαίσια αυτά θα γίνει και εφαρμογή της μεθοδολογίας αναφοράς της ΕΕ (MEErP 2011) για τον οικολογικό σχεδιασμό (Οδηγία 125/2009/ΕΕ) με στόχο την αξιολόγηση της ανάπτυξης σχετικού κανονισμού σε αντιστοιχία με τον κανονισμό για τους μετασχηματιστές. Επιπλέον, θα αναπτυχθεί και σχετική πρόταση, αξιοποιώντας τα αποτελέσματα των μεθοδολογιών ΑΚΖ και ΑΚΚΖ για τους μετασχηματιστές μετρήσεων.