MSc Thesis presentation of Mr. Georgios Messinios, Tuesday 17/ 06/2025
On Tuesday, June 17, 2025, at 12:00, Mr. Georgios Messinios of the graduate
program “Data Science and Information Technologies”, track on “Big Data and Artificial
Intelligence”, will present his MSc thesis titled:
A novel clustering-based methodology for the identification and mapping of lunar surface materials using Moon Mineralogy Mapper (M3) hyperspectral data
Abstract
We introduce a novel clustering-based methodology for the identification and mapping of lunar surface materials using hyperspectral data from Moon Mineralogy Mapper (M³). The area of interest in this study is located at the southeastern border of Mare Serenitatis and the northwestern border of Mare Tranquillitatis. The novelty of the proposed methodology lies in the use of appropriate feature representations, derived from the local minima of the pixels’ spectral signatures—an approach that enhanced the performance of the K-Means clustering algorithm. The main results show that the K-Means algorithm revealed notable spatial and compositional differences among the five clusters identified using the proposed methodology, in an area that, to the best of our knowledge, has not been previously explored in such detail.
EXAMINATION COMMITTEE:
Dr. Koutroumbas Konstantinos, Research Director, National Observatory of Athens
Dr. Sykioti Olga, Research Director, National Observatory of Athens
Associate Professor Aggelos Pikrakis, Department of Informatics, University of Piraeus
17 June 2025
12:00 PM – 13:00 PM (GTB)
Meeting link: Defense of Master’s Thesis | Zoom | Meetup-Join
Την Τρίτη 17 Ιουνίου 2025, στις 12:00, ο κ. Γεώργιος Μεσσήνιος μεταπτυχιακός
φοιτητής του προγράμματος «Επιστήμη Δεδομένων και Τεχνολογίες Πληροφορίας», με
ειδίκευση «Μεγάλα δεδομένα και τεχνητή νοημοσύνη», θα παρουσιάσει διαδικτυακά την
διπλωματική εργασίας του με τίτλο:
Μια νέα μεθοδολογία βασισμένη σε ομαδοποίηση (clustering) για την αναγνώριση και χαρτογράφηση των υλικών της σεληνιακής επιφάνειας χρησιμοποιώντας υπερφασματικά δεδομένα από το όργανο Moon Mineralogy Mapper (M3)
Περίληψη
Παρουσιάζουμε μια νέα μεθοδολογία βασισμένη σε τεχνικές ομαδοποίησης (clustering) για την αναγνώριση και χαρτογράφηση των υλικών της σεληνιακής επιφάνειας, χρησιμοποιώντας υπερφασματικά δεδομένα από το όργανο Moon Mineralogy Mapper (M³). Η περιοχή μελέτης βρίσκεται μεταξύ των νοτιοανατολικών συνόρων της Mare Serenitatis και των βορειοδυτικών συνόρων της Mare Tranquillitatis. Η καινοτομία της προτεινόμενης μεθοδολογίας έγκειται στη χρήση κατάλληλων χαρακτηριστικών (features), τα οποία προκύπτουν από τα τοπικά ελάχιστα των φασματικών υπογραφών των εικονοστοιχείων (pixels) — μια προσέγγιση που βελτίωσε την απόδοση του αλγορίθμου ομαδοποίησης K-Means. Τα κύρια αποτελέσματα δείχνουν ότι ο αλγόριθμος K-Means αποκάλυψε αξιοσημείωτες χωρικές και συστατικές διαφορές μεταξύ των πέντε ομάδων (clusters) που εντοπίστηκαν μέσω της προτεινόμενης μεθοδολογίας, σε μια περιοχή η οποία, σύμφωνα με τα διαθέσιμα δεδομένα, δεν έχει μελετηθεί στο παρελθόν με τέτοια λεπτομέρεια.
ΕΞΕΤΑΣΤΙΚΗ ΕΠΙΤΡΟΠΗ:
Δρ. Κωνσταντίνος Κουτρούμπας, Διευθυντής Ερευνών, Εθνικό Αστεροσκοπείο Αθηνών
Δρ. Συκιώτη Όλγα, Διευθύντρια Ερευνών, Εθνικό Αστεροσκοπείο Αθηνών
Αναπληρωτής Καθηγητής Άγγελος Πικράκης, Τμήμα Πληροφορικής, Πανεπιστήμιο Πειραιώς
17 Ιουνίου 2025
12:00 PM – 13:00 PM (GTB)
Meeting link: Defense of Master’s Thesis | Zoom | Meetup-Join
MSc Thesis presentation of Mr. Dimitrios Kyriakopoulos, Friday 23/5/2025
On Friday, May 23, 2025, at 15:30, Mr. Dimitrios Kyriakopoulos of the graduate
program “Data Science and Information Technologies”, track on “Big Data and Artificial
Intelligence”, will present his MSc thesis titled:
PROMIS: A Post-Processing Framework for Mitigating Spatial Bias
Abstract
The rapid integration of machine learning (ML) into critical decision-making systems has heightened concerns over fairness, particularly regarding spatial biases often tied to sensitive socioeconomic factors. In response, this thesis introduces a model-agnostic post-processing method for spatial bias mitigation that operates without access to the original training data. Our approach formulates an optimization problem that minimizes a fairness definition robust to gerrymandering, subject to a constraint specifying the allowable deviation from the original model’s performance ensuring spatial fairness while preserving accuracy. Comprehensive evaluations on real-world datasets show that our framework effectively reduces spatial bias and achieves fairer outcomes with minimal performance loss, outperforming other state-of-the-art post-processing methods. This work advances spatial fairness methodologies, offering practitioners an efficient, interpretable, and adaptable post-processing solution to mitigate location-based discrimination in ML applications.
EXAMINATION COMMITTEE:
Prof. Dimitris Gunopulos, Department of Informatics and Telecommunications, University of
Athens (thesis supervisor)
Prof. Manolis Koubarakis, Department of Informatics and Telecommunications, University of
Athens
Research Associate Giorgos Giannopoulos, Athena RC
23 May 2025
3:30 PM – 4:30 PM (GTB)
Meeting link: Defense of Master’s Thesis | Microsoft Teams | Meetup-Join
Την Παρασκευή 23 Μαΐου 2025, στις 15:30, ο κ. Δημήτριος Κυριακόπουλος μεταπτυχιακός
φοιτητής του προγράμματος «Επιστήμη Δεδομένων και Τεχνολογίες Πληροφορίας», με
ειδίκευση «Μεγάλα δεδομένα και τεχνητή νοημοσύνη», θα παρουσιάσει διαδικτυακά την
διπλωματική εργασίας του με τίτλο:
PROMIS: Ένα Πλαίσιο Μετα-Επεξεργασίας για τον Μετριασμό της Χωρικής Μεροληψίας
Περίληψη
Η ταχεία ενσωμάτωση της μηχανικής μάθησης σε κρίσιμα συστήματα λήψης αποφάσεων έχει αυξήσει τις ανησυχίες σχετικά με τη δικαιοσύνη, ιδίως όσον αφορά τις χωρικές προκαταλήψεις που συχνά συνδέονται με ευαίσθητους κοινωνικοοικονομικούς παράγοντες. Σε απάντηση, η παρούσα διατριβή περιγράφει μια ανεξάρτητη από το μοντέλο μέθοδο μετα-επεξεργασίας για τον μετριασμό των χωρικών προκαταλήψεων, η οποία λειτουργεί χωρίς πρόσβαση στα αρχικά δεδομένα εκπαίδευσης. Η προσέγγισή μας διατυπώνει ένα πρόβλημα βελτιστοποίησης το οποίο ελαχιστοποιεί έναν ορισμό δικαιοσύνης ανθεκτικό στον χειρισμό περιοχών, περιορίζοντας την επιτρεπόμενη απόκλιση από την απόδοση του αρχικού μοντέλου, που διασφαλίζει τη χωρική δικαιοσύνη με παράλληλη διατήρηση της ακρίβειας. Εκτενείς αξιολογήσεις σε πραγματικά σύνολα δεδομένων δείχνουν ότι το προτεινόμενο πλαίσιο μειώνει αποτελεσματικά τη χωρική μεροληψία και επιτυγχάνει πιο δίκαια αποτελέσματα με ελάχιστη απώλεια απόδοσης, υπερέχοντας σε σύγκριση με άλλες σύγχρονες μεθόδους μετα-επεξεργασίας. Η εργασία αυτή ενισχύει τις μεθοδολογίες για τη χωρική δικαιοσύνη, προσφέροντας στους επαγγελματίες μια αποδοτική, ερμηνεύσιμη και ευέλικτη λύση μετα-επεξεργασίας για την αντιμετώπιση διακρίσεων με βάση την τοποθεσία σε εφαρμογές μηχανικής μάθησης.
ΕΞΕΤΑΣΤΙΚΗ ΕΠΙΤΡΟΠΗ:
Δρ. Δημήτρης Γουνόπουλος, Καθηγητής, Τμήμα Πληροφορικής και Τηλεπικοινωνιών Εθνικό
και Καποδιστριακό Πανεπιστήμιο Αθηνών (Επιβλέπων)
Δρ. Μανόλης Κουμπαράκης, Καθηγητής, Τμήμα Πληροφορικής και Τηλεπικοινωνιών Εθνικό
και Καποδιστριακό Πανεπιστήμιο Αθηνών
Δρ. Γιώργος Γιαννόπουλος, Επιστημονικός Συνεργάτης, ΕΚ Αθηνά
23 May 2025
3:30 PM – 4:30 PM (GTB)
Meeting link: Defense of Master’s Thesis | Microsoft Teams | Meetup-Join
Διαδικτυακή παρουσίαση των Μεταπτυχιακών Προγραμμάτων Σπουδών : Παρασκευή 16 Μαΐου 2025 στις 14:00 μέσω Webex
Η Παρουσίαση των Μεταπτυχιακών Προγραμμάτων Σπουδών (ΠΜΣ) και
Διατμηματικών/Διιδρυματικών Προγραμμάτων Μεταπτυχιακών Σπουδών (ΔΠΜΣ) του
Τμήματος Πληροφορικής και Τηλεπικοινωνιών ΕΚΠΑ θα πραγματοποιηθεί μέσω της
πλατφόρμας webex, την Παρασκευή 16 Μαΐου 2025 στις 14:00.
Join from the meeting link
https://uoa.webex.com/uoa/j.php?MTID=m7c5a376017640389f57acf3f42ab09cd
Join by meeting number
Meeting number (access code): 2792 664 7306
Meeting password: TpF3gHTVJ45
Meeting link:
https://uoa.webex.com/uoa/j.php?MTID=m0f3b165cc1d6cdebb1bb098a7312c9c4
Meeting number:
2791 990 1401
Meeting password:
7tHMdePQK37
Join from a video system or application
Dial 27919901401@uoa.webex.com
You can also dial 62.109.219.4 and enter your meeting number.
Join by phone
+30-21-1990-2394 Toll
+30-21-1198-1029 Toll
Access code: 27919901401
Global call-in numbers
https://uoa.webex.com/uoa/globalcallin.php?MTID=ma697f3b96e8ca680380901fdf888bd66
Call for Applications for the academic year 2025-26
Call for Applications for the academic year 2025-26