BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20250211T074458Z
LAST-MODIFIED:20250211T074458Z
DTSTAMP:20260719T220716Z
UID:1784488036@tuc.gr
SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. 
 Δημητρίου Πέτρου - Σχολή ΗΜΜΥ
LOCATION:
DESCRIPTION:https://www.ece.tuc.gr/el/katalogos-
 ekdiloseon?tx_tucevents2_tuceventsdi
 splay%5Baction%5D=show&tx_tucevents2
 _tuceventsdisplay%5Bcontroller%5D=Ev
 ent&tx_tucevents2_tuceventsdisplay%5
 Bevent%5D=7524&cHash=61c73399e372887
 aa931c9978c5c04fd\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ
 Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και
  Μηχανικών Υπολογιστών\n Πρόγραμμα Π
 ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ
 ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Δημητρίου Πέτρο
 υ\n με θέμα\n Συνεχής αποθήκευση και
  διαλειτουργικότητα συνόψεων στο Syn
 opses Data Engine: Eνσωμάτωση σε Λίμ
 νες Γνώσης\n Persistency and Interop
 erability in Synopses Data Engine: I
 ntegration into Knowledge Lakes\n Εξ
 εταστική Επιτροπή\n Αναπληρωτής Καθη
 γητής Βασίλειος Σαμολαδάς (επιβλέπων
 )\n Καθηγητής Αντώνιος Δεληγιαννάκης
 \n Επίκουρος Καθηγητής Νικόλαος Γιατ
 ράκος\n Περίληψη\n Στην εποχή των με
 γάλων δεδομένων, όπου η παραγωγή πλη
 ροφοριών σε πραγματικό χρόνο έχει αυ
 ξηθεί σε πρωτοφανή επίπεδα, η ικανότ
 ητα επεξεργασίας, ανάλυσης και εξαγω
 γής χρήσιμων συμπερασμάτων με αποτελ
 εσματικό τρόπο θεωρείται απαραίτητη 
 σε πολλές περιπτώσεις χρήσης.  Το st
 ream summarization έχει αναδειχθεί ω
 ς μια καινοτόμος τεχνική για την αντ
 ιμετώπιση αυτής της πρόκλησης, επιτρ
 έποντας τη δημιουργία συμπαγών, αλλά
  ταυτόχρονα πλούσιων σε πληροφορία, 
 αναπαραστάσεων ροών δεδομένων (data 
 streams), που αποκαλούνται συνόψεις,
  καταργώντας έτσι την ανάγκη αποθήκε
 υσης τεράστιων όγκων πρωτογενών δεδο
 μένων με σκοπό την μελλοντική επεξερ
 γασία. Μια εξέχουσα προσπάθεια που έ
 χει εκπονηθεί σε αυτό τον τομέα είνα
 ι το Synopses Data Engine (SDE), ένα
  προηγμένο εργαλείο το οποίο ενσωματ
 ώνει τεχνικές αιχμής συνδυάζοντας τι
 ς συνόψεις με το ευέλικτο περιβάλλον
  του Apache Flink, παρέχει στον τελι
 κό χρήστη το stream summarization υπ
 ό την μορφή υπηρεσίας λογισμικού (Sa
 aS). Το SDE έχει επιβεβαιώσει την αξ
 ία του σε οικοσυστήματα μεγάλων δεδο
 μένων στο παρελθόν, ωστόσο η εφαρμογ
 ή του σε περιβάλλοντα που προσανατολ
 ίζονται στην δημιουργία γνώσης εισάγ
 ει νέες απαιτήσεις. Στην εγγενή τους
  μορφή, οι συνόψεις έχουν μικρό προσ
 δόκιμο ζωής. Η διάρκειά τους εξαρτάτ
 αι από τον χρόνο εκτέλεσης της διεργ
 ασίας που τις δημιούργησε στη μνήμη 
 ενός υπολογιστικού συστήματος. Στο π
 λαίσιο μιας Λίμνης Γνώσης, όπου τα μ
 ακροπρόθεσμα στατιστικά και η διαχρο
 νική διαθεσιμότητα των δεδομένων, εί
 ναι ουσιώδους σημασίας, η αδυναμία δ
 ιατήρησης και επανεξέτασης προηγούμε
 νων καταστάσεων της πληροφορίας θέτε
 ι σοβαρούς περιορισμούς. Στόχος αυτή
 ς της διπλωματικής εργασίας, είναι ν
 α γεφυρώσει αυτό το κενό, επεκτείνον
 τας τις δυνατότητες του SDE ώστε να 
 ενσωματώνει συνεχή αποθήκευση και αν
 άκληση συνόψεων μέσω ενός ευέλικτου 
 μηχανισμού δημιουργίας στιγμιοτύπων.
  Οι συνόψεις έτσι, αποκτούν μακροπρό
 θεσμο χαρακτήρα ενώ η νέα λειτουργικ
 ότητα εγγυάται για τα αρχικά χαρακτη
 ριστικά απόδοσης του SDE. Επιπλέον, 
 η δουλειά αυτή, αναπτύσσει το Stream
 ing API του SDE προκειμένου να παρέχ
 ει ευρύτερη παρατηρησιμότητα στην εσ
 ωτερική του κατάσταση , επιτρέποντας
  την εξαγωγή μεταδεδομένων προς τρίτ
 α οικοσύστημα λογισμικού. Το STELAR 
 KLMS (Knowledge Lake Management Syst
 em) λειτουργεί ως πεδίο εφαρμογής αυ
 τής της εργασίας, όπου το SDE ενσωμα
 τώνεται για την επεξεργασία real-tim
 e αγροδιατροφικών δεδομένων με σκοπό
  την καθοδήγηση παρεμβάσεων στην γεω
 ργία ακριβείας.\n Abstract \n In the
  era of big data where real-time inf
 ormation is generated at an unpreced
 ented scale, the ability to process,
  analyze, and extract actionable ins
 ights efficiently is considered a re
 quirement in many use cases. Stream 
 summarization has emerged as novel t
 echnique when it comes to addressing
  this, enabling the creation of comp
 act, yet informative, representation
 s of\n continuous data streams, term
 ed Synopses, eliminating the need of
  storing vast amounts of raw data fo
 r future processing. A prominent eff
 ort conducted in this sector, is the
  Synopses Data Engine (SDE), an adva
 nced framework that integrates state
 -of-the-art stream summarization tec
 hniques with the high-performance ca
 pabilities of Apache Flink, eventual
 ly forming an interactive summarizat
 ion service at a scale. While SDE ha
 s proven its merit in big data ecosy
 stems, its application within knowle
 dge-driven environments introduces n
 ew requirements. In their native for
 m, Synopses are volatile with their 
 lifespan depending on the runtime of
  the engine. However, in the context
  of Knowledge Lakes, where long-term
  insights and temporal analytics are
  essential, the inability to retain 
 and revisit previous states introduc
 es a significant limitation. This th
 esis aims to bridge this gap by exte
 nding the capabilities of SDE to inc
 orporate persistency and a versatile
  snapshot mechanism, allowing for th
 e long-term storage and retrieval of
  Synopses by respecting SDE's indige
 nous key features. Furthermore, the 
 work expands the Streaming API of SD
 E to provide broader observability i
 nto the internal state of the engine
 , allowing metadata to be extracted 
 towards outer data analytics ecosyst
 ems. The STELAR KLMS (Knowledge Lake
  Management System) serves as the do
 main of application for this Thesis,
  where SDE is integrated to process 
 real-time meteorological data for pr
 ecision farming interventions.\n Mee
 ting ID: 938 7133 9823\n Password: 8
 99669\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20250213T100000
DTEND:20250213T110000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR