το άρθρο ενημερώθηκε στις 13.10.2026
Σε ποιον ταιριάζει το ΠΜΣ Τεχνητή Νοημοσύνη;
Το ΠΜΣ «Τεχνητή Νοημοσύνη» απευθύνεται κυρίως σε αποφοίτους Τμημάτων Πληροφορικής, Επιστήμης Υπολογιστών, Μηχανικών Υπολογιστών, Ηλεκτρολόγων Μηχανικών, Μαθηματικών, Στατιστικής και συναφών θετικών και τεχνολογικών επιστημών. Το πρόγραμμα εστιάζει σε αλγορίθμους τεχνητής και υπολογιστικής νοημοσύνης, μηχανική μάθηση, βαθιά μάθηση, ανάλυση δεδομένων, ευφυή συστήματα και εφαρμογές τεχνητής νοημοσύνης σε σύγχρονα πληροφοριακά και ψηφιακά περιβάλλοντα. Απευθύνεται σε όσους επιδιώκουν υψηλού επιπέδου επιστημονική και τεχνολογική εξειδίκευση σε έναν από τους πλέον δυναμικά αναπτυσσόμενους τομείς της σύγχρονης επιστήμης και βιομηχανίας.
Ταιριάζει ιδιαίτερα σε όσους:
έχουν ενδιαφέρον για την τεχνητή νοημοσύνη και τα ευφυή υπολογιστικά συστήματα.
θέλουν να εξειδικευτούν σε μηχανική μάθηση, βαθιά μάθηση και αλγοριθμική ανάλυση δεδομένων.
επιθυμούν να αναπτύσσουν συστήματα που μαθαίνουν, προσαρμόζονται και λαμβάνουν αποφάσεις.
αναζητούν ένα πρόγραμμα με ισχυρό θεωρητικό υπόβαθρο και παράλληλα εφαρμοσμένο και εργαστηριακό προσανατολισμό.
ενδιαφέρονται για εφαρμογές τεχνητής νοημοσύνης σε δεδομένα, εικόνα, ήχο, φυσική γλώσσα και αυτόνομα συστήματα.
θέλουν να ενισχύσουν δεξιότητες προγραμματισμού, μαθηματικής μοντελοποίησης και υπολογιστικής σκέψης.
επιδιώκουν επαγγελματική ή ερευνητική πορεία στον τομέα της τεχνητής νοημοσύνης και των σύγχρονων τεχνολογιών.
Το ΠΜΣ αποτελεί κατάλληλη επιλογή για αποφοίτους που στοχεύουν σε ρόλους όπως μηχανικός τεχνητής νοημοσύνης, data scientist, μηχανικός μηχανικής μάθησης, ερευνητής ή για όσους επιδιώκουν ακαδημαϊκή συνέχεια σε διδακτορικό επίπεδο.
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Σχολή Θετικών Επιστημών
Τμήμα Πληροφορικής (Θεσσαλονίκη)
ΠΜΣ: «Τεχνητή Νοημοσύνη»
Έδρα:
Διεύθυνση – Πόλη διεξαγωγής: Τμήμα Πληροφορικής, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (Πανεπιστημιούπολη) Τ.Κ. 54124, Θεσσαλονίκη.
Τηλέφωνα: 2310 998930 Fax: 2310 998310 E-mail: info@csd.auth.gr ή administration@csd.auth.gr
Γνωστικό Αντικείμενο – Σκοπός :
Αντικείμενο του Προγράμματος Μεταπτυχιακών Σπουδών (Π.Μ.Σ.) είναι η περιοχή της Τεχνητής Νοημοσύνης. Η Τ.Ν. είναι η επιστήμη η οποία ασχολείται με τους ευφυείς πράκτορες, δηλαδή με τα συστήματα (υλικού και λογισμικού) που αντιλαμβάνονται το περιβάλλον τους και δρουν σε αυτό, προσπαθώντας να αυξήσουν τη πιθανότητα επιτυχίας των στόχων τους. Ο στόχος της T.N. είναι η δημιουργία τεχνητών συστημάτων (μηχανών) που να μιμούνται τις νοητικές λειτουργίες του ανθρώπινου εγκεφάλου, όπως η Μάθηση και η Επίλυση Προβλημάτων.
Σκοπός του Π.Μ.Σ. στην «Τεχνητή Νοημοσύνη» είναι η δημιουργία εξειδικευμένων στελεχών υψηλού επιπέδου σε θέματα αιχμής της Πληροφορικής και ειδικότερα στον τομέα της Τεχνητής Νοημοσύνης και η αναβάθμιση της έρευνας στο συγκεκριμένο τομέα, ώστε οι απόφοιτοί του να καλύπτουν με επιτυχία προκηρυσσόμενες θέσεις του Ιδιωτικού και Δημοσίου Τομέα και να στελεχώνουν Ερευνητικά και Ανώτατα Εκπαιδευτικά Ιδρύματα. Οι επιδιώξεις του Π.Μ.Σ. στην «Τεχνητή Νοημοσύνη» του Α.Π.Θ. εκπληρώνονται με την παρακολούθηση οργανωμένων μεταπτυχιακών μαθημάτων και την εκπόνηση Μεταπτυχιακής Διπλωματικής Εργασίας σύμφωνα με τα διεθνή ακαδημαϊκά πρότυπα που εγγυώνται την κατάρτιση και ειδίκευση σε αντικείμενα της Τεχνητής Νοημοσύνης.
Τίτλος Σπουδών: Το Π.Μ.Σ. απονέμει Δίπλωμα Μεταπτυχιακών Σπουδών (Δ.Μ.Σ.) με τίτλο «Τεχνητή Νοημοσύνη».
Μαθησιακά αποτελέσματα του Προγράμματος Σπουδών
Το Π.Μ.Σ. «Τεχνητή Νοημοσύνη» του Τμήματος Πληροφορικής του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης προσφέρει εξειδικευμένη εκπαίδευση επιπέδου 7 στη θεωρία, τις μεθόδους και τις εφαρμογές των ευφυών υπολογιστικών συστημάτων. Το πρόγραμμα συνδυάζει τη μηχανική και τη βαθιά μάθηση με την υπολογιστική νοημοσύνη, την αναπαράσταση γνώσης, τον Σημασιολογικό Ιστό, την υπολογιστική όραση, τη γλωσσική τεχνολογία και τα συστήματα ευφυών πρακτόρων. Μέσα από προχωρημένα μαθήματα, υπολογιστικές εφαρμογές και μεταπτυχιακή διπλωματική εργασία, καλλιεργεί την ικανότητα σχεδιασμού, αξιολόγησης και επιστημονικά τεκμηριωμένης ανάπτυξης συστημάτων τεχνητής νοημοσύνης, με έμφαση στην έρευνα, την αξιοπιστία των αποτελεσμάτων και την υπεύθυνη αξιοποίηση των τεχνολογιών.
Με την επιτυχή ολοκλήρωση του Προγράμματος Σπουδών, ο απόφοιτος ή η απόφοιτη είναι σε θέση:
Επιστημονικό πεδίο UNESCO ISCED-F: Ανάπτυξη και ανάλυση λογισμικού και εφαρμογών
Γνώσεις
- να ερμηνεύει τις θεωρητικές βάσεις της τεχνητής νοημοσύνης, της αναπαράστασης γνώσης και της ευφυούς επίλυσης προβλημάτων.
- να κατανοεί τις μαθηματικές και στατιστικές αρχές της μηχανικής μάθησης και της γενίκευσης από δεδομένα.
- να διακρίνει τις βασικές και προχωρημένες μεθόδους επιβλεπόμενης, μη επιβλεπόμενης και ενισχυτικής μάθησης.
- να αναλύει αρχιτεκτονικές νευρωνικών δικτύων και μεθόδους βαθιάς μάθησης για σύνθετα δεδομένα.
- να εξηγεί αρχές υπολογιστικής νοημοσύνης και στατιστικής μάθησης σε προβλήματα πρόβλεψης και ταξινόμησης.
- να κατανοεί τη σημασιολογική αναπαράσταση πληροφοριών, τις οντολογίες και τις τεχνολογίες του Σημασιολογικού Ιστού.
- να ερμηνεύει τις αρχές προγραμματισμού ευφυών συστημάτων και της συλλογιστικής με κανόνες.
- να αναγνωρίζει τις μεθόδους προηγμένης υπολογιστικής όρασης και ανάλυσης οπτικών δεδομένων.
- να κατανοεί τις τεχνικές επεξεργασίας φυσικής γλώσσας και γλωσσικής τεχνολογίας.
- να εξηγεί τα μοντέλα ευφυών πρακτόρων, την αλληλεπίδρασή τους και τη λήψη αποφάσεων.
- να συσχετίζει την τεχνητή νοημοσύνη με την ανάλυση πολυμεσικών δεδομένων, βιοσημάτων και τη νευροπληροφορική.
- να αξιολογεί τις επιστημονικές προκλήσεις της αξιοπιστίας, της ερμηνευσιμότητας, της μεροληψίας και της δεοντολογίας των ευφυών συστημάτων.
Δεξιότητες
- να διατυπώνει σύνθετα προβλήματα ως υπολογιστικά και μαθησιακά καθήκοντα με σαφείς στόχους και κριτήρια αξιολόγησης.
- να προετοιμάζει, καθαρίζει, μετασχηματίζει και εξερευνά δεδομένα για την εκπαίδευση υπολογιστικών μοντέλων.
- να επιλέγει και να υλοποιεί κατάλληλους αλγορίθμους μηχανικής μάθησης ανάλογα με τα χαρακτηριστικά του προβλήματος.
- να σχεδιάζει, να εκπαιδεύει και να βελτιστοποιεί μοντέλα βαθιάς μάθησης.
- να εφαρμόζει τεχνικές διασταυρούμενης επικύρωσης, επιλογής υπερπαραμέτρων και ποσοτικής αποτίμησης της απόδοσης.
- να αναπτύσσει λογισμικό ευφυών συστημάτων με κατάλληλες γλώσσες, βιβλιοθήκες και προγραμματιστικά εργαλεία.
- να κατασκευάζει αναπαραστάσεις γνώσης και να αξιοποιεί οντολογίες και σημασιολογικά δεδομένα.
- να εφαρμόζει μεθόδους υπολογιστικής όρασης στην αναγνώριση, ανάλυση και ερμηνεία εικόνων.
- να επεξεργάζεται κείμενα και γλωσσικά δεδομένα με μεθόδους γλωσσικής τεχνολογίας.
- να αναπτύσσει και να αξιολογεί ευφυείς πράκτορες για αλληλεπίδραση και λήψη αποφάσεων.
- να αξιοποιεί αλγορίθμους υπολογιστικής νοημοσύνης και στατιστικής μάθησης σε πραγματικά δεδομένα.
- να αναλύει πολυμεσικά δεδομένα ή βιοσήματα με κατάλληλες τεχνικές τεχνητής νοημοσύνης.
- να συγκρίνει πειραματικά εναλλακτικά μοντέλα και να τεκμηριώνει την επιλογή τους με αναπαραγώγιμες διαδικασίες.
- να αναζητά, να αξιολογεί κριτικά και να συνθέτει σύγχρονη επιστημονική βιβλιογραφία.
- να σχεδιάζει και να υλοποιεί πρωτότυπη μεταπτυχιακή ερευνητική εργασία, παρουσιάζοντας τεκμηριωμένα τη μεθοδολογία και τα αποτελέσματά της.
Ικανότητες
- να αντιμετωπίζει αυτοδύναμα νέα, σύνθετα και ατελώς προσδιορισμένα προβλήματα τεχνητής νοημοσύνης.
- να συνδυάζει θεωρητικές γνώσεις και υπολογιστικές μεθόδους για την παραγωγή καινοτόμων λύσεων.
- να ασκεί τεκμηριωμένη επιστημονική κρίση υπό συνθήκες αβεβαιότητας και περιορισμένων δεδομένων.
- να αναλαμβάνει ευθύνη για την αξιοπιστία, την ασφάλεια και τις κοινωνικές επιπτώσεις εφαρμογών τεχνητής νοημοσύνης.
- να αναγνωρίζει περιορισμούς, πιθανές μεροληψίες και κινδύνους κατά τη χρήση αυτοματοποιημένων αποφάσεων.
- να οργανώνει και να συντονίζει απαιτητικές ερευνητικές ή τεχνολογικές εργασίες με σαφή παραδοτέα.
- να συνεργάζεται αποτελεσματικά σε διεπιστημονικές ομάδες ανάπτυξης ευφυών εφαρμογών.
- να επικοινωνεί σύνθετα τεχνικά και ερευνητικά ευρήματα σε εξειδικευμένο και μη εξειδικευμένο κοινό.
- να αναστοχάζεται κριτικά ως προς την ποιότητα των μεθόδων και να αναπροσαρμόζει τον ερευνητικό σχεδιασμό.
- να ενημερώνεται αυτόνομα για τις ταχύτατες επιστημονικές εξελίξεις και να ενσωματώνει τεκμηριωμένα νέες τεχνικές.
- να συμβάλλει στην ανάπτυξη νέας γνώσης και στην προώθηση της έρευνας στον τομέα της τεχνητής νοημοσύνης.
Σημείωση τεκμηρίωσης: Η παρουσίαση βασίζεται στον ισχύοντα Κανονισμό Σπουδών. Η επιλογή, η ομαδοποίηση και η διατύπωση των μαθησιακών αποτελεσμάτων αποτελούν συνθετική επεξεργασία του mysep, σύμφωνα με το Ελληνικό Πλαίσιο Προσόντων και τους περιγραφικούς δείκτες του Δουβλίνου.
Διάρκεια σπουδών : Η χρονική διάρκεια για την απονομή του Διπλώματος Μεταπτυχιακών Σπουδών (Δ.Μ.Σ.) ορίζεται σε τρία (3) ακαδημαϊκά εξάμηνα.
Γλώσσα Διδασκαλίας: Η γλώσσα διδασκαλίας των μαθημάτων είναι η Ελληνική, εκτός αν υπάρχουν τουλάχιστον αλλοδαποί μεταπτυχιακός/κή φοιτητής ή φοιτήτρια, οπότε το μάθημα διεξάγεται στην Αγγλική. Η βιβλιογραφία του κάθε μαθήματος είναι κατά βάση στην Αγγλική γλώσσα.
Δίδακτρα: Τα Τέλη Φοίτησης είναι
Κατηγορίες και αριθμός εισακτέων:
Στο Π.Μ.Σ. γίνονται δεκτοί ως μεταπτυχιακοί/κές φοιτητές/τριες: α) Πτυχιούχοι Τμημάτων Πληροφορικής, Μηχανικών Ηλεκτρονικών Υπολογιστών και Επιστήμης των Υπολογιστών της ημεδαπής, β) Πτυχιούχοι άλλων Τμημάτων Σχολών Θετικών Επιστημών και Διπλωματούχοι Πολυτεχνικών Σχολών της ημεδαπής με ισχυρό υπόβαθρο στη Πληροφορική, γ) Πτυχιούχοι άλλων Τμημάτων Πανεπιστημίων ή Τεχνολογικών Εκπαιδευτικών Ιδρυμάτων (Τ.Ε.Ι.) της ημεδαπής με γνωστικό αντικείμενο συναφές με την Πληροφορική, δ) Πτυχιούχοι τμημάτων ομοταγών Ιδρυμάτων της αλλοδαπής με γνωστικό αντικείμενο συναφές με την Πληροφορική.
Υποψήφιοι μπορούν να είναι και φοιτητές προπτυχιακών προγραμμάτων των προαναφερθέντων τμημάτων, οι οποίοι βρίσκονται στο τελευταίο εξάμηνο της φοίτησής τους και αναμένεται να αποκτήσουν το πτυχίο τους μέχρι το τέλος της περιόδου εγγραφών στο Π.Μ.Σ.
Ο αριθμός εισακτέων στο πρόγραμμα ορίζεται κατ’ ανώτατο όριο στους τριάντα (30) μεταπτυχιακούς/ές
φοιτητές/τριες ετησίως.
Διαδικασία επιλογής και εγγραφή επιτυχόντων
Τα δικαιολογητικά που κατατίθενται από τους υποψηφίους σε έντυπη ή ηλεκτρονική μορφή είναι:
1. Αίτηση (έντυπη, προσπελάσιμη από την ιστοσελίδα του Τμήματος).
2. Βιογραφικό σημείωμα.
3. Αντίγραφο πτυχίου ή διπλώματος.
4. Βεβαίωση ισοτιμίας και αντιστοιχίας από το Δ.Ο.Α.Τ.Α.Π (όπου απαιτείται).
5. Αντίγραφα τυχόν αναγνωρισμένων μεταπτυχιακών τίτλων σπουδών.
6. Βεβαίωση αναλυτικής βαθμολογίας προπτυχιακών και/ή μεταπτυχιακών μαθημάτων.
7. Επίδοση στη διπλωματική εργασία, όπου αυτή προβλέπεται στον πρώτο κύκλο σπουδών.
8. Αποδεικτικά τουλάχιστον καλής γνώσης ξένων γλωσσών για τους Έλληνες ή της Ελληνικής για τους αλλοδαπούς υποψηφίους (επιπέδου Β2).
9. Δημοσιεύσεις και συγγραφική δραστηριότητα (αν υπάρχουν).
10. Τυχόν αποδεικτικά επαγγελματικής είτε ερευνητικής εμπειρίας (διάρκεια και αντικείμενο).
11. Δύο (2) ονόματα και στοιχεία επικοινωνίας μελών Δ.Ε.Π. είτε εργοδοτών που προτίθενται να παραχωρήσουν συστατικές επιστολές για τον υποψήφιο.
12. Φωτοτυπία Αστυνομικής Ταυτότητας/Διαβατηρίου.
13. Δύο (2) φωτογραφίες.
Συγγενή μαθήματα προς το Π.Μ.Σ. είναι τα εξής: Τεχνητή Νοημοσύνη, Ευφυή Αυτόνομα Συστήματα, Πράκτορες και Πολυπρακτορικά Συστήματα, Προγραμματισμός, Συστήματα Γνώσης, Συστήματα Υποστήριξης Αποφάσεων, Σήματα-Συστήματα, Επεξεργασία Στοχαστικού Σήματος, Αναγνώριση Προτύπων, Ψηφιακή Επεξεργασία Σήματος, Γραφικά, Ψηφιακή Επεξεργασία Εικόνας, Νευρωνικά Δίκτυα.
Τα κριτήρια επιλογής εισακτέων ομαδοποιούνται σε πέντε παραμέτρους, η καθεμιά παράμετρος αποτιμάται σε κλίμακα 0-10 και οι επιμέρους αποτιμήσεις σταθμίζονται με συντελεστές βαρύτητας για να προκύψει η μοριοδότηση των υποψηφίων. Ειδικότερα συνεκτιμώνται:
α. Ο γενικός βαθμός πτυχίου, η συνάφεια του πτυχίου και η ποιότητα της αναλυτικής βαθμολογίας του υποψηφίου με έμφαση στις επιδόσεις του στα συγγενή μαθήματα προς το Π.Μ.Σ. με συντελεστή βαρύτητας 35%. Ο ελάχιστος βαθμός του πτυχίου ή διπλώματος πρώτου κύκλου πρέπει να είναι τουλάχιστον ίσος προς έξι (6) στην κλίμακα 0-10 (ή ισοδύναμος αν ισχύει άλλη κλίμακα βαθμολογίας).
β. Η επιτυχία στην προσωπική συνέντευξη, η αξιολόγηση του βιογραφικού του υποψηφίου και η κατάταξη του υποψηφίου μεταξύ των συμφοιτητών του με συντελεστή βαρύτητας 25%.
γ. Ενδεχόμενες δημοσιευμένες εργασίες του υποψηφίου με συντελεστή βαρύτητας 20%.
δ. Η γλωσσομάθεια του υποψηφίου με συντελεστή βαρύτητας 10%.
ε. Η γενική ερευνητική ή επαγγελματική δραστηριότητα με συντελεστή βαρύτητας 10%
Πρόγραμμα Σπουδών (Μαθήματα – ECTS)
Το σύνολο των πιστωτικών μονάδων (ECTS) που απαιτούνται για την απόκτηση του Διπλώματος Μεταπτυχιακών Σπουδών Δ.Μ.Σ. είναι ενενήντα (90). Το αναλυτικό πρόγραμμα μαθημάτων ανά εξάμηνο διαμορφώνεται ενδεικτικώς ως εξής:
Α’ Εξάμηνο: (επιλογή τεσσάρων (4) μαθημάτων)
-
-
- Μηχανική Μάθηση
- Σημασιολογικός Ιστός
- Προχωρημένη Υπολογιστική Όραση
- Υπολογιστική Νοημοσύνη-Στατιστική Μάθηση
- Ανάλυση Βιοσημάτων – Νευροπληροφορική
- Παιχνίδια και Τεχνητή Νοημοσύνη
- Σχεδιασμός, Χρονοπρογραμματισμός και Επίλυση Περιορισμών
-
Β’ Εξάμηνο: (επιλογή τεσσάρων (4) μαθημάτων)
-
-
- Γλωσσική Τεχνολογία
- Προχωρημένα Θέματα Μηχανικής Μάθησης
- Συστήματα Ευφυών Πρακτόρων
- Βαθιά Μάθηση & Ανάλυση Πολυμεσικών Δεδομένων
- Φιλοσοφία και Τεχνητή Νοημοσύνη
- Προγραμματισμός Ευφυών Συστημάτων
- Αντίληψη Αυτόνομων Συστημάτων
- Γράφοι Γνώσης και Μηχανική Οντολογιών
-
Γ’ Εξάμηνο
-
-
- Μεταπτυχιακή Διπλωματική Εργασία.
-
Τι άλλο πρέπει να ξέρω :
Χρήσιμα Έντυπα:
Προκήρυξη : Πρόσκληση εκδήλωσης ενδιαφέροντος (ακαδ. έτος 2026-2027)
ΦΕΚ Ίδρυσης : ΦΕΚ 3436 τ.Β΄/17.08.2018 και ΦΕΚ 2793 τ.Β’/30.06.2021 και ΦΕΚ 5502 τ.Β’/03.10.2024
Κανονισμός Σπουδών: ΦΕΚ 3604 τ.Β΄/27.09.2019
Περισσότερα στοιχεία :
Ηλεκτρονική διεύθυνση ΠΜΣ: https://ai.csd.auth.gr/
Ηλεκτρονική διεύθυνση του τμήματος: http://www.csd.auth.gr/
Διάρκεια Λειτουργίας
Το Π.Μ.Σ. θα λειτουργήσει έως και το ακαδημαϊκό έτος 2028 – 2029, με δυνατότητα παράτασης, με την επιφύλαξη της μη πιστοποίησης του κατά την περιοδική αξιολόγηση του Τμήματος.