UOP staff
ΤΑΜΠΑΚΑΣ ΒΑΣΙΛΕΙΟΣ
ΚΑΘΗΓΗΤΗΣ
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
Ε-mail: tampakas (at) uop (dot) gr
Phone: 2610-369-209
Office: Κτίριο Η Γραφείο 201
Ώρες Γραφείου: Τρίτη 12:00-14:00 Παρασκευή 12:00-14:00 - (Συνιστάται πρότερη επικοινωνία με το διδάσκοντα)
Short CV

Ο Βασίλειος Ταμπακάς είναι απόφοιτος του Τμήματος Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής της Πολυτεχνικής Σχολής του Πανεπιστημίου Πατρών και Διδάκτωρ του ίδιου Τμήματος.

Η διδακτορική του διατριβή αναφέρεται στην περιοχή των Λειτουργικών και Κατανεμημένων Συστημάτων. Τα ερευνητικά του ενδιαφέροντα μεταξύ των άλλων περιλαμβάνουν ανάπτυξη αλγορίθμων σε θέματα ελέγχου Κατανεμημένων Συστημάτων, συστήματα Ανάκτησης Πληροφοριών, Εξόρυξη Γνώσης και Μηχανική Μάθηση και Συστήματα Διαχείρισης Μεγάλων Δεδομένων. Διαθέτει πάνω από 100 δημοσιεύσεις σε γνωστά διεθνή περιοδικά και συνέδρια. Η ερευνητική του δραστηριότητα έχει αναγνωριστεί διεθνώς με πάνω από 1800 αναφορές από άλλους ερευνητές. Έχει συμμετάσχει ως συντονιστής ή ως υπεύθυνος ομάδος υλοποίησης σε πολλά ερευνητικά και αναπτυξιακά έργα.

Στο  προπτυχιακό  Πρόγραμμα Σπουδών διδάσκει τα μαθήματα Λειτουργικά Συστήματα, Κατανεμημένα Συστήματα, Βάσεις Δεδομένων, Συστήματα Διαχείρισης Δεδομένων. Στο μεταπτυχιακό Πρόγραμμα Σπουδών του Τμήματος «Τεχνολογίες και Υπηρεσίες Ευφυών Συστημάτων Πληροφορικής και Επικοινωνιών» διδάσκει τα μαθήματα Κατανεμημένα Συστήματα, Συστήματα Διαχείρισης Μεγάλων Δεδομένων και Προχωρημένα Θέματα Εξόρυξης Δεδομένων. Έχει συγγράψει τρία διδακτικά βιβλία για την ανώτατη εκπαίδευση.

Έχει αναλάβει επανειλημμένα διάφορες θέσεις διοικητικής ευθύνης όπως υπεύθυνος Τομέα Μαθημάτων, Πρόεδρος Τμήματος, Κοσμήτορας ενώ για το διάστημα 2005-2008 εκλέχθηκε και υπηρέτησε ως Αντιπρόεδρος του ΤΕΙ Πάτρας υπεύθυνος για τις Ακαδημαϊκές Υποθέσεις.

Σήμερα είναι καθηγητής του Τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών ΗΥ του Πανεπιστημίου Πελοποννήσου (με έδρα την Πάτρα) και διευθυντής του ερευνητικού εργαστηρίου Κατανεμημένων Ευφυών Συστημάτων και Δεδομένων (Distributed Intelligent Systems and Data – DISyD Lab).

 
Short CV

Vasilis Tampakas is Professor at the Department of Electrical and Computer Engineering of the University of Peloponnese. He is also the director of DISyD Research Lab (Distributed Intelligent Systems and Data). His research interests include Distributed Systems and Algorithms, Parallel and Distributed Information Retrieval, Data Mining, Machine Learning Algorithms and Big Data Analytics. He has extensively published (more than 100 papers) in major international journals and conferences. For this research, he has received more than 1800 citations.  He is the author of 3 books in Greek. He has extended professional experience (over 30 years) in Data Base Design, Design and Analysis of Distributed Algorithms and Big Data Distributed Processing Systems and Big Data Analytics. He has participated in numerous National and EU R&D projects.

He teaches the undergraduate courses “Operating Systems”, “Introduction to Distributed Systems”, “Data Management Systems”. He also teaches the postgraduate courses “Distributed Systems”, “Big Data Management Systems” and “Advanced Data Mining Techniques”.


Science Interest:
  • Κατανεμημένα Συστήματα
  • Συστήματα Ανάκτησης Πληροφοριών
  • Εξόρυξη Γνώσης και Μηχανική Μάθηση
  • Συστήματα Διαχείρισης Μεγάλων Δεδομένων

Science Interest:
  • Distributed Algorithms and Systems
  • Distributed Information Retrieval Systems
  • Data Mining and Machine Learning
  • Big Data Distributed Processing Systems
  • Big Data Analytics