{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5425925"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5425925","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Artificial Intelligence managed scenarios over implementation of 5G and beyond platform","abstract":"Η παρούσα διπλωματική εργασία αφορά την μελέτη και ανάπτυξη ενός ολοκληρωμένου συστήματος σε περιβάλλον εργαστηρίου. Η βασική ιδέα αποτελείται από ένα 5G δίκτυο και όλα τα μέρη που απαιτούνται ώστε να δημιουργηθεί μία ολοκληρωμένη υποδομή. Τέτοια μέρη είναι ο κορμός του δικτύου, το σημείο πρόσβασης και οι τελικές συσκευές. Σκοπός αυτής της εγκατάστασης είναι να προσομοιώσει ένα δίκτυο μέσω του οποίου οι τελικές συσκευές θα στέλνουν δεδομένα σε υπηρεσίες τεχνητής νοημοσύνης. Αυτές οι υπηρεσίες κατά κύριο λόγω θα εκτελούν μοντέλα μηχανικής μάθησης, τα οποία θα παράγουν ως έξοδο του συστήματος αποτελέσματα αναγνώρισης αντικειμένων. Επιπρόσθετα, στο σύστημα θα εγκατασταθεί εργαλείο το οποίο θα καταγράφει την κατανάλωση ενέργειας κατά τη διάρκεια της εκτέλεσης των διάφορων πειραμάτων. Το ολοκληρωμένο σύστημα θα αποτελείται από σύγχρονες τεχνολογίες οι οποίες δημιουργήθηκαν για να παρέχουν ευέλικτες λύσεις. Πιο συγκεκριμένα, ο κορμός του δικτύου θα δομηθεί μέσω της υλοποίησης του Open5Gs, το οποίο παρέχει μία πληθώρα εναλλακτικών παραμετροποίησης. Στο επίπεδο του σημείου πρόσβασης και των τελικών συσκευών γίνεται χρήση του UERANSIM, που προσφέρει με αντίστοιχο τρόπο χρηστικότητα όπως το open5Gs. Η ενσωμάτωση των δύο αυτών λύσεων, δημιουργεί το τελικό δίκτυο του εργαστηριακού περιβάλλοντος. Η εργασία θα επεκταθεί με την προσθήκη του YOLO, που θα παίξει το ρόλο της εφαρμογής τεχνητής νοημοσύνης που αναφέρθηκε στην προηγούμενη παράγραφο, δηλαδή η εφαρμογή αναγνώρισης αντικειμένων. Για την κατανάλωση ενέργειας στα μηχανήματα θα αξιοποιηθεί το εργαλείο του PowerAPI, που και αυτό κάνει χρήση μοντέλων μηχανικής μάθησης για τα αποτελέσματα που παράγει. Κατά τη διάρκεια της εργασίας παρουσιάζεται η εγκατάσταση και παραμετροποίηση όλων των συμβαλλόμενων εργαλείων που σκοπεύουν στην όσο κατά το δυνατό πραγματική προσομοίωση μιάς εφαρμογής, στην κατηγορία του Internet-of-Things. Με άλλα λόγια μια εφαρμογή μετάδοσης εικόνας-βίντεο από μία συσκευή προς μια υπηρεσία αναγνώρισης αντικειμένων, μέσω του 5G δικτύου. Θα καταγραφούν διάφορες συστηματικές μετρικές που θα αφορούν την συμπεριφορά του συστήματος στις διάφορες φάσεις του, όπως πριν ή μετά το δίκτυο κορμού, άλλα και στις περιπτώσεις διαφόρων αρχιτεκτονικών της υποδομής. Όσο αφορά τις υπηρεσίες αναγνώρισης αντικειμένων-YOLO, θα ελεγχθούν για διαφορετικές περιπτώσεις ώστε να αποδειχθεί η απόδοση τους για συγκεκριμένες ροές δεδομένων, και εν τέλη αυτή η διαδικασία να αναδείξει την χρησιμότητα της τεχνητής νοημοσύνης, άλλα πιο σημαντικά να εντοπιστούν τα σημεία που χρήζουν βελτιστοποίησης. Η διπλωματική εργασία υλοποιήθηκε σε υποδομές που παρείχε το εργαστήριο SCANLab που βρίσκεται στις εγκαταστάσεις του Τμήματος Πληροφορικής του ΕΚΠΑ, με τη προωθητική συμβολή μελών και ερευνητών που εργάζονται στο συγκεκριμένο χώρο. Το θέμα της διπλωματικής εργασίας εντάσσεται στην οικογένεια θεμάτων που πραγματώνονται στο SCAN Lab και αναδεικνύει τις δυνατότητες που υπάρχουν στο συνδυασμό σύγχρονων τεχνολογιών, προς την κατεύθυνση της βελτίωσης των υπηρεσιών που λειτουργούν για την διευκόλυνση της καθημερινότητας, πάντα κινούμενοι σε ηθικά πλαίσια.","abstract_html":"Η παρούσα διπλωματική εργασία αφορά την μελέτη και ανάπτυξη ενός ολοκληρωμένου συστήματος σε περιβάλλον εργαστηρίου. Η βασική ιδέα αποτελείται από ένα 5G δίκτυο και όλα τα μέρη που απαιτούνται ώστε να δημιουργηθεί μία ολοκληρωμένη υποδομή. Τέτοια μέρη είναι ο κορμός του δικτύου, το σημείο πρόσβασης και οι τελικές συσκευές. Σκοπός αυτής της εγκατάστασης είναι να προσομοιώσει ένα δίκτυο μέσω του οποίου οι τελικές συσκευές θα στέλνουν δεδομένα σε υπηρεσίες τεχνητής νοημοσύνης. Αυτές οι υπηρεσίες κατά κύριο λόγω θα εκτελούν μοντέλα μηχανικής μάθησης, τα οποία θα παράγουν ως έξοδο του συστήματος αποτελέσματα αναγνώρισης αντικειμένων. Επιπρόσθετα, στο σύστημα θα εγκατασταθεί εργαλείο το οποίο θα καταγράφει την κατανάλωση ενέργειας κατά τη διάρκεια της εκτέλεσης των διάφορων πειραμάτων. Το ολοκληρωμένο σύστημα θα αποτελείται από σύγχρονες τεχνολογίες οι οποίες δημιουργήθηκαν για να παρέχουν ευέλικτες λύσεις. Πιο συγκεκριμένα, ο κορμός του δικτύου θα δομηθεί μέσω της υλοποίησης του Open5Gs, το οποίο παρέχει μία πληθώρα εναλλακτικών παραμετροποίησης. Στο επίπεδο του σημείου πρόσβασης και των τελικών συσκευών γίνεται χρήση του UERANSIM, που προσφέρει με αντίστοιχο τρόπο χρηστικότητα όπως το open5Gs. Η ενσωμάτωση των δύο αυτών λύσεων, δημιουργεί το τελικό δίκτυο του εργαστηριακού περιβάλλοντος. Η εργασία θα επεκταθεί με την προσθήκη του YOLO, που θα παίξει το ρόλο της εφαρμογής τεχνητής νοημοσύνης που αναφέρθηκε στην προηγούμενη παράγραφο, δηλαδή η εφαρμογή αναγνώρισης αντικειμένων. Για την κατανάλωση ενέργειας στα μηχανήματα θα αξιοποιηθεί το εργαλείο του PowerAPI, που και αυτό κάνει χρήση μοντέλων μηχανικής μάθησης για τα αποτελέσματα που παράγει. Κατά τη διάρκεια της εργασίας παρουσιάζεται η εγκατάσταση και παραμετροποίηση όλων των συμβαλλόμενων εργαλείων που σκοπεύουν στην όσο κατά το δυνατό πραγματική προσομοίωση μιάς εφαρμογής, στην κατηγορία του Internet-of-Things. Με άλλα λόγια μια εφαρμογή μετάδοσης εικόνας-βίντεο από μία συσκευή προς μια υπηρεσία αναγνώρισης αντικειμένων, μέσω του 5G δικτύου. Θα καταγραφούν διάφορες συστηματικές μετρικές που θα αφορούν την συμπεριφορά του συστήματος στις διάφορες φάσεις του, όπως πριν ή μετά το δίκτυο κορμού, άλλα και στις περιπτώσεις διαφόρων αρχιτεκτονικών της υποδομής. Όσο αφορά τις υπηρεσίες αναγνώρισης αντικειμένων-YOLO, θα ελεγχθούν για διαφορετικές περιπτώσεις ώστε να αποδειχθεί η απόδοση τους για συγκεκριμένες ροές δεδομένων, και εν τέλη αυτή η διαδικασία να αναδείξει την χρησιμότητα της τεχνητής νοημοσύνης, άλλα πιο σημαντικά να εντοπιστούν τα σημεία που χρήζουν βελτιστοποίησης. Η διπλωματική εργασία υλοποιήθηκε σε υποδομές που παρείχε το εργαστήριο SCANLab που βρίσκεται στις εγκαταστάσεις του Τμήματος Πληροφορικής του ΕΚΠΑ, με τη προωθητική συμβολή μελών και ερευνητών που εργάζονται στο συγκεκριμένο χώρο. Το θέμα της διπλωματικής εργασίας εντάσσεται στην οικογένεια θεμάτων που πραγματώνονται στο SCAN Lab και αναδεικνύει τις δυνατότητες που υπάρχουν στο συνδυασμό σύγχρονων τεχνολογιών, προς την κατεύθυνση της βελτίωσης των υπηρεσιών που λειτουργούν για την διευκόλυνση της καθημερινότητας, πάντα κινούμενοι σε ηθικά πλαίσια.","abstract_has_math":false,"creators":["ΑΔΑΜΑΚΗΣ ΓΕΩΡΓΙΟΣ","ADAMAKIS GEORGIOS"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-08-21T16:41:59Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","English","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5425925"],"render_values":[{"text":"uoadl:5425925","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5425925","outbound_label":"Repository record","outbound_source":"dc:identifier"},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5425925","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΑΔΑΜΑΚΗΣ ΓΕΩΡΓΙΟΣ","ADAMAKIS GEORGIOS"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","English","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5425925","https://pergamos.lib.uoa.gr/uoa/dl/object/5425925"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία αφορά την μελέτη και ανάπτυξη ενός ολοκληρωμένου συστήματος σε περιβάλλον εργαστηρίου. Η βασική ιδέα αποτελείται από ένα 5G δίκτυο και όλα τα μέρη που απαιτούνται ώστε να δημιουργηθεί μία ολοκληρωμένη υποδομή. Τέτοια μέρη είναι ο κορμός του δικτύου, το σημείο πρόσβασης και οι τελικές συσκευές. Σκοπός αυτής της εγκατάστασης είναι να προσομοιώσει ένα δίκτυο μέσω του οποίου οι τελικές συσκευές θα στέλνουν δεδομένα σε υπηρεσίες τεχνητής νοημοσύνης. Αυτές οι υπηρεσίες κατά κύριο λόγω θα εκτελούν μοντέλα μηχανικής μάθησης, τα οποία θα παράγουν ως έξοδο του συστήματος αποτελέσματα αναγνώρισης αντικειμένων. Επιπρόσθετα, στο σύστημα θα εγκατασταθεί εργαλείο το οποίο θα καταγράφει την κατανάλωση ενέργειας κατά τη διάρκεια της εκτέλεσης των διάφορων πειραμάτων. Το ολοκληρωμένο σύστημα θα αποτελείται από σύγχρονες τεχνολογίες οι οποίες δημιουργήθηκαν για να παρέχουν ευέλικτες λύσεις. Πιο συγκεκριμένα, ο κορμός του δικτύου θα δομηθεί μέσω της υλοποίησης του Open5Gs, το οποίο παρέχει μία πληθώρα εναλλακτικών παραμετροποίησης. Στο επίπεδο του σημείου πρόσβασης και των τελικών συσκευών γίνεται χρήση του UERANSIM, που προσφέρει με αντίστοιχο τρόπο χρηστικότητα όπως το open5Gs. Η ενσωμάτωση των δύο αυτών λύσεων, δημιουργεί το τελικό δίκτυο του εργαστηριακού περιβάλλοντος. Η εργασία θα επεκταθεί με την προσθήκη του YOLO, που θα παίξει το ρόλο της εφαρμογής τεχνητής νοημοσύνης που αναφέρθηκε στην προηγούμενη παράγραφο, δηλαδή η εφαρμογή αναγνώρισης αντικειμένων. Για την κατανάλωση ενέργειας στα μηχανήματα θα αξιοποιηθεί το εργαλείο του PowerAPI, που και αυτό κάνει χρήση μοντέλων μηχανικής μάθησης για τα αποτελέσματα που παράγει. Κατά τη διάρκεια της εργασίας παρουσιάζεται η εγκατάσταση και παραμετροποίηση όλων των συμβαλλόμενων εργαλείων που σκοπεύουν στην όσο κατά το δυνατό πραγματική προσομοίωση μιάς εφαρμογής, στην κατηγορία του Internet-of-Things. Με άλλα λόγια μια εφαρμογή μετάδοσης εικόνας-βίντεο από μία συσκευή προς μια υπηρεσία αναγνώρισης αντικειμένων, μέσω του 5G δικτύου. Θα καταγραφούν διάφορες συστηματικές μετρικές που θα αφορούν την συμπεριφορά του συστήματος στις διάφορες φάσεις του, όπως πριν ή μετά το δίκτυο κορμού, άλλα και στις περιπτώσεις διαφόρων αρχιτεκτονικών της υποδομής. Όσο αφορά τις υπηρεσίες αναγνώρισης αντικειμένων-YOLO, θα ελεγχθούν για διαφορετικές περιπτώσεις ώστε να αποδειχθεί η απόδοση τους για συγκεκριμένες ροές δεδομένων, και εν τέλη αυτή η διαδικασία να αναδείξει την χρησιμότητα της τεχνητής νοημοσύνης, άλλα πιο σημαντικά να εντοπιστούν τα σημεία που χρήζουν βελτιστοποίησης. Η διπλωματική εργασία υλοποιήθηκε σε υποδομές που παρείχε το εργαστήριο SCANLab που βρίσκεται στις εγκαταστάσεις του Τμήματος Πληροφορικής του ΕΚΠΑ, με τη προωθητική συμβολή μελών και ερευνητών που εργάζονται στο συγκεκριμένο χώρο. Το θέμα της διπλωματικής εργασίας εντάσσεται στην οικογένεια θεμάτων που πραγματώνονται στο SCAN Lab και αναδεικνύει τις δυνατότητες που υπάρχουν στο συνδυασμό σύγχρονων τεχνολογιών, προς την κατεύθυνση της βελτίωσης των υπηρεσιών που λειτουργούν για την διευκόλυνση της καθημερινότητας, πάντα κινούμενοι σε ηθικά πλαίσια.","The presented thesis project in the following pages describes the development of a system integration in a lab environment. The fundamental idea consists of a 5G network and all the essential parts that will create a relevant and complete infrastructure. These parts are the core network, access points and end devices. The purpose of the setup is to simulate a network through which end devices will be able to send data towards artificial intelligence modules. Such services will mainly run machine learning routines and as an output of the system there shall be results of object recognition. Additionally, during the execution of experiments in the server, a tool will be set up to monitor the power consumption of the system. The integration of the systems will consist of modern technologies, created to provide flexible solutions. Specifically, core network will be deployed using Open5GS which is designed to offer various structuring schemes. For access points/radio access network and end devices, the experiments are completed with UERANSIM solution that behaves in a similar way like Open5GS, as far as configurability is concerned. The integration of the mentioned technologies will become the underlying infrastructure of the lab environment. The project is extended by adding YOLO, an artificial intelligence module that will perform object recognition services. As for the part of power consumption in the servers, PowerAPI is utilized, whose results also, are an outcome of machine learning methods. Through the next pages there is a presentation of the installation and parametrization of the involved technologies, aiming to simulate in most optimal way, a real life application that belongs in the category of Internet-Of-Things. In other words, the objective is a multimedia application of video streaming from end devices to an object recognition module, where packets are routed via a 5G network. There will be a monitoring of set of metrics related to the system, at the states before and after the initiation of core network, as well as in the cases of the variation of the infrastructure architecture. The object recognition-YOLO services will be tested for different use cases, to verify their performance for specific content, and essentially prove artificial intelligence's practicality and, more importantly, to identify the cases where fine-tuning is required. The described project was developed within premises provided by research center SCAN Lab, which is located in the Department of Informatics and Telecommunications, University of Athens campus, with help and guidance of people working for the specific R&D lab. The topic of the thesis is part of the family of topics that are being addressed at SCAN Lab and highlights the possibilities that exist in the combination of modern technologies, towards the improvement of services that operate to facilitate everyday life, always moving within ethical frameworks."]},{"key":"dc:title","label":"Title","values":["Artificial Intelligence managed scenarios over implementation of 5G and beyond platform"]}]}],"canonical_facts":{"dc:creator":["ΑΔΑΜΑΚΗΣ ΓΕΩΡΓΙΟΣ","ADAMAKIS GEORGIOS"],"dc:date":["2026"],"dc:description":["Η παρούσα διπλωματική εργασία αφορά την μελέτη και ανάπτυξη ενός ολοκληρωμένου συστήματος σε περιβάλλον εργαστηρίου. Η βασική ιδέα αποτελείται από ένα 5G δίκτυο και όλα τα μέρη που απαιτούνται ώστε να δημιουργηθεί μία ολοκληρωμένη υποδομή. Τέτοια μέρη είναι ο κορμός του δικτύου, το σημείο πρόσβασης και οι τελικές συσκευές. Σκοπός αυτής της εγκατάστασης είναι να προσομοιώσει ένα δίκτυο μέσω του οποίου οι τελικές συσκευές θα στέλνουν δεδομένα σε υπηρεσίες τεχνητής νοημοσύνης. Αυτές οι υπηρεσίες κατά κύριο λόγω θα εκτελούν μοντέλα μηχανικής μάθησης, τα οποία θα παράγουν ως έξοδο του συστήματος αποτελέσματα αναγνώρισης αντικειμένων. Επιπρόσθετα, στο σύστημα θα εγκατασταθεί εργαλείο το οποίο θα καταγράφει την κατανάλωση ενέργειας κατά τη διάρκεια της εκτέλεσης των διάφορων πειραμάτων. Το ολοκληρωμένο σύστημα θα αποτελείται από σύγχρονες τεχνολογίες οι οποίες δημιουργήθηκαν για να παρέχουν ευέλικτες λύσεις. Πιο συγκεκριμένα, ο κορμός του δικτύου θα δομηθεί μέσω της υλοποίησης του Open5Gs, το οποίο παρέχει μία πληθώρα εναλλακτικών παραμετροποίησης. Στο επίπεδο του σημείου πρόσβασης και των τελικών συσκευών γίνεται χρήση του UERANSIM, που προσφέρει με αντίστοιχο τρόπο χρηστικότητα όπως το open5Gs. Η ενσωμάτωση των δύο αυτών λύσεων, δημιουργεί το τελικό δίκτυο του εργαστηριακού περιβάλλοντος. Η εργασία θα επεκταθεί με την προσθήκη του YOLO, που θα παίξει το ρόλο της εφαρμογής τεχνητής νοημοσύνης που αναφέρθηκε στην προηγούμενη παράγραφο, δηλαδή η εφαρμογή αναγνώρισης αντικειμένων. Για την κατανάλωση ενέργειας στα μηχανήματα θα αξιοποιηθεί το εργαλείο του PowerAPI, που και αυτό κάνει χρήση μοντέλων μηχανικής μάθησης για τα αποτελέσματα που παράγει. Κατά τη διάρκεια της εργασίας παρουσιάζεται η εγκατάσταση και παραμετροποίηση όλων των συμβαλλόμενων εργαλείων που σκοπεύουν στην όσο κατά το δυνατό πραγματική προσομοίωση μιάς εφαρμογής, στην κατηγορία του Internet-of-Things. Με άλλα λόγια μια εφαρμογή μετάδοσης εικόνας-βίντεο από μία συσκευή προς μια υπηρεσία αναγνώρισης αντικειμένων, μέσω του 5G δικτύου. Θα καταγραφούν διάφορες συστηματικές μετρικές που θα αφορούν την συμπεριφορά του συστήματος στις διάφορες φάσεις του, όπως πριν ή μετά το δίκτυο κορμού, άλλα και στις περιπτώσεις διαφόρων αρχιτεκτονικών της υποδομής. Όσο αφορά τις υπηρεσίες αναγνώρισης αντικειμένων-YOLO, θα ελεγχθούν για διαφορετικές περιπτώσεις ώστε να αποδειχθεί η απόδοση τους για συγκεκριμένες ροές δεδομένων, και εν τέλη αυτή η διαδικασία να αναδείξει την χρησιμότητα της τεχνητής νοημοσύνης, άλλα πιο σημαντικά να εντοπιστούν τα σημεία που χρήζουν βελτιστοποίησης. Η διπλωματική εργασία υλοποιήθηκε σε υποδομές που παρείχε το εργαστήριο SCANLab που βρίσκεται στις εγκαταστάσεις του Τμήματος Πληροφορικής του ΕΚΠΑ, με τη προωθητική συμβολή μελών και ερευνητών που εργάζονται στο συγκεκριμένο χώρο. Το θέμα της διπλωματικής εργασίας εντάσσεται στην οικογένεια θεμάτων που πραγματώνονται στο SCAN Lab και αναδεικνύει τις δυνατότητες που υπάρχουν στο συνδυασμό σύγχρονων τεχνολογιών, προς την κατεύθυνση της βελτίωσης των υπηρεσιών που λειτουργούν για την διευκόλυνση της καθημερινότητας, πάντα κινούμενοι σε ηθικά πλαίσια.","The presented thesis project in the following pages describes the development of a system integration in a lab environment. The fundamental idea consists of a 5G network and all the essential parts that will create a relevant and complete infrastructure. These parts are the core network, access points and end devices. The purpose of the setup is to simulate a network through which end devices will be able to send data towards artificial intelligence modules. Such services will mainly run machine learning routines and as an output of the system there shall be results of object recognition. Additionally, during the execution of experiments in the server, a tool will be set up to monitor the power consumption of the system. The integration of the systems will consist of modern technologies, created to provide flexible solutions. Specifically, core network will be deployed using Open5GS which is designed to offer various structuring schemes. For access points/radio access network and end devices, the experiments are completed with UERANSIM solution that behaves in a similar way like Open5GS, as far as configurability is concerned. The integration of the mentioned technologies will become the underlying infrastructure of the lab environment. The project is extended by adding YOLO, an artificial intelligence module that will perform object recognition services. As for the part of power consumption in the servers, PowerAPI is utilized, whose results also, are an outcome of machine learning methods. Through the next pages there is a presentation of the installation and parametrization of the involved technologies, aiming to simulate in most optimal way, a real life application that belongs in the category of Internet-Of-Things. In other words, the objective is a multimedia application of video streaming from end devices to an object recognition module, where packets are routed via a 5G network. There will be a monitoring of set of metrics related to the system, at the states before and after the initiation of core network, as well as in the cases of the variation of the infrastructure architecture. The object recognition-YOLO services will be tested for different use cases, to verify their performance for specific content, and essentially prove artificial intelligence's practicality and, more importantly, to identify the cases where fine-tuning is required. The described project was developed within premises provided by research center SCAN Lab, which is located in the Department of Informatics and Telecommunications, University of Athens campus, with help and guidance of people working for the specific R&D lab. The topic of the thesis is part of the family of topics that are being addressed at SCAN Lab and highlights the possibilities that exist in the combination of modern technologies, towards the improvement of services that operate to facilitate everyday life, always moving within ethical frameworks."],"dc:identifier":["uoadl:5425925","https://pergamos.lib.uoa.gr/uoa/dl/object/5425925"],"dc:language":["Ελληνικά","English","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Artificial Intelligence managed scenarios over implementation of 5G and beyond platform"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-08-21T16:41:59Z"}