Βιογραφικό
Ο Δρ. Ανδρέας Μενύχτας είναι Επίκουρος Καθηγητής στο Τμήμα Ψηφιακών Συστημάτων, της Σχολής Τεχνολογιών Πληροφορικής και Επικοινωνιών, του Πανεπιστημίου Πειραιώς.
Αποφοίτησε από τη Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Εθνικού Μετσόβιου Πολυτεχνείου το 2004 και συνέχισε στην ίδια σχολή τις μεταπτυχιακές και διδακτορικές του σπουδές. Το 2009 ανακηρύχθηκε Διδάκτορας Μηχανικός με εξειδίκευση σε θέματα υπηρεσιοστρεφών υποδομών. Η διδακτορική του διατριβή εστίασε στο σχεδιασμό και την υλοποίηση συστημάτων, αρχιτεκτονικών και μεθοδολογιών για τη διασφάλιση της ποιότητας υπηρεσιών σε περιβάλλοντα κατανεμημένων συστημάτων και υπολογιστικών νεφών.
Έχει διδάξει προπτυχιακά και μεταπτυχιακά μαθήματα σχετικά με κατανεμημένο υπολογισμό, προγραμματισμό και ανάπτυξη πληροφοριακών συστημάτων στο Πανεπιστήμιο Πειραιώς, στο Εθνικό Μετσόβιο Πολυτεχνείο, στο Πανεπιστήμιο Δυτικής Αττικής και στο Ελληνικό Ανοιχτό Πανεπιστήμιο.
Τα ερευνητικά του ενδιαφέροντα επικεντρώνονται στον ευρύτερο χώρο των σύγχρονων υποδομών πληροφοριακών συστημάτων, ανάπτυξης λογισμικού και Internet of Things. Ειδικότερα, η έρευνά του εστιάζει στην ανάπτυξη Cloud-native εφαρμογών, στις πρακτικές DevOps, καθώς και στην ενσωμάτωση και ενορχήστρωση αυτόνομων συστημάτων τεχνητής νοημοσύνης. Ο Δρ. Μενύχτας έχει συμμετάσχει ως επιστημονικός υπεύθυνος, ερευνητής και μηχανικός σε πολλά ευρωπαϊκά και εθνικά ερευνητικά έργα. Στο πλαίσιο του ερευνητικού του έργου, έχει ασχοληθεί εκτενώς με θέματα Edge Computing, έξυπνων πόλεων, μοντελοποίησης και βελτιστοποίησης λογισμικού, μηχανικής μάθησης, καθώς και με τον σχεδιασμό καινοτόμων λύσεων ηλεκτρονικής υγείας, γεφυρώνοντας επιτυχημένα την ακαδημαϊκή έρευνα με τη βιομηχανική εφαρμογή.
Τα αποτελέσματα του ερευνητικού του έργου έχουν παρουσιαστεί σε περισσότερες από 120 δημοσιεύσεις σε επιστημονικά περιοδικά, διεθνή επιστημονικά συνέδρια και κεφάλαια βιβλίων, ενώ έχει λάβει περισσότερες από 2.500 ετεροαναφορές.
Πρόσφατες δημοσιεύσεις
69 δημοσιεύσεις στη βιβλιοθήκη του εργαστηρίου
Conversational Agent with Emotional Intelligence for Foreign Language Learning
In 2026 14th International Conference on Information and Education Technology (ICIET). IEEE, pp. 115–119.
Fatigue and Burnout Management in Nursing Staff Using Wearable Data
In 2026 IEEE 39th International Symposium on Computer-Based Medical Systems (CBMS). IEEE, pp. 348–353.
A Methodology for Producing Recursive Medical Forensic Image Analysis Responses Using VLMs
In Digital Forensics and Cyber Crime. Springer Nature Switzerland, pp. 142–157.
Multimodal Affective Modeling in an LLM-based Intelligent Tutoring System for Foreign Language Learning
In Proceedings of Computational Affective Science (CAS) @ LREC 2026. European Language Resources Association (ELRA), pp. 190–200.
A Multimodal Course Digital Twin for Adaptive Academic Planning: Integrating Physiological Stress, Self-Reports, and Academic Context
Computers, 15(6), p. 338.
A Lightweight Machine Learning Framework for Post-Stroke Gait Abnormality Classification Using Wearable Gyroscope Features
Sensors, 26(10), p. 3143.