Το Εργαστήριο Μηχανικής Μάθησης Μεγάλης Κλίμακας και Μηχανικής Δεδομένων Νέφους (Large Scale Machine Learning and Cloud Data Engineering Lab – ML@Cloud), ιδρύθηκε τον Ιανουάριο του 2021 (ΦΕΚ 153 – 21/01/2021) στο Τμήμα Μηχανικών Η/Υ και Πληροφορικής του Πανεπιστημίου Πατρών. 

Το Εργαστήριο έχει ως βασικό σκοπό την υψηλού επιπέδου διεπιστημονική έρευνα σε θέματα που αφορούν  την εξαγωγή γνώσης από μεγάλους όγκους δεδομένων, με χρήση αλγορίθμων, μηχανικής μάθησης και στατιστικής συμπερασματολογίας για την εξαγωγή γνώσης και προβλέψεων,  καθώς και αποκεντρωμένες τεχνικές δόμησης για αποδοτική δεικτοδότηση μεγάλου όγκου πολυδιάστατων δεδομένων που είναι αποθηκευμένα σε κατανεμημένα συστήματα υπολογιστικού νέφους. Βασικός στόχος η αποδοτική αποθήκευση των παραπάνω δεδομένων στις NoSQL βάσεις δεδομένων των δικτυακών κόμβων του νέφους καθώς και η αποδοτική επεξεργασία και βελτιστοποίηση ερωτημάτων πάνω στις βάσεις αυτές, για εξαγωγή νέας γνώσης.

Το νέο Εργαστήριο, θα αποτελεί ουσιαστικά την συγχώνευση δύο Εργαστηρίων του Τμήματος που καταργήθηκαν. Το πρώτο είναι το Σπουδαστήριο Αναγνώρισης Προτύπων και το δεύτερο το Εργαστήριο Γραφικών και Πολυμέσων. Με απόφαση της Γ.Σ. του Τμήματος Μηχανικών Η/Υ & Πληροφορικής, όλος ο τεχνολογικός  εξοπλισμός, τα έπιπλα, τα βιβλία και οι χώροι των δύο Εργαστηρίων που καταργήθηκαν, παραχωρούνται στο νέο Εργαστήριο. Επίσης, όλο το επιστημονικό έργο που έχει παραχθεί από τα δύο Εργαστήρια καθώς και όλα τα ερευνητικά/ αναπτυξιακά έργα τους, θα ενταχθούν στο νέο Εργαστήριο. 

Τα μαθήματα που θα υποστηρίζει μέχρι σήμερα το Εργαστήριο Μηχανικής Μάθησης Μεγάλης Κλίμακας και Μηχανικής Δεδομένων Νέφους στο Π.Π.Σ. είναι η Θεωρία Αποφάσεων, Υπολογιστική Νοημοσύνη, Τεχνητή Νοημοσύνη (σε συνδιδασκαλία) και σε μεταπτυχιακό επίπεδο Αποκεντρωμένη διαχείριση μεγάλου όγκου δεδομένων (Decentralized Big Data Management), Αλγόριθμοι Μάθησης και Θεωρία Αποφάσεων. 

 Η Αναγνώριση Προτύπων, τη δεκαετία του ’80, ήταν μια αναδυόμενη τεχνολογία και αν και σήμερα δεν έχει ξεπεραστεί, αποτελεί ένα μικρό κομμάτι της ευρύτερης επιστημονικής περιοχής της Μηχανικής Μάθησης. Η Μηχανική Μάθηση διερευνά τη μελέτη και την κατασκευή αλγορίθμων / μεθόδων για την κατασκευή μοντέλων που μπορούν να μαθαίνουν από τα δεδομένα και να κάνουν προβλέψεις σχετικά με αυτά. Πρόσφατα, αυτές οι τεχνικές Μηχανικής Μάθησης, έχουν χρησιμοποιηθεί σε επεξεργασία και εξαγωγή γνώσης από δεδομένα μεγάλου όγκου. Η δε τεχνολογία Γραφικών, Πολυμέσων και Γεωγραφικών Συστημάτων, τη δεκαετία του ’80, ήταν μια αναδυόμενη τεχνολογία και αν και σήμερα δεν έχει ξεπεραστεί, αποτελεί ένα μικρό κομμάτι της ευρύτερης επιστημονικής περιοχής της Μηχανικής Δεδομένων (Data Engineering) και μάλιστα δεδομένων μεγάλου όγκου που είναι αποθηκευμένη σε υποδομές υπολογιστικού νέφους (Cloud Multimedia Platforms, GPU Cloud Computing). Η Μηχανική Δεδομένων Νέφους διερευνά τη μελέτη και την κατασκευή, κυρίως μη κεντρικοποιημένων (decentralized) αλγορίθμων / μεθόδων / τεχνικών, με απώτερο στόχο την αποδοτική αποθήκευση, δόμηση, διαχείριση, ανάκτηση και επεξεργασία δεδομένων νέφους, τις περισσότερες φορές με τεχνικές Μηχανικής Μάθησης, για να μπορεί να οδηγεί στην κατασκευή συστημάτων λογισμικού με πραγματικό χρόνο απόκρισης (real response time).