Charalampos Davalas received the Diploma degree in Mathematics from the National and Kapodistrian University of Athens, Greece, in 2016, the M.Sc. degree in Informatics and Telematics from Harokopio University of Athens in 2018, and the Ph.D. degree in Machine Learning and Deep Learning from the same institution in 2025. His doctoral dissertation focused on adaptations of rehearsal methods for online continual learning.
He has participated in several national and European research projects, including graph matching in cloud computing environments, human-centric autonomous computing systems (TEACHING), Earth system deep learning for seasonal fire forecasting (SeasFire and SeasFire2), advanced mechatronic systems for circular economy applications (R3-Mydas), and technologies for substance detection and violence prevention (ARMADILLO). He is currently involved in applied geoinformatics and interdisciplinary AI-driven research.
His research interests include machine learning, deep learning, continual learning, and applied artificial intelligence systems.
Ο Χαράλαμπος Δαβαλάς έλαβε το πτυχίο Μαθηματικών από το Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών το 2016, το Μεταπτυχιακό Δίπλωμα Ειδίκευσης στην Πληροφορική και Τηλεματική από το Χαροκόπειο Πανεπιστήμιο Αθηνών το 2018 και το Διδακτορικό Δίπλωμα στον τομέα της Μηχανικής Μάθησης και Βαθιάς Μάθησης το 2025 από το ίδιο ίδρυμα. Η διδακτορική του διατριβή επικεντρώνεται στην προσαρμογή μεθόδων rehearsal για θεωρίες σχετικές με μηχανική μάθηση και συγκεκριμένα για την συνεχή σειραική μάθηση σε νευρωνικά δίκτυα (online continual learning).
Έχει συμμετάσχει σε πλήθος ερευνητικών έργων εθνικού και ευρωπαϊκού επιπέδου, όπως το ταίριασμα γραφημάτων σε υπολογιστικά νέφη, συστήματα αυτόνομης υπολογιστικής με ανθρωποκεντρική νοημοσύνη (TEACHING), βαθιά μάθηση για πρόβλεψη εποχικών πυρκαγιών (SeasFire και SeasFire2), προηγμένες τεχνολογίες μηχανικής-ηλεκτρονικής και κυκλικής οικονομίας (R3-Mydas), καθώς και τεχνολογίες ανίχνευσης ουσιών και πρόληψης βίας (ARMADILLO). Σήμερα δραστηριοποιείται στην εφαρμοσμένη γεωπληροφορική και σε διεπιστημονικές εφαρμογές τεχνητής νοημοσύνης.
Τα ερευνητικά του ενδιαφέροντα περιλαμβάνουν τη μηχανική μάθηση και εφαρμοσμένα συστήματα τεχνητής νοημοσύνης.
Massimo Coppola κ.ά. (2021). “Teaching-trustworthy autonomous cyber-physical applications through human-centred intelligence”. 2021 IEEE International Conference on Omni-Layer Intelligent Systems (COINS). IEEE, 1–6. doi: 10.1109/COINS51742.2021.9524099.
Conference on Big Data (Big Data). IEEE, σσ. 1060–1065. doi: 10.1109/BigData47090.2019.9006158.