Προηγμένα Θέματα Ανάλυσης Δεδομένων

Διδάσκοντες Μαρία Χαλκίδη
Κατηγορία μαθήματος Ε/ΣΛΔ
Κωδικός μαθήματος ΨΣ-532
Πιστωτικές μονάδες 5
Ώρες μαθήματος 3 ώρες
Ώρες εργαστηρίων 2 ώρες
Ηλεκτρονικό υλικό Προβολή στον Αρίσταρχο (Open e-Class)

Μαθησιακά Αποτελέσματα

Οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος θα είναι σε θέση:

  • να μοντελοποιούν και αναλύουν δεδομένα με κατάλληλες τεχνικές ανάλυσης, και να αξιολογούν την ποιότητα των δεδομένων εισόδου
  • να επιλέγουν την κατάλληλη μέθοδο για την ανάλυση δεδομένων και να ερμηνεύουν τα αποτελέσματα.
  • να υλοποιούν τεχνικές εποπτευόμενης και μη εποπτευόμενης μάθησης για την επίλυση πολλών προβλημάτων ανάλυσης όπως η πρόβλεψη, κατηγοριοποίηση, η τμηματοποίηση.
  • να εφαρμόζουν μεθόδους για την αξιολόγηση των αποτελεσμάτων της ανάλυσης δεδομένων.

Περιεχόμενα

  • Συλλογή, προετοιμασία και αναπαράσταση δεδομένων για ανάλυση
  • Παλινδρόμηση (linear, logistic regression)
  • Τεχνικές Κατηγοριοποίησης (πιθανοτική κατηγοριοποίηση, δέντρα αποφάσεων, support vector machines)
  • Προβλεπτική αναλυτική και νευρωνικά δίκτυα
  • Συστήματα συστάσεων (recommender systems)
  • Ανάλυση γράφων (εφαρμογές σε κοινωνικά δίκτυα)
  • Ανάλυση κειμένων – Ανάλυση συναισθήματος
  • Αξιολόγηση αποτελεσμάτων ανάλυσης δεδομένων

Προτεινόμενα Συγγράμματα

  • Mohammed J. Zaki, Wagner Meira Jr.(2017): Εξόρυξη και Ανάλυση Δεδομένων: Βασικές Έννοιες και Αλγόριθμοι, Εκδόσεις Κλειδάριθμος.
  • Anand Rajaraman, Jeffrey David Ullman (2013): Εξόρυξη από Μεγάλα Σύνολα Δεδομένων, Εκδόσεις Νέων Τεχνολογιών.

Πρόσθετη Βιβλιογραφία

Επιπλέον, στον Eύδοξο αναρτώνται σε ηλεκτρονική μορφή άρθρα, οπτικοακουστικό υλικό διαλέξεων και διαδικτυακές διευθύνσεις για χρήσιμες πληροφορίες καθώς και ασκήσεις για την εξάσκηση των φοιτητών/τριών. Παρουσιάζονται μελέτες περίπτωσης, παραδειγματικά προβλήματα και μέθοδοι επίλυσης αυτών.