ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΕΞΟΡΥΞΗ ΓΝΩΣΗΣ

Πληροφορίες Μαθήματος
ΤίτλοςΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΕΞΟΡΥΞΗ ΓΝΩΣΗΣ / DATA BASES AND KNOWLEDGE MINING
ΚωδικόςΔΜ1029
ΣχολήΠολυτεχνική
ΤμήμαΗλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Κύκλος / Επίπεδο2ος / Μεταπτυχιακό
Περίοδος ΔιδασκαλίαςΧειμερινή
Υπεύθυνος/ηΑνδρέας Συμεωνίδης
ΚοινόΌχι
ΚατάστασηΕνεργό
Course ID600004442

Πρόγραμμα Σπουδών: ΔΠΜΣ "ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

Εγγεγραμμένοι φοιτητές: 0
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
Ευφυή συστήματα-Μεθοδολογίες υπολογιστικής νοημοσύνης και εφαρμογέςΥποχρεωτικό115
Δικτυακή Υπολογιστική- Ηλεκτρονικό ΕμπόριοΥποχρεωτικό115

Πληροφορίες Τάξης
ΤίτλοςΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΕΞΟΡΥΞΗ ΓΝΩΣΗΣ
Ακαδημαϊκό Έτος2018 – 2019
Περίοδος ΤάξηςΧειμερινή
Διδάσκοντες μέλη ΔΕΠ
Διδάσκοντες άλλων Κατηγοριών
Ώρες Εβδομαδιαία24
Class ID
600134107
Τύπος Μαθήματος
  • Επιστημονικής Περιοχής
Κατηγορία Μαθήματος
Ειδικού Υποβάθρου / Κορμού
Τρόπος Παράδοσης
  • Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
Γλώσσα Διδασκαλίας
  • Ελληνικά (Διδασκαλία, Εξέταση)
  • Αγγλικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Γενικές Προαπαιτήσεις
Το μάθημα προϋποθέτει καλή γνώση του σχεσιακού μοντέλου ΒΔ, κάποια εμπειρία σε ανάπτυξη ΒΔ και καλή γνώση προγραμματισμού.
Μαθησιακά Αποτελέσματα
Σκοπός του μαθήματος είναι να εισάγει τους φοιτητές του προγράμματος σε προχωρημένες τεχνολογίες συστημάτων διαχείρισης βάσεων δεδομένων (ΒΔ) και εξόρυξης δεδομένων (ΕΔ) και να επιδείξει τη χρήση τους στην εξόρυξη γνώσης (ΕΓ) σε διάφορα πεδία εφαρμογής. Με την ολοκλήρωση του μαθήματος, οι φοιτητές/τριες αναμένεται να μπορούν να γνωρίζουν: α) μεθοδολογίες για τη σχεδίαση και ανάπτυξη μιας σχεσιακής βάσης δεδομένων, β) γενικές αρχές σύγχρονων θεμάτων βάσεων δεδομένων, γ) βασικές αρχές ανακάλυψης γνώσης σε βάσεις δεδομένων και, δ) πώς να αναγνωρίζουν την πιο κατάλληλη τεχνική εξόρυξης δεδομένων, με βάση την περιγραφή του προβλήματος και το είδος της διαθέσιμης πληροφορίας. Έμφαση θα δοθεί σε θέματα ταξινόμησης και ομαδοποίησης Η σουίτα Waikato Environment for Knowledge Analysis (WEKA) για εξόρυξη δεδομένων θα παρουσιαστεί, για χρήση στις εργασίες.
Γενικές Ικανότητες
  • Εφαρμογή της γνώσης στην πράξη
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Λήψη αποφάσεων
  • Ομαδική εργασία
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Συστήματα Διαχείρισης Βάσεων Δεδομένων - Βασικές Λειτουργίες - Αρχιτεκτονική τριών επιπέδων - Λογικά Μοντέλα – Σχεσιακό Μοντέλο – Γλώσσα SQL - Τεχνικές σχεδίασης και ανάπτυξης ΒΔ - Βάσεις Δεδομένων στο Διαδίκτυο - XML - Αρχιτεκτονικές για ΒΔ – Κατανεμημένες ΒΔ Εξόρυξη Γνώσης: - Εισαγωγή, - Προ-επεξεργασία δεδομένων - Ταξινόμηση - Ομαδοποίηση - Παρουσίαση του WEKA (Εργαστηριακό μάθημα)
Τύποι Εκπαιδευτικού Υλικού
  • Σημειώσεις
  • Διαφάνειες
  • Διαδραστικές ασκήσεις
  • Βιβλίο
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
  • Χρήση Τ.Π.Ε. στη Διδασκαλία
  • Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
  • Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
Περιγραφή
Mέσω της διαδικτυακής πλατφόρμας eTHMMY. Όλες οι ανακοινώσεις, βαθμολογίες, σημειώσεις κ.τ.λ. αναρτώνται στην αντίστοιχη ιστοσελίδα. Οι συμπληρωματικές σημειώσεις διανέμονται ηλεκτρονικά μέσα από το eTHMMY. Οι εργασίες ανακοινώνονται ηλεκτρονικά και οι φοιτητές πρέπει να δηλωθούν και να υποβάλλουν τις εργασίες τους μέσω του τόπου του μαθήματος. Οι εργασίες αξιολογούνται ηλεκτρονικά και τα σχόλια επιστρέφονται επίσης ηλεκτρονικά. Η επικοινωνία γίνεται κυρίως μέσα από τον ηλεκτρονικό πίνακα ανακοινώσεων του μαθήματος, καθώς και με emails και μέσω του forum του μαθήματος.
Οργάνωση Μαθήματος
ΔραστηριότητεςΦόρτος ΕργασίαςECTSΑτομικάΟμαδικάErasmus
Διαλέξεις
Εργαστηριακή Άσκηση
Εκπόνηση μελέτης (project)
Σύνολο
Αξιολόγηση Φοιτητών
Περιγραφή
1η Εργασία 30% 2η Εργασία 30% Τελική Εξέταση 40%
Μέθοδοι Αξιολόγησης Φοιτητών
  • Γραπτή Εργασία (Συμπερασματική)
  • Προφορική Εξέταση (Διαμορφωτική)
  • Γραπτή Εξέταση με Επίλυση Προβλημάτων (Διαμορφωτική)
  • Έκθεση / Αναφορά (Συμπερασματική)
Βιβλιογραφία
Επιπρόσθετη βιβλιογραφία για μελέτη
Βάσεις Δεδομένων 1. Συστήματα Βάσεων Δεδομένων, (4η έκδοση, μεταφρασμένο στα ελληνικά), A. Silberschatz, H. Korth, and S. Sudarshan, Εκδόσεις Γκιούρδας, Έτος έκδοσης 2005. 2. Θεμελιώδεις Αρχές Συστημάτων Βάσεων Δεδομένων, (Τόμος Α & Β, 5η έκδοση, μεταφρασμένο στα ελληνικά),Ramez Elmasri and Shamkant B. Navathe, Εκδόσεις Δίαυλος, Έτος Έκδοσης 2007. 3. Συστήματα Βάσεων Δεδομένων: Θεωρία και Πρακτική Εφαρμογή, Ι. Μανωλόπουλος και Α. Ν. Παπαδόπουλος, Εκδόσεις Νέων Τεχνολογιών, Έτος έκδοσης 2006, Σελ. 556 Εξόρυξη Γνώσης 1. Introduction to Data Mining, P. Tan, M. Steinbach & V. Kumar, 2005, Addison Wesley. 2. Data Mining: Concepts and Techniques (2nd edition), J. Han and M. Kamber, 2006, Morgan Kaufmann. 3. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations (2nd edition), H. Ian Witten and F. Eibe, 2005, Morgan Kaufmann.
Τελευταία Επικαιροποίηση
19-05-2014