Ηλεκτρονική Διάθεση Μαθήματος
Μαθησιακά Αποτελέσματα
Με την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα έχουν αποκτήσει εξοικείωση α) με τις βασικές τεχνικές της Μηχανικής Μάθησης και της Εξόρυξης Πληροφορίας από Οικονομικά Δεδομένα καθώς και β) την Αναλυτική Οικονομικών Δεδομένων, με τη χρήση δημοφιλών λογισμικών (Οπτικοποίησης Δεδομένων, Μηχανικής Μάθησης) ώστε να μπορέσουν να ανταποκριθούν στις προσκλήσεις και τις σύγχρονες τάσεις που θα συναντήσουν στη μετέπειτα καριέρα τους.
Περιεχόμενο Μαθήματος
Θέματα που θα παρουσιαστούν στο μάθημα είναι τα εξής: Οικονομικά και Επιχειρηματικά προβλήματα που λύνονται μέσω της Επιστήμης των δεδομένων και της Εξόρυξης Πληροφορίας. Αναλυτική και Οπτικοποίηση Οικονομικών Δεδομένων με τη χρήση σύγχρονου λογισμικού όπως το Tableau, το Qlik Sense, το Power BI. Προεπεξεργασία δεδομένων για ανάλυση. Θέματα τμηματοποίησης (δένδρα αποφάσεων), κατηγοριοποίησης (SVM, Νευρωνικά Δίκτυα), συσταδοποίησης (ιεραρχική, ΚMean) και κανόνων συσχέτισης(Apriori) με τη χρήση λογισμικού (ελεύθερο λογισμικό Weka). Αξιολόγηση απόδοσης των λύσεων της Εξόρυξης Πληροφορίας. Στο Φροντιστηριακό/Εργαστηριακό Τμήμα του μαθήματος οι φοιτητές/τριες θα μελετήσουν και θα αποκτήσουν πρακτική εμπειρία χρήσης στα παρακάτω δημοφιλή λογισμικά: Tableau, Weka, Qlik Sense, Power BI.
Λέξεις Κλειδιά
Επιστήμη δεδομένων, Αναλυτική Οικονομικών Δεδομένων, Επιχειρηματική Ευφυΐα, Οπτικοποίηση Δεδομένων, Εξόρυξη δεδομένων, Μηχανική μάθηση
Βιβλιογραφία μαθήματος (Εύδοξος)
1) Η Επιστήμη των Δεδομένων Για Επιχειρήσεις, Foster Provost, Tom Fawcett, εκδ. Κλειδάριθμος 2019.
2) Εισαγωγή στην Εξόρυξη Δεδομένων, Tan-Pang-Ning,Steinbach Michael, Kumar Vipin, Βερυκίος Βασίλειος (Επιμέλεια), εκδ. Τζιόλα 2018.
3) Επιστήμη Δεδομένων: Βασικές Αρχές και Εφαρμογές με Python, 2η Έκδοση, Grus Joe, εκδ. Α. Παπασωτηρίου & Σια Ι.Κ.Ε. 2020.
4) Μηχανική Μάθηση, Κων/νος Διαμαντάρας, Δημήτρης Μπότσης, εκδ. Κλειδάριθμος 2019.