Εισαγωγή στην Ανάλυση Δεδομένων
| Τίτλος | Εισαγωγή στην Ανάλυση Δεδομένων / Introduction to Data Analytics |
| Κωδικός | ΜΙΣΤΑ001 |
| Σχολή | Επιστημών Υγείας |
| Τμήμα | Ιατρικής |
| Κύκλος / Επίπεδο | 2ος / Μεταπτυχιακό |
| Περίοδος Διδασκαλίας | Χειμερινή |
| Υπεύθυνος/η | Άννα-Μπεττίνα Χάιδιτς |
| Κοινό | Όχι |
| Κατάσταση | Ενεργό |
| Course ID | 600020022 |
Πρόγραμμα Σπουδών: ΠΜΣ Στατιστική και Αναλυτική Βιοϊατρικών Δεδομένων (2020-σήμερα)
Εγγεγραμμένοι φοιτητές: 30
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|---|---|---|---|
| Κορμός | Υποχρεωτικό | 1 | 1 | 7,5 |
| Τίτλος | Εισαγωγή στην Ανάλυση Δεδομένων |
| Ακαδημαϊκό Έτος | 2021 – 2022 |
| Περίοδος Τάξης | Χειμερινή |
| Διδάσκοντες μέλη ΔΕΠ | |
| Διδάσκοντες άλλων Κατηγοριών |
|
| Ώρες Εβδομαδιαία | 2 |
| Class ID | 600200596
|
Τύπος Μαθήματος
Ανάπτυξης Δεξιοτήτων
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600200596
- eLearning: https://elearning.auth.gr/course/view.php?id=15589
Γλώσσα Διδασκαλίας
- Ελληνικά (Διδασκαλία)
- Αγγλικά (Διδασκαλία, Εξέταση)
Μαθησιακά Αποτελέσματα
Γνώσεις
Οι συμμετέχοντες και οι συμμετέχουσες θα καταστούν ικανοί και ικανές να γνωρίζουν:
• Να αναζητούν και να έχουν πρόσβαση σε βιοϊατρικά δεδομένα από διαφορετικές πηγές
• Βασικές εντολές της γλώσσας προγραμματισμού Structured Query Language (SQL)
• Να εισάγουν δεδομένα στην R από διαφορετικές μορφές αρχείων
• Να χειρίζονται και να μελετούν βιοϊατρικά δεδομένα
• Να επιλέγουν γραφικά στοιχεία για την αποτελεσματική παρουσίαση των δεδομένων και την κριτική αξιολόγηση των υπαρχόντων οπτικοποιημένων δεδομένων
• Τις βασικές αρχές της αναπαραξιμότητας των ερευνών
Ικανότητες
Οι συμμετέχοντες και οι συμμετέχουσες θα καταστούν ικανοί και ικανές:
• Να αναγνωρίζουν και να καταλαβαίνουν τις πηγές δεδομένων που χρησιμοποιούνται για να υποστηρίξουν τη λήψη αποφάσεων στον τομέα της υγείας
• Να αποκτήσουν εμπειρία σε βασικές τεχνικές ικανότητας και σε λογισμικό για να διαχειρίζονται βιοϊατρικές βάσεις δεδομένων
• Να σχεδιάζουν, να παράγουν και να ερμηνεύουν τα οπτικοποιημένα δεδομένα
• Να ακολουθούν τις μεθόδους αναπαραξιμότητας στην ανάλυση δεδομένων
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
Περιεχόμενο Μαθήματος
1. Αναζήτηση και πρόσβαση σε πηγές δεδομένων σχετιζόμενες με την υγεία
2. Θεμελιώδεις αρχές των βάσεων δεδομένων μέσω της χρήσης της γλώσσας προγραμματισμού Structured Query Language (SQL)
3. Βασικές αρχές της γλώσσας προγραμματισμού R
4. Διαχείριση και μελέτη δεδομένων καθώς και εκμάθηση κώδικα στην R για την ανάλυση δεδομένων
5. Οπτικοποίηση δεδομένων: γραφικές παραστάσεις έτοιμες για δημοσίευση, διαδραστικές γραφικές παραστάσεις και κινούμενες παραστάσεις δεδομένων
6. Εξέλιξη της έρευνας και μεθόδους αναπαραξιμότητας στην ανάλυση δεδομένων
Λέξεις Κλειδιά
Ανάλυση Δεδομένων, Διαχείριση Δεδομένων, Πρόσβαση σε βάσεις Δεδομένων, Προγραμματισμός με R, SQL
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
- Βιντεοδιαλέξεις
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
- Χρήση Τ.Π.Ε. στην Αξιολόγηση των Φοιτητών
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 45 | ✓ | |||
| Εργαστηριακή Άσκηση | 60 | ✓ | |||
| Μελέτη και ανάλυση βιβλίων και άρθρων | 20 | ✓ | |||
| Εξετάσεις | 65 | ✓ | |||
| Σύνολο | 190 |
Αξιολόγηση Φοιτητών
Περιγραφή
Εβδομαδιαία κουίζ πολλαπλών επιλογών
Αξιολόγηση των σχολίων που υποβάλλονται από κάθε εκπαιδευόμενο στις online ομάδες συζήτησης
Τελική αξιολόγηση με ερωτήσεις πολλαπλών επιλογών
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εξέταση με Ερωτήσεις Πολλαπλής Επιλογής (Διαμορφωτική, Συμπερασματική)
- Γραπτή Εξέταση με Επίλυση Προβλημάτων (Διαμορφωτική, Συμπερασματική)
- Εργαστηριακή Εργασία (Διαμορφωτική, Συμπερασματική)
Βιβλιογραφία
Επιπρόσθετη βιβλιογραφία για μελέτη
• DeBarros, A. (2018). Practical SQL: A Beginner’s Guide to Storytelling with Data. No Starch Press.
• Taylor, A. G. (2018). SQL For Dummies (For Dummies (Computer/Tech)) (9th ed.). For Dummies.
• Wickham, H., & Grolemund, G. (2017). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data (1st ed.). O’Reilly Media.
• Ismay, C., & Kim, A. Y. (2019). Statistical Inference via Data Science: A ModernDive into R and the Tidyverse (Chapman & Hall/CRC The R Series) (1st ed.). Chapman and Hall/CRC.
• Kabacoff, R. (2015). R in Action, Second Edition: Data analysis and graphics with R. Manning Publications.
• Wilke, C. O. (2019). Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures (1st ed.). O’Reilly Media.
• Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis (Use R!) (2nd ed. 2016 ed.). Springer.
• Chang, W. (2018). R Graphics Cookbook: Practical Recipes for Visualizing Data (2nd ed.). O’Reilly Media.
• Xie, Y., Allaire, J. J., & Grolemund, G. (2018). R Markdown (Chapman & Hall/CRC The R Series) (1st ed.). Routledge.
Τελευταία Επικαιροποίηση
21-12-2021
