Εξόρυξη δεδομένων και αριθμητική ανάλυση

Πληροφορίες Μαθήματος
ΤίτλοςΕξόρυξη δεδομένων και αριθμητική ανάλυση / Data mining and numerical analysis
ΚωδικόςΕΔ1
ΣχολήΠολυτεχνική
ΤμήμαΧημικών Μηχανικών
Κύκλος / Επίπεδο2ος / Μεταπτυχιακό
Περίοδος ΔιδασκαλίαςΧειμερινή/Εαρινή
Υπεύθυνος/ηΚωνσταντίνος Καρατάσος
ΚοινόΌχι
ΚατάστασηΕνεργό
Course ID600023187

Πρόγραμμα Σπουδών: ΠΜΣ Χημική και Βιοχημική Μηχανική: Υγεία & Τρόφιμα

Εγγεγραμμένοι φοιτητές: 0
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΚΟΡΜΟΣΥποχρεωτικό117

Πληροφορίες Τάξης
ΤίτλοςΕξόρυξη δεδομένων και αριθμητική ανάλυση
Ακαδημαϊκό Έτος2024 – 2025
Περίοδος ΤάξηςΧειμερινή
Διδάσκοντες μέλη ΔΕΠ
Class ID
600245278
Τύπος Μαθήματος
Γενικού Υποβάθρου
Τρόπος Παράδοσης
  • Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
Γλώσσα Διδασκαλίας
  • Ελληνικά (Διδασκαλία, Εξέταση)
  • Αγγλικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Γενικές Προαπαιτήσεις
-
Μαθησιακά Αποτελέσματα
Με την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα έχουν καταφέρει τα εξής: - Να επεξεργάζονται, να ελέγχουν την ποιότητα και να οπτικοποιούν δεδομένα μεγάλου όγκου και πολυπλοκότητας - Να εφαρμόζουν προηγμένες στατιστικές μεθόδους για την ανεύρεση συσχετισμών μεταξύ μεταβλητών σε δεδομένα μεγάλου όγκου - Να ταυτοποιούν κατάλληλες μεθόδους εξόρυξης δεδομένων ή/και μηχανικής εκμάθησης ανάλογα με τα χαρακτηριστικά των δεδομένων και τη φύση της αναζήτησης - Να εφαρμόσουν ή/και να τροποποίησουν υπολογιστικούς αλγόριθμους για την ανάλυση σύνθετων δεδομένων μεγάλου όγκου με προηγμένες στατιστικές μεθόδους ή/και τεχνικές εξόρυξης δεδομένων - Να συνθέσουν, να επαληθεύσουν και να εκτελέσουν υπολογιστικούς αλγόριθμους αριθμητικής και στατιστικής ανάλυσης - Να προσομοιώσουν και να εφαρμόσουν τεχνικές αριθμητικής ανάλυσης σε τυπικές διεργασίες Χημικής ή/και Βιοχημικής Μηχανικής
Γενικές Ικανότητες
  • Εφαρμογή της γνώσης στην πράξη
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Προσαρμογή σε νέες καταστάσεις
  • Λήψη αποφάσεων
  • Αυτόνομη εργασία
  • Ομαδική εργασία
  • Εργασία σε διεπιστημονικό περιβάλλον
  • Άσκηση κριτικής και αυτοκριτικής
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
1. Εισαγωγή στον προγραμματισμό: σύνταξη, βασικές εντολές, μεταβλητές, συναρτήσεις, λογικές εκφράσεις και δομές ελέγχου ροής, βιβλιοθήκες 2. Επεξεργασία δεδομένων: Ποιοτική ανάλυση δεδομένων, οπτικοποίηση δεδομένων, κανονικοποίηση δεδομένων 3. Προηγμένη Στατιστική: δοκιμή υποθέσεων, είδη παλινδρόμησης, στατιστική επεξεργασία δεδομένων μεγάλου όγκου, ανάλυση κυρίων συνιστωσών, πειραματικός σχεδιασμός και ANOVA 4. Τεχνικές εξόρυξης δεδομένων: επιβλεπόμενη και μη επιβλεπόμενη μάθηση, μείωση διάστασης δεδομένων, κατηγορίοποιηση δεδομένων, δεντροδιάγραμμα αποφάσεων, συσταδοποίηση 5. Αριθμητική Ανάλυση: Εύρεση ριζών, επίλυση συστημάτων κανονικών διαφορικών εξισώσεων, γραμμικός και ακέραιος προγραμματισμός 6. Εφαρμογές σε διεργασίες Χημικής και Βιοχημικής Μηχανικής
Λέξεις Κλειδιά
Εξόρυξη δεδομένων, Αριθμητική Ανάλυση, Υπολογιστικές τεχνικές, Επεξεργασία δεδομένων
Τύποι Εκπαιδευτικού Υλικού
  • Σημειώσεις
  • Διαφάνειες
  • Βιβλίο
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
  • Χρήση Τ.Π.Ε. στη Διδασκαλία
  • Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
  • Χρήση Τ.Π.Ε. στην Αξιολόγηση των Φοιτητών
Οργάνωση Μαθήματος
ΔραστηριότητεςΦόρτος ΕργασίαςECTSΑτομικάΟμαδικάErasmus
Διαλέξεις210,7
Εργαστηριακή Άσκηση180,6
Μελέτη και ανάλυση βιβλίων και άρθρων1284,3
Εκπόνηση μελέτης (project)401,3
Εξετάσεις30,1
Σύνολο2107
Αξιολόγηση Φοιτητών
Περιγραφή
Γραπτή Τελική Εξέταση 80%, Εργασία εξαμήνου 20%
Μέθοδοι Αξιολόγησης Φοιτητών
  • Γραπτή Εργασία (Συμπερασματική)
  • Γραπτή Εξέταση με Επίλυση Προβλημάτων (Συμπερασματική)
Τελευταία Επικαιροποίηση
20-02-2024