Ηλεκτρονική Διάθεση Μαθήματος
Μαθησιακά Αποτελέσματα
Μετά την ολοκλήρωση του μαθήματος, οι φοιτητές αναμένεται να είναι σε θέση να: 1) Γράφουν κώδικα ώστε να εισάγουν δεδομένα από άλλα στατιστικά πακέτα, αρχεία και άλλα προγράμματα ενώ θα έχουν δει πως λειτουργεί η βασική δομή της R. 2) Διαχειριστούν δεδομένα και να παράγουν γραφήματα. 3) Αναλύουν δεδομένα και να υπολογίζουν στατιστικά μέτρα. 4) Εφαρμόζουν στατιστικές μεθόδους σε δείγματα.
Περιεχόμενο Μαθήματος
Εισαγωγή στην R, Εισαγωγή Δεδομένων, Οπτικοποίηση Δεδομένων, Διερευνητική Ανάλυση Δεδομένων, Στατιστική Συμπερασματολογία, Συσχέτιση και Παλινδρόμηση, Εισαγωγή στη Μηχανική Μάθηση
Περιγραφή
Ασκήσεις, παρουσιάσεις στο μάθημα και εργασίες: Κατά τη διάρκεια των εργαστηριακών μαθημάτων και των σεμιναρίων, οι φοιτητές θα εκτελούν πρακτικές ασκήσεις σε R για ανάλυση διεθνών οικονομικών δεδομένων, δημιουργία οπτικοποιήσεων, εφαρμογή οικονομετρικών μοντέλων και χρήση τεχνικών πρόβλεψης. Οι ασκήσεις στοχεύουν στην ενίσχυση της θεωρητικής γνώσης μέσω πρακτικής εμπειρίας.
Παρουσιάσεις στο μάθημα: Οι φοιτητές θα προετοιμάζουν σύντομες παρουσιάσεις (5–10 λεπτά) σε επιλεγμένα θέματα από τις τέσσερις ενότητες του μαθήματος, αναλύοντας τόσο θεωρητικές έννοιες όσο και πρακτικές εφαρμογές, και προάγοντας τη συζήτηση και την κριτική σκέψη.
Εργασίες: Οι φοιτητές καλούνται να ολοκληρώσουν ένα σεμιναριακό έργο ή γραπτή εργασία που εφαρμόζει τις έννοιες του μαθήματος σε πραγματικά σύνολα δεδομένων. Το έργο μπορεί να περιλαμβάνει ανάλυση δεδομένων, οικονομετρική μοντελοποίηση, οπτικοποίηση και αξιολόγηση πολιτικών, και θα ολοκληρώνεται με γραπτή αναφορά και/ή παρουσίαση.
Επιπρόσθετη βιβλιογραφία για μελέτη
Arnold, M. C., & Hanck, C. (n.d.). Introduction to econometrics with R.
Bruce, P., Bruce, A., & Gedeck, P. (2020). Practical statistics for data scientists: 50+ essential concepts using R and Python (2nd ed.). O’Reilly Media.
Consoli, S., Reforgiato Recupero, D., & Saisana, M. (Eds.). (2021). Data science for economics and finance: Methodologies and applications. Springer.
Provost, F., & Fawcett, T. (2013). Data science for business: What you need to know about data mining and data-analytic thinking. O'Reilly Media.
Ripio, R. L. (n.d.). R for economic research.