ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΑ ΟΙΚΟΝΟΜΙΚΑ ΚΑΙ ΣΤΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΑ
| Τίτλος | ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΑ ΟΙΚΟΝΟΜΙΚΑ ΚΑΙ ΣΤΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΑ / SPECIAL TOPICS IN ECONOMICS AND FINANCE |
| Κωδικός | ΕΔΕ12 |
| Σχολή | Κοινωνικών και Οικονομικών Επιστημών |
| Τμήμα | Οικονομικών Επιστημών |
| Κύκλος / Επίπεδο | 2ος / Μεταπτυχιακό |
| Περίοδος Διδασκαλίας | Χειμερινή/Εαρινή |
| Υπεύθυνος/η | Δημήτριος Νταντάκας |
| Κοινό | Όχι |
| Κατάσταση | Ενεργό |
| Course ID | 600026526 |
Πρόγραμμα Σπουδών: ΕΠΙΣΤΗΜΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ ΣΤΑ ΟΙΚΟΝΟΜΙΚΑ ΚΑΙ ΤΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΑ
Εγγεγραμμένοι φοιτητές: 0
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|---|---|---|---|
| Κορμός | Επιλογής | 1 | 1 | 6 |
| Τίτλος | ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΑ ΟΙΚΟΝΟΜΙΚΑ ΚΑΙ ΣΤΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΑ |
| Ακαδημαϊκό Έτος | 2025 – 2026 |
| Περίοδος Τάξης | Χειμερινή |
| Διδάσκοντες μέλη ΔΕΠ | |
| Class ID | 600273580
|
Τύπος Μαθήματος
Eιδίκευσης / Kατεύθυνσης
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
- Eξ απoστάσεως εκπαίδευση
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600273580
Μαθησιακά Αποτελέσματα
Με την επιτυχή ολοκλήρωση του μαθήματος «Ειδικά Θέματα», οι φοιτητές θα είναι σε θέση να:
Αναγνωρίζουν και Αναλύουν Επίκαιρα Οικονομικά και Χρηματοοικονομικά Ζητήματα
Θα μπορούν να εντοπίζουν σύγχρονα προβλήματα στην οικονομία, τις χρηματοοικονομικές αγορές ή τον επιχειρηματικό τομέα.
Θα μπορούν να περιγράφουν τις βασικές αιτίες, τις δυναμικές και τις κοινωνικοοικονομικές συνέπειες των ζητημάτων αυτών.
Εφαρμόζουν Εργαλεία Επιστήμης Δεδομένων για Λύση Προβλημάτων
Θα μπορούν να χρησιμοποιούν στατιστικές μεθόδους, τεχνικές μηχανικής μάθησης και ανάλυση μεγάλων δεδομένων για να επεξεργαστούν οικονομικά και επιχειρηματικά δεδομένα.
Θα μπορούν να δημιουργούν μοντέλα πρόβλεψης, να ανιχνεύουν μοτίβα και να εξάγουν πρακτικά συμπεράσματα από σύνθετα δεδομένα.
Αξιολογούν και Επιλέγουν Κατάλληλα Μοντέλα και Στρατηγικές
Θα μπορούν να συγκρίνουν διαφορετικές αναλυτικές προσεγγίσεις και να επιλέγουν την πλέον κατάλληλη για κάθε πρόβλημα.
Θα μπορούν να λαμβάνουν τεκμηριωμένες αποφάσεις βασισμένες σε δεδομένα, αξιολογώντας τα πλεονεκτήματα, τα όρια και τους κινδύνους των μοντέλων που χρησιμοποιούν.
Αναπτύσσουν Στρατηγικές Αντιμετώπισης σε Σύγχρονο Οικονομικό και Επιχειρηματικό Περιβάλλον
Θα μπορούν να εφαρμόζουν τα αναλυτικά εργαλεία για να προτείνουν στρατηγικές σε πραγματικά σενάρια αβεβαιότητας ή κρίσης.
Θα μπορούν να εκτιμούν τις κοινωνικοοικονομικές συνέπειες αποφάσεων και να προτείνουν μέτρα που μειώνουν αρνητικές επιπτώσεις.
Παρουσιάζουν και Επικοινωνούν Αποτελέσματα Ανάλυσης Δεδομένων
Θα μπορούν να συντάσσουν αναλυτικές εκθέσεις και παρουσιάσεις που επικοινωνούν με σαφήνεια τα ευρήματα και τις προτάσεις τους.
Θα μπορούν να συνεργάζονται αποτελεσματικά σε ομάδες, συνδυάζοντας θεωρία, ανάλυση δεδομένων και πρακτική εφαρμογή για την επίλυση σύνθετων προβλημάτων.
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
- Λήψη αποφάσεων
- Αυτόνομη εργασία
- Εργασία σε διεθνές περιβάλλον
- Εργασία σε διεπιστημονικό περιβάλλον
- Παραγωγή νέων ερευνητικών ιδεών
- Σχεδιασμός και διαχείριση έργων
- Άσκηση κριτικής και αυτοκριτικής
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Το μάθημα αυτό εξετάζει επίκαιρα ζητήματα που άπτονται των οικονομικών, των χρηματοοικονοιμκών ή/και των επιχειρήσεων. Η ανάγκη προετοιμασίας των φοιτητών προκειμένου να αντιμετωπίσουν τις προκλήσεις του σύγχρονου οικονομικού και επιχειρηματικού περιβάλλοντος επιβάλλουν τη μελέτη επίκαιρων προβλημάτων με εργαλεία από την Επιστήμη των Δεδομένων ώστε να διαχειριστούν αποτελεσματικά τις ενδεχόμενες κοινωνικοοικονομικές επιπτώσεις.
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
- Διαδραστικές ασκήσεις
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 | 39 | ✓ | |||
| Μελέτη και ανάλυση βιβλίων και άρθρων | 60 | ✓ | |||
| Συγγραφή εργασίας / εργασιών | 81 | ✓ | ✓ | ||
| Σύνολο | 180 |
Αξιολόγηση Φοιτητών
Περιγραφή
Ασκήσεις, παρουσιάσεις στο μάθημα και εργασίες
Ασκήσεις: 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.
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εργασία (Διαμορφωτική)
- Προφορική Εξέταση (Διαμορφωτική)
- Εργαστηριακή Εργασία (Διαμορφωτική)
Βιβλιογραφία
Βιβλιογραφία μαθήματος (Εύδοξος)
Data Science for Economics and Finance: Methodologies and Applications - DOI 10.1007/978-3-030-66891-4
Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking DOI 10.5555/9781449361327
Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python DOI 10.5555/9781492072942
Machine Learning for Finance: Principles and Practice for Financial Analysts, Quantitative Analysts, and Financial Engineers DOI 10.5555/9781789136369
Επιπρόσθετη βιβλιογραφία για μελέτη
Data Science for Economics and Finance: Methodologies and Applications - DOI 10.1007/978-3-030-66891-4
Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking DOI 10.5555/9781449361327
Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python DOI 10.5555/9781492072942
Machine Learning for Finance: Principles and Practice for Financial Analysts, Quantitative Analysts, and Financial Engineers DOI 10.5555/9781789136369
Τελευταία Επικαιροποίηση
03-09-2025
