Σύντομη περιγραφή προγράμματος
Η χρήση δεδομένων στη λήψη σωστών, έγκυρων και έγκαιρων αποφάσεων έχει αναχθεί σε «εκ των ων ουκ άνευ» παράγοντα επιτυχίας για τις περισσότερες σύγχρονες επιχειρήσεις και οργανισμούς. Ταυτόχρονα, με την ανάπτυξη νέων τεχνολογιών και εφαρμογών, όπως η εξάπλωση των κοινωνικών δικτύων, η εκτεταμένη χρήση smart phones, η εξάπλωση των RFID συστημάτων, κ.α. ο όγκος και η μορφή των δεδομένων έχει αλλάξει δραματικά. Σαν αποτέλεσμα, έχουν αναπτυχθεί νέες μέθοδοι διαχείρισης και αξιοποίησης δεδομένων. Oι όροι Big Data, Business Analytics και Data Science βρίσκονται πλέον στο επίκεντρο των δραστηριοτήτων των ΙΤ τμημάτων μικρών και μεγάλων οργανισμών.
Τα τελευταία χρόνια έχει αναδειχθεί ένας νέος ρόλος στις εταιρίες και τους οργανισμούς, με την ονομασία data scientist. Όπως αναφέρει το περιοδικό Economist «μία νέα ιδιότητα στελέχους έχει αναδειχθεί, ο επιστημονικός υπεύθυνος δεδομένων (the data scientist), ο οποίος συνδυάζει τα προσόντα ενός ικανού προγραμματιστή, στατιστικού και αφηγητή με σκοπό να ανακαλύψει τους «σβώλους χρυσού» που υπάρχουν κάτω από τεράστιους όγκους δεδομένων». Επίσης, ο Tom Davenport σε πρόσφατο άρθρο του στο Harvard Business Review («Data Scientist: The Sexiest Job of the 21st Century») επιχειρηματολογεί για την αναγκαιότητα τέτοιων επαγγελματιών, ενώ επισημαίνει τη μεγάλη έλλειψη ανθρώπων σε αυτόν τον κλάδο. Μία πρόσφατη μελέτη της Gartner, προβλέπει 1,9 εκατ. θέσεις εργασίας για data scientists και άλλα 4 εκατ. για την υποστήριξη αυτών - μόνο στις Η.Π.Α - τα επόμενα τρία χρόνια.
Τρόπος διεξαγωγής
Οι καταρτιζόμενοι μπορούν να παρακολουθήσουν το πρόγραμμα με δύο διαφορετικούς τρόπους: με
δια ζώσης παρακολούθηση, ή παρακολούθηση με
Live Streaming, δηλαδή μέσω ηλεκτρονικής πλατφόρμας από τον χώρο της επιλογής τους. Οι καταρτιζόμενοι επιλέγουν τον τρόπο παρακολούθησης στην αίτησή τους. H Live Streaming μέθοδος παρέχει τα εξής πλεονεκτήματα:
- Εκπαίδευση χωρίς γεωγραφικούς περιορισμούς
- Παρακολούθηση των διαλέξεων (Live) από το χώρο του εκπαιδευόμενου
- Δυνατότητα υποβολής ερωτήσεων στον διδάσκοντα
- Εξέταση μέσω ηλεκτρονικής πλατφόρμας από το χώρο του εκπαιδευόμενου
- Δυνατότητα παρακολούθησης της βιντεοσκοπημένης διάλεξης σε μεταγενέστερο χρόνο έως την ολοκλήρωση του προγράμματος
- Ηλεκτρονική διάθεση του εκπαιδευτικού υλικού του προγράμματος (ολόκληρο το εκπαιδευτικό υλικό προσφέρεται δωρεάν)
Μαθησιακά αποτελέσματα
Το συγκεκριμένο σεμινάριο έχει διάρκεια 60 ωρών, διαιρεμένο σε 10 εβδομάδες των δύο τρίωρων διαλέξεων/εβδομάδα. Ο σκοπός του είναι να αποτελέσει για τον καταρτιζόμενο μία αρχική εισαγωγή στους βασικούς τομείς των business analytics & big data: διαχείριση δεδομένων, στατιστική, μηχανική εκμάθηση, εργαλεία και συστήματα. Ιδιαίτερη έμφαση δίνεται στην πρακτική διάσταση των παραπάνω τομέων και λιγότερο στις θεωρητικές έννοιες. Σαν αποτέλεσμα, τα θέματα του σεμιναρίου επικεντρώνονται σε εργαλεία και συστήματα που χρησιμοποιούνται σε εφαρμογές big data και την επίδειξη και κατανόηση του λεγόμενου data analysis life cycle.
Θεματικές ενότητες
- Modern Data Management, Business Intelligence and Big Data Systems
Fundamentals of modern data management: data modeling, query languages, query processing, parallel and distributed systems, transactions. The 3Vs of big data. The data analysis lifecycle. Business Intelligence: Architectures, multi-dimensional modeling, data cubes, OLAP, indexing, applications, visualization. In-memory and column-oriented technologies. Business intelligence in the big data era. Big Data Systems: Hadoop and related technologies, NoSQL systems (Mongo, Redis, Cassandra, graph databases), stream engines. - Big Data Systems, A Practical Outline
A brief presentation of five systems used in big data applications, along with representative applications: Hadoop/HDFS/Hive, Cassandra, MongoDB, Spark and Redis. - Statistics for Business Analytics, An Overview
An overview of statistical methods, techniques and principles used in predictive analytics along with examples. - An Introduction to R with Applications
An introduction to R, programming, statistical modeling, visualizations, examples on how to use it in analytics application. - Mining Big Datasets
An overview of data mining concepts such as clustering, classification, association rules, graph mining over large datasets, along with techniques, algorithms, examples. - Working with Python for Analytics
An introduction to Python and examples on how to use it in analytics application. - Social Media Analytics
Social Networks metrics, graph theory. Systems, tools and techniques. - Visual Analytics
Advanced data visualization techniques and practices, specifically for big data interactive exploratory analysis, with live demos and applications. - Data Privacy Issues
- Analytics Case Studies
Four representative end-to-end analytics case studies, presented by established consulting/software firms and ambitious startups alike. The case studies may be drawn from financial, energy, insurance, healthcare and other domains.
Η αξία του προγράμματος
Η χρησιμοποίηση δεδομένων στη λήψη σωστών, έγκυρων και έγκαιρων αποφάσεων έχει αναχθεί σε «εκ των ουκ άνευ» παράγοντα επιτυχίας για τις περισσότερες σύγχρονες επιχειρήσεις και οργανισμούς. Ταυτόχρονα, τα τελευταία χρόνια, με την ανάπτυξη νέων τεχνολογιών και εφαρμογών, όπως η εξάπλωση των κοινωνικών δικτύων, η εκτεταμένη χρήση smart phones, η εξάπλωση των RFID συστημάτων, ο όγκος και η μορφή των δεδομένων έχει αλλάξει δραματικά. Oι όροι Big Data, Business Analytics και Data Science βρίσκονται πλέον στο επίκεντρο των δραστηριοτήτων των ΙΤ τμημάτων, μικρών και μεγάλων οργανισμών.
Εβδομαδιαίο πρόγραμμα
Τα μαθήματα γίνονται στους χώρους του ΚΕΔΙΒΙΜ του Οικονομικού Πανεπιστημίου Αθηνών (Κεφαλληνίας 46, 11251, Αθήνα), δύο ή τρεις ημέρες την εβδομάδα, απογευματινές ώρες (18.00-21.00) και ένα Σάββατο πρωί (9.30-15.00). Το αναλυτικό ωρολόγιο πρόγραμμα των μαθημάτων βρίσκεται αναρτημένο στο Ενημερωτικό φυλλάδιο στις Πληροφορίες του προγράμματος.
Μέθοδοι αξιολόγησης και υπολογισμού τελικού βαθμού
Γραπτή αξιολόγηση (ερωτήσεις πολλαπλής επιλογής)
Πιστοποίηση στα εργαλεία της Google 2022 με μονάδες ECTS μέσω ΚΕΔΙΒΙΜ του πανεπιστημίου Θεσσαλίας
Κατακτώντας τη δύναμη του Excel: Ένα πολύτιμο εργαλείο στο εργασιακό περιβάλλον