Περιγραφή
Το μάθημα στοχεύει στην εισαγωγή στις θεμελιώδεις έννοιες της σύγχρονης επιστήμης δεδομένων, παρέχοντας τόσο μια βασική θεωρητική κατανόηση όσο και εμπειρία στην εφαρμογή αυτών των μεθόδων. Αρχικά, θα δώσει έμφαση στην απόκτηση βασικών θεωρητικών δεξιοτήτων μέσω του συνδυασμού γνώσεων από άλγεβρα (διανύσματα και πίνακες), λογισμό (ελαχιστοποίηση συναρτήσεων) και πιθανότητες (κατανομές). Στη συνέχεια, το μάθημα θα προχωρήσει σε βασικούς αλγορίθμους και τεχνικές ανάλυσης δεδομένων όπως η μηχανική μάθηση, η προεπεξεργασία δεδομένων και η ανάπτυξη συστημάτων. Στο τελευταίο μέρος του μαθήματος, η έμφαση θα δοθεί σε εφαρμογές σε πρακτικούς τομείς, συμπεριλαμβανομένης της ανάλυσης χρονοσειρών, της κατανόησης εικόνας, της ανάλυσης κειμένου και της μοντελοποίησης γραφημάτων.
Κάθε εβδομάδα, θα καλύπτεται ένα βασικό θέμα, με τρεις ώρες αφιερωμένες σε παραδοσιακές διαλέξεις και μία ώρα αφιερωμένη σε πρακτικές συνεδρίες. Αυτές οι συνεδρίες όχι μόνο θα παρέχουν μια συζήτηση για το θέμα κάθε εβδομάδας, αλλά και θα εμπλέκουν ενεργά τους μαθητές μέσω εργασιών παρακολούθησης και επακόλουθης σύνταξης εκθέσεων. Για να διευκολύνουμε την πρακτική πτυχή του μαθήματος, θα χρησιμοποιήσουμε ελεύθερα διαθέσιμους πόρους, ιδιαίτερα βιβλιοθήκες Python όπως NumPy, Pandas, Scikit-learn και TensorFlow. Επιπλέον, θα αξιοποιήσουμε δωρεάν υπολογιστικούς πόρους που διατίθενται μέσω πλατφορμών όπως το Google Colab. Αυτή η προσέγγιση διασφαλίζει ότι οι φοιτητές έχουν πρόσβαση στα απαραίτητα εργαλεία για να ασχοληθούν επιτυχώς με το υλικό του μαθήματος, προωθώντας τόσο τη θεωρητική κατανόηση όσο και την ανάπτυξη των πρακτικών δεξιοτήτων τους.
Με την ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι εξοπλισμένοι με τις γνώσεις και την εμπειρία για να εφαρμόσουν βασικές αρχές και τεχνικές της επιστήμης των δεδομένων σε διάφορα σενάρια, προετοιμάζοντάς τους για προηγμένες σπουδές ή σταδιοδρομίες στον τομέα.
Μαθησιακοί Στόχοι
Το προτεινόμενο μάθημα «Επιστήμη δεδομένων και εφαρμογές» θα παρέχει μια επισκόπηση των βασικών εργαλείων, τεχνικών και αρχών της επιστήμης των δεδομένων. Στόχος του μαθήματος είναι η εισαγωγή των φοιτητών στο γνωστικό αντικείμενο της ανάλυσης δεδομένων όπως αυτό σχετίζεται με την πληροφορική. Ο στόχος αυτός θα επιδιωχθεί με την έκθεση των φοιτητών τόσο σε θεωρητικές έννοιες του θέματος όσο και στην πρακτική εφαρμογή διαφορετικών μεθόδων στην ανάλυση πραγματικών δεδομένων. Το μάθημα έχει σχεδιαστεί για να εξοπλίσει τους προπτυχιακούς φοιτητές του 4ου έτους με μια σταθερή βάση στην επιστήμη των δεδομένων, προετοιμάζοντάς τους για πιο προηγμένες σπουδές ή επαγγελματική εργασία στον τομέα. Ο σχεδιασμός του μαθήματος στηρίζεται έναν ισορροπημένο συνδυασμό διαλέξεων και πρακτικών εργαστηρίων για την εδραίωση και εφαρμογή των νεοαποκτηθεισών γνώσεων. Με την επιτυχή παρακολούθηση του μαθήματος, οι φοιτητές θα έχουν αποκτείσει μια ολοκληρωμένη κατανόηση των βασικών αρχών της επιστήμης των δεδομένων και θα είναι σε θέση να εφαρμόσουν τις γνώσεις τους σε διάφορα πρακτικά πλαίσια.
ECTS
6
Προαπαιτούμενα
ΗΥ-119, ΗΥ-150, ΗΥ-217
Κατάλογος μαθημάτων
A+
A-
Τα μαθήματα του Τμήματος Επιστήμης Υπολογιστών κωδικοποιούνται με τα γράμματα "ΗΥ" και με τρία ψηφία. Το πρώτο ψηφίο δηλώνει το έτος κατά το οποίο συνήθως παρακολουθείται το μάθημα, το δε δεύτερο την επιστημονική περιοχή του μαθήματος:
Πρώτο Ψηφίο
Κανονικό Έτος Παρακολούθησης
1,2,3,4
Πρώτο, Δεύτερο, Τρίτο, Τέταρτο
5,6
Μεταπτυχιακά μαθήματα
7,8,9
Ειδικά θέματα
Δεύτερο Ψηφίο
Επιστημονική Περιοχή
0
Εισαγωγικά - Γενικά
1
Υπόβαθρο (Μαθηματικά, Φυσική)
2
Υλικό και Συστήματα Υπολογιστών
3
Τηλεπικοινωνίες και Δίκτυα
4,5
Συστήματα Λογισμικού και Εφαρμογές
6
Πληροφοριακά Συστήματα
7
Υπολογιστική Όραση και Ρομποτική
8
Αλγοριθμική και Θεωρία Υπολογισμού
9
Ειδικές Εργασίες
Ακολουθούν συνοπτικοί κατάλογοι κατά κατηγορίες των μαθημάτων του προγράμματος βασικών σπουδών του Τμήματος Επιστήμης Υπολογιστών του Πανεπιστημίου Κρήτης. Μαθήματα των οποίων οι κωδικοί αρχίζουν με "ΜΕΜ" ή "ΦΥΣ" διδάσκονται από το Τμήμα Μαθηματικών Εφαρμοσμένων Μαθηματικών ή το Φυσικό αντιστοίχως και αναφέρονται με τους οικείους κωδικούς. Τα προαπαιτούμενα που αναφέρονται μέσα σε παρενθέσεις συνιστώνται έντονα, αλλά δεν είναι υποχρεωτικά.