Επιχειρηματική Ευφυία και Εξόρυξη Δεδομένων (Υ-ΨΜΑΔ) (ΜΙΝ-ΨΜΑΔ)
Διδάσκων/ουσα: Έξαρχος Θεμιστοκλής, Κερμανίδου Κάτια - Λήδα
Κωδικός: MO270
Τύπος Μαθήματος: Κατεύθυνση ΨΜΑΔ - Υποχρεωτικά
Επίπεδο Μαθήματος: Προπτυχιακό
Γλώσσα Μαθήματος: Ελληνικά
Τρόπος Παράδοσης: Στην τάξη
Εξάμηνο: Ζ΄
ECTS: 5
Διδακτικές Μονάδες: 3
Ώρες Διάλεξης: 2
Ώρες Εργαστηρίου/Φροντιστηρίου: 2Ε
Σύνολο Ωρών: 4
Σελίδα E Class: https://opencourses.ionio.gr/courses/DDI200/
Προγράμματα Σπουδών: Αναμορφωμένο ΠΠΣ Πληροφορικής από 2025
Ιστορικά στοιχεία - Αποθήκες δεδομένων - Εισαγωγή στην εξαγωγή γνώσης - Μεθοδολογίες και αλγόριθμοι εξόρυξης δεδομένων – Μετασχηματισμός Δεδομένων – Διανυσματοποίηση Δεδομένων - Προ-επεξεργασία, καθάρισμα και φιλτράρισμα δεδομένων - Κανονικοποίηση – Διακριτοποίηση – Εξισορρόπηση - Προγνωστικές και περιγραφικές προσεγγίσεις εξόρυξης δεδομένων – Μηχανική χαρακτηριστικών – Επιλογή χαρακτηριστικών –Κανόνες Συσχέτισης - Συσταδοποίηση – Ομαδοποίηση – k-Means – DBScan - Αποθήκες δεδομένων και τεχνολογίες OLAP - Οπτικοποίηση δεδομένων - Αξιολόγηση |
Το μάθημα εισάγει τους φοιτητές στις βασικές έννοιες των αποθηκών δεδομένων και της εξόρυξης αυτών, ενώ τους εξοικειώνει με τις βασικές τεχνικές διαχείρισης δεδομένων και τις σχετικές μεθοδολογίες. Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές θα έχουν κατανοήσει τα βασικά χαρακτηριστικά των αποθηκών δεδομένων, καθώς και θα έχουν λάβει γνώση των βασικών εργαλείων, αλγορίθμων και μεθοδολογιών με τα οποία υλοποιείται η εξόρυξη δεδομένων στα σημερινά υπολογιστικά συστήματα. Μέσω εργασιών και εργαστηριακών ασκήσεων πραγματοποιείται πρακτική εφαρμογή των μεθοδολογιών σε επιχειρηματικά δεδομένα, δεδομένα συναλλαγών, οικονομικά δεδομένα, δεδομένα αγοράς με στόχο την εξόρυξη επιχειρηματικής γνώσης και την ενσωμάτωση επιχειρηματικής ευφυίας στις διαδικασίες ενός οργανισμού. |
Εβδομάδα 1η: Εισαγωγή στην Εξόρυξη Δεδομένων. Εφαρμογές. Ιστορικά Στοιχεία. Αποθήκες Δεδομένων. Παρουσίαση ατομικής εργασίας.
Εβδομάδα 2η: Περιγραφική Εξόρυξη. Προγνωστική εξόρυξη. Μετασχηματισμός Δεδομένων. Εξοικείωση με τον πάγκο εργαλείων εξόρυξης WEKA.
Εβδομάδα 3η: Προ-επεξεργασία, καθάρισμα και φιλτράρισμα δεδομένων - Κανονικοποίηση – Διακριτοποίηση – Εξισορρόπηση. Εργαστηριακή εφαρμογή με το WEKA.
Εβδομάδα 4η: Μηχανική Χαρακτηριστικών. Επιλογή Χαρακτηριστικών. Εργαστηριακή εφαρμογή με το WEKA.
Εβδομάδα 5η: Κανόνες Συσχέτισης. Confidence. Ακρίβεια των κανόνων. Εργαστηριακή εφαρμογή με το WEKA σε επιχειρηματικά δεδομένα για εξόρυξη επιχειρηματικής γνώσης.
Εβδομάδα 6η: Ομαδοποίηση. K-Means. DBScan. Αξιολόγηση Ομαδοποίησης. Εργαστηριακή εφαρμογή με το WEKA σε επιχειρηματικά δεδομένα για εξόρυξη επιχειρηματικής γνώσης.
Εβδομάδα 7η: Οπτικοποίηση Δεδομένων. Εργαστηριακή εφαρμογή με το WEKA. Παρουσιάσεις προόδου ατομικής εργασίας.
Εβδομάδα 8η: Εξόρυξη κειμενικών δεδομένων (Text mining). String to word vectors. Προεπεξεργασία κειμένου. Εργαστηριακή εφαρμογή με το WEKA.
Εβδομάδα 9η: Εισαγωγή στην ταξινόμηση, αλγόριθμοι. Εργαστηριακή Εφαρμογή με το WEKA σε επιχειρηματικά δεδομένα για εξόρυξη επιχειρηματικής γνώσης.
Εβδομάδα 10η: Αξιολόγηση μοντέλων, Train-Test Split, Cross validation, Εργαστηριακή Εφαρμογή με το WEKA
Εβδομάδα 11η: Παρουσιάσεις προόδου ατομικής εργασίας.
Εβδομάδα 12η: Αξιολόγηση μοντέλων, Πίνακας σύγχυσης, Ευαισθησία, Εξειδίκευσης, Ακρίβεια Θετικής Πρόβλεψης, F1 Score. Εργαστηριακή Εφαρμογή με το WEKA
Εβδομάδα 13η: Επανάληψη και Προετοιμασία για τις Εξετάσεις.
- Εισαγωγή στην εξόρυξη δεδομένων, Tan Pang – Ning,Steinbach Michael,Kumar Vipin, ISBN: 978-960-418-813-0. 2018.
- Εισαγωγή στην Εξόρυξη Δεδομένων και τις Αποθήκες Δεδομένων, Αλ. Νανόπουλος – Γ. Μανωλόπουλος, SKU: 978-960-6759-17-8
- DATA MINING, Margaret H. Dunham, ISBN: 9789608105720
- Data Mining: Practical Machine Learning Tools and Techniques,3rd Edition. Witten Ian, Frank Eibe, Hall Mark. Morgan Kaufmann
- Data Mining . The Textbook. Charu C. Aggarwal. Springer. 2015. ISBN: 978-3-319-14141-1
Πρόσωπο με πρόσωπο Διδασκαλία Διδασκαλία στην Τάξη |
Χρήση ηλεκτρονικών σημειώσεων Υποστήριξη διδασκαλίας μέσω της ηλεκτρονικής πλατφόρμας opencourses. Χρήση εργαλείων εξόρυξης δεδομένων στις εργαστηριακές ασκήσεις. |
Γραπτή τελική εξέταση (50%), με ερωτήσεις ελεύθερης ανάπτυξης και πολλαπλών επιλογών, επίλυσης προβλημάτων στην ελληνική γλώσσα.
Γραπτή ομαδική εργασία (50%) με αναφορά.
Δημόσια παρουσίαση μέσω διαφανειών της εργασίας.
Επιστροφή
Σπουδές
e-mail: cs@ionio.gr
<< | < | Οκτώβριος 2025 |
> | >> | ||
Δε | Τρ | Τε | Πε | Πα | Σα | Κυ |
1 |
2 |
3 |
4 |
5 |
||
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
20 |
21 |
22 |
23 |
24 |
25 |
26 |
27 |
28 |
29 |
30 |
31 |