Με την ολοκλήρωση του μαθήματος οι φοιτητές/τριες αναμένεται να είναι σε θέση να:
• Αποκτήσουν γνώσεις σχετικά με τις βασικές αρχές προγραμματισμού στο πλαίσιο της βάσης δεδομένων.
• Αναπτύξουν ικανότητες χειρισμού δεδομένων
• Εφαρμόζουν την υπολογιστική σκέψη σε διάφορους τομείς εφαρμογών
• Γνωρίζουν εργαλεία τελευταίας τεχνολογίας, π.χ. SQL, Python, R και Git.
• Κατανοούν και να αναλύουν δεδομένα
Στόχος του μαθήματος είναι η εξοικείωση των φοιτητών με τις κύριες αρχές προγραμματισμού ηλεκτρονικών υπολογιστών μέσα από την εκμάθηση της Java που είναι μια γλώσσα προγραμματισμού υψηλού επιπέδου. Διδάσκονται λεπτομερώς οι βασικές αρχές της αντικειμενοστρέφειας αλλά και του σωστού σχεδιασμού κώδικα και επαναχρησιμοποίησης του μέσω βιβλιοθηκών.
Σκοπός του μαθήματος είναι η εξοικείωση των φοιτητών με τις βασικές έννοιες του ορίου, της συνέχειας, της παραγώγισης και του ολοκληρώματος. Επιπλέον σκοπεύει να φέρει το φοιτητή σε μια πρώτη επαφή με την θεωρία βελτιστοποίησης καθώς και να τον βοηθήσει στην κατανόηση και εκμάθηση των κατάλληλων μαθηματικών μεθόδων, που θα τον οδηγήσουν, στην καλύτερη δυνατή ανάλυση, μελέτη και επίλυση οικονομικών, διοικητικών και άλλων προβλημάτων της επιχείρησης με τη χρησιμοποίηση της μαθηματικής ανάλυσης.
Σκοπός του μαθήματος είναι η εξοικείωση των φοιτητών με τις βασικές έννοιες του ορίου, της συνέχειας, της παραγώγισης και του ολοκληρώματος. Επιπλέον σκοπεύει να φέρει το φοιτητή σε μια πρώτη επαφή με την θεωρία βελτιστοποίησης καθώς και να τον βοηθήσει στην κατανόηση και εκμάθηση των κατάλληλων μαθηματικών μεθόδων, που θα τον οδηγήσουν, στην καλύτερη δυνατή ανάλυση, μελέτη και επίλυση οικονομικών, διοικητικών και άλλων προβλημάτων της επιχείρησης με τη χρησιμοποίηση της μαθηματικής ανάλυσης.
Undergraduate Programmes
Πτυχίο στην Επιστήμη Δεδομένων
Το Πτυχίο στην Επιστήμη Δεδομένων παρέχει μια περιεκτική βάση σε στατιστικές, μαθηματικές και υπολογιστικές μεθόδους για προχωρημένη ανάλυση δεδομένων. Είναι σχεδιασμένο ούτως ώστε να καλύψει την αυξανόμενη παγκόσμια ζήτηση για επαγγελματίες της επιστήμης των δεδομένων και ποσοτικούς αναλυτές. Το πρόγραμμα εφοδιάζει τους/ις φοιτητές/τριες με σύγχρονες τεχνικές στην εξόρυξη, διαχείριση και ανάλυση δεδομένων, τη μηχανική μάθηση και την υπολογιστική στατιστική. Μέσω της συνεργασίας μεταξύ ακαδημαϊκών Τμημάτων του ΤΕΠΑΚ που σχετίζονται με επιστήμη υπολογιστών και πληροφορική, οι φοιτητές/τριες αποκτούν εκπαίδευση που συνδυάζει ενδελεχή μαθηματική και υπολογιστική εκπαίδευση με πρακτικές δεξιότητες σε συστήματα δεδομένων, προγραμματισμό, βελτιστοποίηση και εφαρμοσμένη ανάλυση. Αυτή η προσέγγιση επιτρέπει στους απόφοιτους να αντιμετωπίσουν σύνθετες προκλήσεις που σχετίζονται με μεγάλες και σύνθετες βάσεις δεδομένων σε διάφορους τομείς της βιομηχανίας. Η μοναδικότητα του προγράμματος ως το πρώτο του είδους του που προσφέρεται από δημόσιο πανεπιστήμιο στην Κύπρο διασφαλίζει πληθώρα ευκαιριών καριέρας σε αυτόν τον συνεχώς εξελισσόμενο τομέα, τόσο στην Κύπρο όσο και στο εξωτερικό.
ΠΡΟΟΠΤΙΚΕΣ ΑΠΑΣΧΟΛΗΣΗΣ ΤΩΝ ΑΠΟΦΟΙΤΩΝ
Οι προοπτικές απασχόλησης περιγράφονται ως ακολούθως ως προς το προφίλ ικανοτήτων των αποφοίτων:
Επιστήμη δεδομένων: Η έμφαση δίνεται στην ανάπτυξη προηγμένων ποσοτικών δεξιοτήτων για την ανάλυση δεδομένων, με έμφαση στην υπολογιστική στατιστική και τη διαχείριση δεδομένων. Το προφίλ των αποφοίτων είναι ιδανικό για ρόλους όπως αναλυτής δεδομένων, μηχανικός δεδομένων, αναλυτής επιχειρηματικής ευφυΐας, μηχανικός μηχανικής μάθησης, διαχειριστής βάσεων δεδομένων, αναλυτής έρευνας αγοράς, καθώς και για υποστήριξη σε τομείς όπως η επιδημιολογία και η παρακολούθηση της κλιματικής αλλαγής.
ΓΙΑΤΙ ΠΤΥΧΙΟ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΔΕΔΟΜΕΝΩΝ
Η Επιστήμη Δεδομένων αποτελεί έναν δυναμικά αναπτυσσόμενο κλάδο με πολλές προοπτικές άμεσης και υψηλά αμειβόμενης απασχόλησης. Ορισμένοι από τους λόγους για τους οποίους κάποιος μπορεί να επιλέξει να σπουδάσει στον τομέα αυτό είναι οι εξής:
Αυξημένη ζήτηση στην αγορά εργασίας:
Η επιστήμη δεδομένων είναι ένα γνωστικό αντικείμενο και πεδίο έρευνας που αναμένεται να προσφέρει πολλές ευκαιρίες απασχόλησης στους αποφοίτους του. Οι θέσεις εργασίας είναι ποικίλες και περιλαμβάνουν ρόλους όπως ποσοτικοί αναλυτές και επιστήμονες δεδομένων σε εταιρείες τεχνολογίας και πληροφορικής. Σε παγκόσμιο επίπεδο, οι εταιρείες αναζητούν ειδικούς στην επεξεργασία, ανάλυση και αξιοποίηση δεδομένων για την ανάπτυξη καινοτόμων προϊόντων και υπηρεσιών μέσω της τεχνητής νοημοσύνης (AI) και της μηχανικής μάθησης,
προκειμένου να λάβουν πιο ενημερωμένες και ορθολογικές αποφάσεις πριν από την ανάπτυξη στρατηγικών.
Σύμφωνα με πρόσφατες έρευνες, η ικανότητα ανάλυσης δεδομένων και εξαγωγής πολύτιμης γνώσης από αυτά θεωρείται εξαιρετικά σημαντική και κατατάσσεται σταθερά ανάμεσα στις είκοσι πιο απαραίτητες δεξιότητες (hard skills) για την εξεύρεση εργασίας που ζητούν οι εργοδότες. Επιπλέον, το επάγγελμα του αναλυτή και επιστήμονα δεδομένων κατατάσσεται σταθερά ανάμεσα στα πιο περιζήτητα επαγγέλματα.
Προοπτικές υψηλών αποδοχών:
Οι επιστήμονες δεδομένων κατατάσσονται ανάμεσα στους καλύτερα αμειβόμενους επαγγελματίες, κυρίως λόγω των εξειδικευμένων γνώσεων που απαιτούνται και της σημαντικής προστιθέμενης αξίας που προσφέρουν στις εταιρείες και οργανισμούς όπου εργάζονται.
Συνδυασμός τεχνικών και επιχειρηματικών δεξιοτήτων:
Η επιστήμη δεδομένων ενσωματώνει στατιστική ανάλυση, γνώσεις προγραμματισμού και επιχειρηματική στρατηγική. Στόχος της είναι να εντοπίσει και να επιλύσει τα προβλήματα που αντιμετωπίζουν επιχειρήσεις και οργανισμοί, χρησιμοποιώντας μια διεπιστημονική προσέγγιση που περιλαμβάνει πλήθος στοιχείων και δεδομένων. Συνδυάζει επιστήμες όπως τα μαθηματικά, τη στατιστική, την επιστήμη των υπολογιστών, την επιχειρησιακή έρευνα, καθώς και τη διοίκηση και επιχειρηματικότητα.
Λύση σύγχρονων προβλημάτων:
Πολλά από τα σημαντικότερα σύγχρονα προβλήματα, όπως η λήψη οικονομικών και επενδυτικών αποφάσεων, η κλιματική αλλαγή, η υγεία και η διαχείριση ενέργειας, μπορούν να αντιμετωπιστούν πιο αποτελεσματικά μέσω της ανάλυσης μεγάλων δεδομένων. Χρησιμοποιώντας τις προαναφερόμενες επιστήμες, όπως η υπολογιστική στατιστική, τα μαθηματικά, η επιστήμη υπολογιστών και η πληροφορική, και εξετάζοντας τα προβλήματα από πολλές οπτικές γωνίες, ο επιστήμονας δεδομένων προσπαθεί να επιλύσει διάφορα κοινωνικά ή άλλα ζητήματα μέσω της κατανόησης των δεδομένων. Αυτό περιλαμβάνει τον εντοπισμό μοτίβων και τάσεων, καθώς και τη δημιουργία αλγορίθμων, προγραμμάτων και καινοτόμων ή έξυπνων εφαρμογών.
ECTS
ECTS
ECTS
ECTS
ECTS
ECTS
ECTS
ECTS
ECTS
(23)
Οι προοπτικές απασχόλησης περιγράφονται ως ακολούθως ως προς το προφίλ ικανοτήτων των αποφοίτων του εν λόγω πτυχίου: Το πρόγραμμα σπουδών επικεντρώνεται στην ανάπτυξη προηγμένων ποσοτικών δεξιοτήτων για την ανάλυση δεδομένων, με έμφαση στην υπολογιστική στατιστική και τη διαχείριση δεδομένων. Το προφίλ των αποφοίτων είναι ιδανικό για ρόλους όπως αναλυτής δεδομένων, μηχανικός δεδομένων, αναλυτής επιχειρηματικής ευφυΐας, μηχανικός μηχανικής μάθησης, διαχειριστής βάσεων δεδομένων, αναλυτής έρευνας αγοράς, καθώς και για υποστήριξη σε τομείς όπως η επιδημιολογία και η παρακολούθηση της κλιματικής αλλαγής.
- Ποιοι είναι οι παράγοντες που καθορίζουν και προσδιορίζουν τη Σχολική Επιστήμη ως αυτόνομο πεδίο γνώσης;
- Ποιες είναι οι απαραίτητες δεξιότητες, γνώσεις, στάσεις και αξίες που κρίνονται αναγκαίες να αναπτυχθούν από τους μαθητές μέσω της διδασκαλίας των Φυσικών Επιστημών;
- Ποιες είναι οι πρώτες ιδέες των μαθητών αναφορικά με έννοιες και φαινόμενα των Φυσικών Επιστημών και πώς μπορούν αυτές να αποτελέσουν την αφετηρία για τη συγκρότηση της σχολικής φυσικο-επιστημονικής γνώσης;
- Αναγκαιότητα της συστηματικής εξέτασης της διδασκαλίας των Φυσικών Επιστημών
- Βασικό εννοιολογικό πλαίσιο της Διδακτικής των ΦΕ.
- Σύγχρονοι μέθοδοι διδασκαλίας των ΦΕ όπως: γενικά χαρακτηριστικά της διδασκαλίας, κριτήρια επιλογής περιεχομένου, διαδικασιών μάθησης, βηματισμού κα μεθόδων αξιολόγησης, σχεδιασμός και ανάπτυξη διδακτικού υλικού
Το μάθημα αυτό παρέχει γνώσεις σχετικά με τη σύσταση και κατανομή της ατμοσφαίρας με το ύψος. Το προφίλ της θερμοκρασίας της ατμοσφαίρας. Ατμοσφαιρικές περιοχές. Η υδροστατική εξίσωση και εφαρμογές της στην ατμόσφαιρα. Παράμετροι υγρασίας. Ατμοσφαιρικές Μεταβολές. Ευστάθεια – Αστάθεια Ατμόσφαιρας. Στοιχεία Φυσικής Νεφών: Τύποι νεφών. Μηχανισμοί σχηματισμού νεφών. Ατμοσφαιρικά αιωρήματα. Υδροσυμπύκνωση. Αύξηση μεγέθους νεφοσταγώνων μέσω συμπύκνωσης, κρούσεων και συνένωσης. Γενική κυκλοφορία της ατμοσφαίρας. Περιβαλλοντικές Επιπτώσεις.
Η περιβαλλοντική πολιτική στην Κύπρο και στην Ευρωπαϊκή Ένωση. Πολιτική ιδεολογία – Πράσινα κόμματα. Διάφοροι δράστες διαμόρφωσης περιβαλλοντικής πολιτικής. Διασυνοριακή Ρύπανση στη διεθνή έννομη τάξη. Οικονομική ανάπτυξη και προστασία περιβάλλοντος. Περιβαλλοντικά προβλήματα και δίκαιο. Περιγραφή κανόνων δικαίου (σύνταγμα, νόμοι, οδηγίες, κανονισμοί, κτλ). Κανόνες δικαίου για τα διάφορα περιβαλλοντικά προβλήματα (ρύπανση θάλασσας και νερού, δάση και βιοποικιλότητα, απόβλητα, κτλ). Εύρεση νόμων. Θα γίνει ειδική αναφορά στην Ευρωπαϊκή περιβαλλοντική πολιτική με έμφαση σε θέματα πολιτικών υδατικών πόρων και συγκεκριμένα στην εφαρμογή της Οδηγίας Πλαίσιο για τα νερά WFD 2000/60/EK στα κράτη μέλη της Ε.Ε. Γίνεται αποτίμηση της εφαρμογής της Οδηγίας Πλαίσιο στην Ελλάδα και συγκεκριμένα στα σχέδια διαχείρισης των υδατικών διαμερισμάτων της χώρας.
Το μάθημα εξετάζει θέματα όπως: πλεονεκτήματα της χρήσης ανανεώσιμων πηγών ενέργειας, τη συνεισφορά των ανανεώσιμων πηγών ενέργειας στην αειφορία και τη βιώσιμη ανάπτυξη, ηλιακή ενέργεια, ηλιακοί θερμοσυλλέκτες, κατανάλωση και εξοικονόμηση ενέργειας σε κτίρια, συστήματα μετατροπής της ηλιακής ενέργειας σε ηλεκτρική, φωτοβολταϊκά συστήματα, ενέργεια ωκεανών και θαλασσών, αιολική ενέργεια, υδροηλεκτρική ενέργεια, γεωθερμική ενέργεια, βιομάζα, βιοκαύσιμα και πράσινα καύσιμα.
Το μάθημα θα ακολουθεί τις υποδείξεις του CCPS η οποία συνάδει με τις υποχρεώσεις για πιστοποίηση των Χημικών Μηχανικών σε θέματα ασφάλειας διεργασιών στο αναλυτικό τους πρόγραμμα.
Το μάθημα θα εστιάζεται στα πιο κάτω:
Οι υποχρεώσεις των χημικών μηχανικών στο χώρο εργασίας
Μια ανασκόπηση της εργασιακής νομοθεσίας
Μια λεπτομερής μελέτη των κινδύνων και του ελέγχου τους
Μια αναλυτική συζήτηση της ανθρώπινης συμπεριφοράς όσον αφορά τις δυνατότητες και τους περιορισμούς
Κύρια σημεία στη διαχείριση της ασφάλειας και της υγείας στην εργασία μέσω της διαχείρισης του κινδύνου, των αναλύσεων, σχεδίων και προγραμμάτων ασφάλειας
Η έννοια της διαχείρισης της ασφάλειας της διεργασίας (PSM)
Τα 20 στοιχεία ασφάλειας όπως καθορίζονται από τον CCPS
Η ανάγκη της ασφάλειας με τη χρήση διαφόρων σοβαρών ατυχημάτων ως παραδείγματα.