Ο κύριος στόχος του μαθήματος είναι να εξοπλίσει τους φοιτητές με τις δεξιότητες να εκτελούν και να ερμηνεύουν τις αναλύσεις δεδομένων Bayes. Το μάθημα σκοπεύει να προσφέρει μια διεξοδική εισαγωγή στην Μπεϋζιανή προσέγγιση στην ανάλυση και μοντελοποίηση δεδομένων καθώς και μια εισαγωγή στα υπολογιστικά εργαλεία που καθιστούν δυνατή τη χρήση των Μπεϋζιανών μεθόδων στην πράξη.
Αυτό το μάθημα στοχεύει στην εισαγωγή των σπουδαστών στον τομέα της απεικόνισης δεδομένων. Θα παρέχονται στους φοιτητές βασικές γνώσεις για την απεικόνιση δεδομένων και μοντέλων. Ο κύριος στόχος είναι να κατανοήσουν οι φοιτητές τη μετατροπή των δεδομένων σε οπτικές αναπαραστάσεις για το σκοπό της περιγραφής και έρευνας δεδομένων, εξέτασης υποθέσεων, συσχετίσεων και παρουσίασης αποδεικτικών στοιχείων. Σκοπός του μαθήματος είναι η αποτελεσματική κατανόηση και εφαρμογή των αρχών της απεικόνισης δεδομένων, η βελτίωση των δεξιοτήτων συλλογής και διαχείρισης δεδομένων για την απεικόνιση, και η εφαρμογή τεχνικών απεικόνισης δεδομένων για την ανάλυση σχετικών συνόλων δεδομένων.
Σκοπός του μαθήματος είναι η παρουσίαση και η ανάλυση των βασικών εργαλείων της Θεωρίας Παιγνίων με κύριο στόχο την κατανόηση από τους φοιτητές της σημασία της θεωρίας παιγνίων για τη λήψη αποφάσεων σε διάφορες επιστήμες.
Πιο συγκεκριμένα, η Θεωρία Παιγνίων ασχολείται με τη λήψη αποφάσεων από στρατηγικά αλληλεξαρτώμενους παράγοντες. Το μάθημα εξετάζει και αναλύει έννοιες ισορροπίας σε στατικά και δυναμικά παίγνια υπό καθεστώς πλήρους και τέλειας πληροφόρησης καθώς και υπό καθεστώς ελλιπούς πληροφόρησης.
Σκοπός του μαθήματος είναι η μελέτη τεχνικών της επιχειρησιακής έρευνας και μεθοδολογίας με στόχο την εφαρμογή τους για τη λήψη βέλτιστων διοικητικών αποφάσεων. Έμφαση δίνεται στηv επίλυση προβλημάτων και στη μελέτη μοντέλων στους κλάδους της χρηματοοικονομικής, της διοικητικής επιστήμης, των οικονομικών και της ναυτιλίας. Εργασίες και ασκήσεις με λογισμικά θα πραγματοποιηθούν κατά τη διάρκεια των περιόδων των διαλέξεων και φροντιστηρίων. Μερικά απο αυτά τα θέματα θα αποτελέσουν αντικείμενο μελέτης και θα παρουσιαστούν κατά τη διάρκεια του μαθήματος. Με τη συμπλήρωση των μαθημάτων οι φοιτητές αναμένεται να είναι σε θέση να εντοπίζουν, να χρησιμοποιούν και να αναλύουν τις κατάλληλες τεχνικές που χρειάζονται για την απάντηση διάφορων ερωτημάτων στους τομείς εξειδίκευσης. Το μάθημα είναι ειδικά προσαρμοσμένο για φοιτητές που ενδιαφέρονται να εμπλουτίσουν και να εμβαθύνουν τις γνώσεις τους στη λήψη αποφάσεων σε επιχειρησιακό περιβάλλον.
Στόχος του μαθήματος είναι η εισαγωγή στη θεωρία των γραφημάτων. Κατά την διάρκεια του μαθήματος θα συζητηθούν εφαρμογές της θεωρίας των γράφων στην Επιστήμη Υπολογιστών. Έμφαση θα δίνεται στην ανάγνωση, την κατανόηση και την ανάπτυξη αποδείξεων θεωρητικών γράφων. Τα θέματα που θα αναλυθούν στη διάρκεια του μαθήματος είναι τα πιο κάτω: μοίρες, μονοπάτια, δέντρα, κύκλοι, γραφήματα Eulerian, διμερή γραφήματα, ακρότητα, αντιστοιχίσεις συνδεσιμότητα, ροές δικτύου, χρωματισμοί κορυφών και ακμών, κύκλοι Hamiltonian και επιπεδότητα.
Αυτό το μάθημα προσφέρει μια ολοκληρωμένη εισαγωγή στις θεμελιώδεις έννοιες, τεχνικές και εφαρμογές της τεχνητής νοημοσύνης και της μηχανικής μάθησης. Οι φοιτητές/τριες θα εξερευνήσουν διάφορους αλγόριθμους μηχανικής μάθησης, νευρωνικά δίκτυα, deep learning, reinforcement learning και τις εφαρμογές τους σε σενάρια πραγματικού κόσμου. Το μάθημα περιλαμβάνει θεωρητικές βάσεις, πρακτικές εργασίες προγραμματισμού και ένα έργο.
Εισαγωγικό μάθημα στην Οικονομετρία που έχει ως στόχο οι φοιτητές να αποκτήσουν επαρκή γνώση στη στατιστική και οικονομετρία, που είναι απαραίτητη έτσι ώστε να κατανοούν, να αξιολογούν και να ερμηνεύουν οικονομετρικές έρευνες, χρησιμοποιώντας βασικά μοντέλα παλινδρόμησης. Στην αρχή του μαθήματος γίνεται η σύνδεση των στατιστικών εννοιών με το μοντέλο γραμμικής παλινδρόμησης και τις παραδοχές του. Στην πορεία εξετάζονται οι παραβιάσεις των παραδοχών του μοντέλου και οι επιπτώσεις τους στις εκτιμήσεις.
Ο κύριος στόχος του μαθήματος είναι η εκμάθηση βασικών στοιχείων της θεωρίας της υπολογιστικής βελτιστοποίησης, των αριθμητικών αλγορίθμων και των εφαρμογών τους. Το μάθημα αυτό σκοπεύει να φέρει τους φοιτητές/τριες σε επαφή με τον γραμμικό προγραμματισμό (μέθοδος simplex, duality theory), με τις αριθμητικές μεθόδους για την επίλυση προβλημάτων μη γραμμικής βελτιστοποίησης, με προβλήματα βελτιστοποίησης χωρίς περιορισμούς (συνθήκες βελτιστοποίησης, descent algorithms και θεωρήματα σύγκλισης) καθώς επίσης και προβλήματα με περιορισμούς (Lagrange πολλαπλασιαστές, συνθήκες Karush-Kuhn-Tucker). Στοχεύει επίσης να δώσει τα εφόδια στους φοιτητές/τριες ώστε να είναι σε θέση να προσδιορίζουν τις απαραίτητες και επαρκείς συνθήκες βελτιστοποίησης για διαφορετικές κατηγορίες μοντέλων βελτιστοποίησης και να εφαρμόσουν την κατάλληλη αριθμητική μέθοδο δεδομένου των χαρακτηριστικών του μοντέλου βελτιστοποίησης. Ειδικότερα θα δοθεί έμφαση σε εφαρμογές στη μηχανική, στα οικονομικά, τη στατιστική κ.λπ. Οι φοιτητές/τριες στα πλαίσια του μαθήματος θα χρησιμοποιήσουν επίσης MATLAB ή R για να αποκτήσετε πρακτική εμπειρία με το υλικό.
Στόχος αυτού του υποχρεωτικού μαθήματος είναι να καταστήσει τους φοιτητές/τριες ικανούς/ες να επικοινωνούν σε επίπεδο Β2 του Κοινού Ευρωπαϊκού Πλαισίου Αναφοράς (ΚΕΠΑ) για τις Γλώσσες. Το μάθημα έχει σχεδιαστεί για φοιτητές/τριες που έχουν γερές βάσεις στις δεξιότητες της αγγλικής γλώσσας σε επίπεδο Β1 και επιθυμούν να βελτιώσουν περαιτέρω τις επικοινωνιακές τους ικανότητες στον εξειδικευμένο τομέα της επιστήμης δεδομένων. Με βάση τις έννοιες που καλύπτονται στο εισαγωγικό μάθημα, αυτό το μάθημα εμβαθύνει σε προηγμένες δεξιότητες χρήσης γλώσσας, τεχνικής γραφής και προφορικής παρουσίασης, εστιάζοντας ειδικά στις πολύπλοκες και εξελισσόμενες πτυχές της επιστήμης δεδομένων. Μέσω ενός συνδυασμού διαλέξεων, πρακτικών έργων, περιπτωσιολογικών μελετών και διαδραστικών συζητήσεων, οι φοιτητές/τριες θα ασχοληθούν με θέματα αιχμής στην επιστήμη των δεδομένων, εξερευνώντας προηγμένα στατιστικά μοντέλα, οικονομικά, τεχνικές μηχανικής μάθησης, επεξεργασία φυσικής γλώσσας και ηθικές θεωρήσεις στην τεχνητή νοημοσύνη. Το μάθημα στοχεύει να εξοπλίσει τους φοιτητές/τριες με τις στρατηγικές γλωσσικής επάρκειας και επικοινωνίας που είναι απαραίτητες για την πλοήγηση στην πολυπλοκότητα των προηγμένων εννοιών της επιστήμης δεδομένων και την αποτελεσματική επικοινωνία τους σε διαφορετικές επικοινωνιακές περιστάσεις.
Ο σκοπός του μαθήματος είναι να παρέχει βασικές γνώσεις στατιστικής χρησιμοποιώντας ένα στατιστικό πακέτο λογισμικού. Η ενότητα παρέχει τις βασικές έννοιες για περαιτέρω χρήση του τομέα της στατιστικής.