Επιστήμη Δεδομένων

  • oikonomiko panepistimio
  • ΜΕΤΑΠΤΥΧΙΑΚΟ
    ΔΙΔΑΚΤΡΑ: 6,000€ / 7,500€
    ΔΙΔΑΚΤΡΑ:
    ΛΗΞΗ ΑΙΤΗΣΕΩΝ: 31/07/2020
    ΠΡΟΚΗΡΥΞΗ: Ενεργή
    ΔΙΑΡΚΕΙΑ: ,
    ΠΟΛΗ:
    ΣΠΟΥΔΕΣ: Full time/Part-time
    bookmark
    ΠΛΗΡΟΦΟΡΙΕΣΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ
    • Εισαγωγικά – Γνωστικό αντικείμενο
      Η περιοχή της Επιστήμης Δεδομένων έχει ως αντικείμενο την εξαγωγή γνώσης από μεγάλους όγκους δεδομένων. Η επιστήμη δεδομένων/data science κάνει εκτεταμένη χρήση αλγορίθμων, μηχανικής μάθησης και στατιστικής συμπερασματολογίας για την εξαγωγή γνώσης και προβλέψεων. Ειδικότερα, η επιστήμη δεδομένων προέκυψε από το συνδυασμό σημαντικών εξελίξεων σε δυο υποπεριοχές της πληροφορικής κατά τελευταία 15 χρόνια: Πρώτον τη σημαντική πρόοδο που σημειώθηκε σε αλγορίθμους και τεχνικές μηχανικής μάθησης και γενικότερα τεχνικές τεχνητής νοημοσύνης βασισμένες σε στατιστικές αρχές. Και δεύτερον, τις ραγδαίες εξελίξεις στην περιοχή της διαχείρισης δεδομένων, που οδήγησαν μέσω νέων αλγορίθμων, αρχιτεκτονικών και συστημάτων σε τάξεις μεγέθους βελτίωση της ταχύτητας επεξεργασίας τεράστιων, ετερογενών, συνεχών μεταβαλλόμενων όγκων δεδομένων (Big Data). Οι σύγχρονες επεξεργαστικές δυνατότητες συνδυασμένες με τον όγκο των δεδομένων δημιούργησαν ένα ενάρετο κύκλο ανάπτυξης υπολογιστικών τεχνικών που στηρίζονται στην επαναληπτική βελτίωση από τον υπολογιστή προβλέψεων και αποφάσεων.

      Ως διεπιστημονική περιοχή η επιστήμη δεδομένων έχει, εκτός της πληροφορικής και των μαθηματικών, ως βασικό πυλώνα και τη γνώση του εκάστοτε πεδίου εφαρμογής. Ο πυλώνας του πεδίου εφαρμογής αναφέρεται στις προϋποθέσεις επιτυχούς πρακτικής εφαρμογής και είναι μεταβλητός, αναλόγως του πεδίου. Όμως από τη μεθοδολογική σκοπιά, είναι σαφές ότι η επιστήμη δεδομένων / data science αποτελεί κοινό τόπο της πληροφορικής και των μαθηματικών και εμπίπτει σε πολύ μεγάλο βαθμό στην επιστημονική περιοχή που θεραπεύει το Τμήμα Πληροφορικής.

      Το έντονο επιστημονικό ενδιαφέρον για τα προβλήματα που εμπίπτουν στην περιοχή της data science και το σημαντικό επιχειρηματικό ενδιαφέρον για το συνδυασμό των γνώσεων και δεξιοτήτων που απαιτούνται για τη λύση τους μας οδήγησαν στην εισαγωγή ενός ΠΜΣ για τη θεραπεία της διεπιστημονικής αυτής περιοχής. Το ΠΜΣ αποβλέπει στο να εκπαιδεύσει data scientists με ισχυρό θεωρητικό και εφαρμοσμένο υπόβαθρο και να καλύψει ένα σημαντικό κενό στο εκπαιδευτικό τοπίο.

      Σκοπός του Προγράμματος
      Ο σκοπός του προγράμματος είναι να προετοιμάσει επιστήμονες και στελέχη που να έχουν τις εξής δεξιότητες:
      Πρώτον, γνώσεις και δεξιότητες που αφορούν στον τρόπο παράστασης, αποθήκευσης και επεξεργασίας δεδομένων διαφόρων τύπων από τον υπολογιστή και στις σύγχρονες αλγοριθμικές/υπολογιστικές τεχνικές. Δεύτερον, γνώσεις και δεξιότητες στις πιθανότητες, τη στατιστική, και την άλγεβρα που να επιτρέπουν και την κατανόηση των απλών αλλά και προχωρημένων μαθηματικών εννοιών και εργαλείων των περιοχών αυτών και την εφαρμογή τους σε διαφορετικά σύνολα δεδομένων με το σωστό τρόπο και στη σωστή περίσταση. Τρίτον, γνώσεις που αφορούν στις ειδικές τεχνικές που έχουν αναπτυχθεί τα τελευταία 10 χρόνια στον καθαυτό χώρο της data science, και αφορούν το συνδυασμό αλγοριθμικών, αλγεβρικών και στατιστικών τεχνικών επίλυσης προβλήματων με τεχνικές επεξεργασίας μεγάλων δεδομένων για εξαγωγή μοντέλων πρόβλεψης και λήψης αποφάσεων. Τέταρτον, γνώσεις και δεξιότητες για την αποτελεσματική και επιστημονικά άρτια παρουσίαση και σύνοψη πολύπλοκων δεδομένων και μοντέλων, και πέμπτον βασικές γνώσεις σε κάποιο(α) πεδί(α) εφαρμογής. Τελευταία δεξιότητα αποτελεί η ικανότητα διαμόρφωσης προβλήματος επιλύσιμου με υπολογιστικές τεχνικές, μέσω της κατανόησης των ομοιοτήτων διαφορετικών μεταξύ τους καταστάσεων και περιγραφών. Οι φοιτητές του ΠΜΣ θα εκπαιδεύονται τόσο στη θεωρία όσο και στην εφαρμογή μέσω έμπρακτης ενασχόλησης με το αντικείμενο και εργαστηρίων.

      Το πρόγραμμα θα έχει διεθνή προσανατολισμό, ανταποκρινόμενο στην έντονη διεθνή ζήτηση στον τομέα Data Science. Ο στόχος του είναι να καταξιωθεί σε βάθος χρόνου ως ένα από τα αξιόλογα διεθνώς προγράμματα στη γνωστική αυτή περιοχή.

      Σε ποιόν απευθύνεται το πρόγραμμα
      Το ΠΜΣ πλήρους φοίτησης απευθύνεται σε πτυχιούχους πανεπιστημίων με πολύ καλό υπόβαθρο σε ποσοτικά θέματα και σε πληροφορική και συγκεκριμένα με βασικές γνώσεις προγραμματισμού και επιστήμης υπολογιστών, καλή γνώση μαθηματικών και στατιστικών εννοιών, μεθόδων και τεχνικών, και εμπειρία στην αλγοριθμική θεώρηση των προβλημάτων. Αυτοί μπορεί να είναι είτε πρόσφατοι πτυχιούχοι, είτε στελέχη επιχειρήσεων και οργανισμών, έτοιμοι να διαθέσουν 12-15 μήνες πλήρους ακαδημαϊκής απασχόλησης προκειμένου να εμβαθύνουν στο χώρο της data science και να έχουν τη δυνατότητα να εξελιχθούν σε κορυφαία στελέχη σε αυτό.

      Το ΠΜΣ μερικής φοίτησης απευθύνεται σε στελέχη επιχειρήσεων και οργανισμών με τουλάχιστον 3 έτη εργασιακής εμπειρίας πλήρους απασχόλησης με αντικείμενο τη συλλογή, μέτρηση ή/και ανάλυση πληροφορίας, αποφοίτους πανεπιστημίων με καλό υπόβαθρο σε ποσοτικά θέματα (βασικές γνώσεις πιθανοτήτων και στατιστικής) και στην πληροφορική («ενεργή» γνώση προγραμματισμού, βασικές γνώσεις θεωρίας και συστημάτων), εξοικείωση με μαθηματικές έννοιες και τεχνικές, και εμπειρία στην διαμόρφωση και επίλυση υπολογιστικών προβλημάτων. Ειδικότερα το ΠΜΣ απευθύνεται σε εργαζόμενους με τα ανωτέρω χαρακτηριστικά στη συμβουλευτική επιχειρήσεων, λιανική τραπεζική, τηλεπικοινωνίες, έρευνα αγοράς, ή σε εργαζόμενους στο ποσοτικό μάρκετινγκ, ΙΤ, Business Intelligence, χρηματοοικονομικά, ή Operations οποιουδήποτε οργανισμού με σημαντική πολυπλοκότητα.

      Δείτε αναλυτικά την προκήρυξη:

      Data Science is the study of data through computational and statistical techniques, in order to answer questions, develop explanatory and predictive models, perform analyses and communicate the results in revealing ways. Data science draws from a wide variety of disciplines such as computer science, artificial intelligence, statistics, economics, and operations research. It applies quantitative methods to uncover relationships in data drawn from business, medicine, financial, social or other domains. It is a key driver of improvements to all aspects of business, including strategy, operations, marketing, finance, and human resource management. 

      The Master of Science in Data Science, the first of its kind in Greece, offers students in-depth focus in data science while allowing them to tailor it their particular interests. Students will be interacting with diverse faculty members and other students, given the opportunity to complete innovative data science projects and be exposed to industry needs and real-life data science challenges. 

      The program focuses on computation and quantitative techniques and offers students new opportunities for building sustainable competitive advantage through data analysis. The full-time program consists of an academic year of taught courses and a 3-month long Analytics Capstone project that enables students to work on a real-world data-intensive problem using the tools and skills learned in the program. The part-time program consists of two academic years of taught courses. 

      The program is offered jointly by the Departments of Informatics and Statistics in the School of Information Sciences and Technology of the Athens University of Economics and Business. 

      The Athens University of Economics and Business 

      The Informatics Department has been in existence, in its present form, since 1984 and is focused on providing innovative undergraduate and postgraduate education, along with research for the information and computing professions. Each year, it welcomes approximately 200 undergraduate and over 100 graduate students. Faculty members have over 20 years of academic teaching experience on average and collectively have contributed more than 1.000 research publications, which have attracted over 10.000 references from other researchers worldwide. More than half the faculty have been faculty members in leading American and other European Universities. 

      The Department of Statistics was founded in 1989. Its purpose is to provide innovative and high quality undergraduate and postgraduate education in probability and statistics. Every year 120 undergraduate students are admitted, and two postgraduate courses are run, with excellent student to faculty ratios. The department has an international reputation for development of statistical methodology that has grown from its history of significant contributions to research and teaching in statistics. 

      Athens University of Economics and Business (AUEB) was founded in 1920. It is considered one of the most competitive universities, at the European level, in the fields of Economics, Business Administration, Informatics, Statistics, Marketing, Accounting and Finance. AUEB was the first Greek University to establish postgraduate studies. Today it enrolls over 2000 students in 35 part-time and full-time Master’s level postgraduate programs with duration of 1 to 2 years. It is the first university in Greece to receive the distinction of Excellence, according to the internationally accepted EFQM (European Foundation of Quality 

      Management) Excellence Model, and it has also received the corresponding “Ever to Excel” Greek distinction. AUEB is by far the most international of Greek universities: It has the largest ratio of Erasmus students to its active student population, and a large number of undergraduate and postgraduate students participating in the Erasmus and Erasmus+ programs. It hosts one of the most active branches of AIΕSEC, through which it provides valuable opportunities for internships abroad. 

      Target audience 

      For the full-time program: Excellent recent graduates, or midcareer professionals looking to upskill, with strong technical/math skills, from engineering, mathematics, statistics, finance, economics, operations research, and computer science. Prospective students get excited about gathering, measuring and analyzing information and want to focus on quantitative, computational methods to unlock the potential of data assets to reveal patterns, make predictions and improve decision-making. All applicants should have demonstrated academic success as evidenced by undergraduate and graduate courses and grades. Recent programming experience and basic knowledge of computing are necessary. 

      For the part-time program: Early- and Mid-career professionals (at least 2 years full time professional: experience required) wanting to face the challenge of understanding and exploiting the deluge of data in their organizations. Any professional (in private or public sector) with a mandate to gather, measure and analyze information. Professionals especially in business consulting, retail banking, market research, quantitative marketing, IT, Business Intelligence, finance, operations as well as managers focused on using data to extract business value. Recent programming experience and facility with basic mathematical concepts and quantitative techniques are necessary. 

      The admissions committee considers the totality of a candidate’s experience, skills, personality and potential to reach a decision, aiming for a diverse class of motivated students who can most benefit from and contribute to our rigorous program of study. 

      Application process and admission requirements 

      The first application deadline for the MSc in Data Science for this academic year (FT: 2020-2021/PT: 2020- 2022) is June 30th, 2020. Acceptance letters will be sent out at the latest by July 15, 2020. 

      The second application deadline for the MSc in Data Science for this academic year (FT: 2020-2021/PT: 2020- 2022) for remaining positions, if any, is July 31st, 2020. The admissions committee may review submitted applications at any time and send acceptance/rejection letters earlier than the respective deadline. Acceptance letters will be sent out at the latest by August 15th, 2020. 

      Each application is required to include the following: 

      • Completed application form with photo 
      • Copy of all university degrees/diplomas received 
      • Copy of transcripts of grades in Greek or English. Accepted candidates must submit official transcripts 
      • Certificate of equivalence for degrees from foreign Universities, issued by DOATAP/Hellenic NARIC (or proof that an application for certification has been filed — admission is contingent on submission of certificate by the Program enrollment date) 
      • Proof of knowledge of English: Certificate of Proficiency in English from U. of Michigan/ Cambridge, or other equivalent (https://www.asep.gr/guide/1K_2020/englishproof.html
      • GRE scores (if available) 
      • Two recommendation letters (to be sent via post to the Program Administrator or via email to [email protected]
      • Proofs of employment (optional for full time program, required for part time program) 
      • CV in English 

      Applications will be submitted online at http://e-graduate.applications.aueb.gr/. Paperwork must be uploaded with the application and submitted in person before the application deadline at the following address: Secretariat for Graduate Programs, Informatics Department, Athens University of Economics and Business, Evelpidon 47A & Lefkados, Athens 11362 Greece, 7th Floor, Office 707 (Monday-Friday 10:00-14:00, tel.: (+30) 210-82.03.860, e-mail: [email protected], Ms. Simone Alexandri). 

      For clarifications and any other information, interested parties may contact the Secretariat or the Director via e-mail or phone. Information about the program can be found at http://datascience.aueb.gr/. 

      The Program does not discriminate on the basis of race, color, religion, national origin, sex, sexual orientation, gender identity, age or disability. Our nondiscrimination policy applies to all phases of the admission and scholarship process, and to all aspects of the educational programs and activities. 

      Program Structure 

      The Full Time (FT) program is a 1-year program. Students need to complete 60 units of coursework, of which 46 units of core courses and 14 units of electives. After completion of coursework, students undertake an intense 3-month integrated Capstone Project in collaboration with industry, with joint academic and industrial supervision, for 15 units. Attendance of lectures and laboratory sessions is mandatory. 

      The Part Time (PT) program is a 2-year program. Students need to complete 75 units of coursework, of which 46 units of core courses and 29 units of electives. Students can under special circumstances replace 15 units of coursework with an integrated Capstone Project in collaboration with industry, or a faculty-supervised research thesis, with Director approval. Required classes take place twice a week, 6:00-9:00pm. Attendance of lectures and laboratory sessions is mandatory. 

      Full courses are worth 5-7 units, half courses are worth 3 units. Before the beginning of classes, students are required to complete 1-3 preparatory courses in Statistics, Mathematics, and Computer Science, as decided by the Admissions Committee. Each course comprises 5 3-hour lectures and a final exam. 

      Tuition Fees

      Full-time program: €6000 

      • €1000 payable by October, 2020 
      • €1000 payable by January, 2021 
      • €1000 payable by March, 2021 
      • €3000 payable by June, 2021 

      Part-time program: €7500 

      • €2000 payable by October, 2020 
      • €1500 payable by January, 2021 
      • €1500 payable by March, 2021 
      • €2500 payable by June, 2021 

      A limited number of merit-based scholarships is available. In addition, research and teaching assistantships worth €3000 are guaranteed to full time accepted students who express interest, thus reducing tuition fees to €3000. Assistantships involve 10 hours of academic work (e.g., helping with undergraduate classes, computer administration in a laboratory, data analysis for a research project, etc.) per week of school, exempting examination weeks. 

      Tuition fees are non-refundable. More details can be found in the Program Regulations Handbook. 

    • Το πρόγραμμα περιλαμβάνει 75 πιστωτικές μονάδες. Υπάρχουν τρεις διδακτικές περίοδοι διάρκειας 10 εβδομάδων εντός του ακαδημαϊκού έτους. Οι διδακτικές περίοδοι και άρα το ακαδημαϊκό ημερολόγιο των προγραμμάτων πλήρους και μερικής φοίτησης θα είναι ίδιες/ίδιο. Τα «πλήρη» μαθήματα (που αντιστοιχούν αναλόγως φόρτου σε 5 ή 6 πιστωτικές μονάδες) θα έχουν 30 ώρες διδασκαλίας και τα «μισά» (3 πιστωτικές μονάδες) 15 ώρες διδασκαλίας.

      Οι φοιτητές του τμήματος πλήρους φοίτησης παρακολουθούν μαθήματα για τρεις διδακτικές περιόδους, και συνολικά πρέπει να συμπληρώσουν 60 πιστωτικές μονάδες μαθημάτων, εκ των οποίων 40 πιστωτικές μονάδες υποχρεωτικών και 20 πιστωτικές μονάδες επιλεγόμενων μαθημάτων.

      Στο τέλος του ακαδημαϊκού έτους και ως τον Οκτώβριο του επόμενου ακαδημαϊκού έτους εκπονείται από τους φοιτητές του προγράμματος πλήρους φοίτησης διπλωματική εργασία που αντιστοιχεί σε 15 πιστωτικές μονάδες. Η διπλωματική εργασία παίρνει τη μορφή Ολοκληρωμένου Έργου (Integrated Project) που θα εκπονείται σε συνεργασία με επιχειρήσεις ή φορείς σε θέμα που θα σχεδιάζεται από κοινού με την επιχείρηση ή τον φορέα και τον ακαδημαϊκό επιβλέποντα και θα εξετάζεται όπως οι διπλωματικές εργασίες των υπαρχόντων ΠΜΣ της Σχολής με την προσθήκη της αξιολόγησης από τη συνεργαζόμενη επιχείρηση ή φορέα. Οι λεπτομέρειες της εκπόνησης της διπλωματικής εργασίας θα περιέχονται σε κανονισμό διπλωματικών εργασιών.

      Οι φοιτητές του τμήματος μερικής φοίτησης παρακολουθούν μαθήματα για έξι διδακτικές περιόδους (δυο ακαδημαϊκά έτη). Η εκπόνηση διπλωματικής εργασίας διέπεται από τον κανονισμό που αναφέρεται ανωτέρω και είναι προαιρετική. Η διπλωματική εργασία αντιστοιχεί και μπορεί να αντικαταστήσει 15 πιστωτικές μονάδες μαθημάτων, πρέπει δε να ολοκληρωθεί ως το πέρας των διδακτικών περιόδων δηλαδή ως το τέλος του δεύτερου ακαδημαϊκού έτους φοίτησης.

      Τα μαθήματα του τμήματος πλήρους φοίτησης πραγματοποιούνται πρωινές και απογευματινές ώρες. Τα μαθήματα του τμήματος μερικής φοίτησης πραγματοποιούνται δυο φορές την εβδομάδα 6:00-9:00μμ. Και στα δυο τμήματα η παρακολούθηση των διαλέξεων και των εργαστηρίων είναι υποχρεωτική.

      Για τη συμμετοχή σας στο πρόγραμμα, είναι απαραίτητο όλοι οι φοιτητές να έχουν πρόσβαση στον δικό τους υπολογιστή, κατά προτίμηση σε φορητό υπολογιστή, καθώς ορισμένα μαθήματα απαιτούν να φέρνουν οι φοιτητές τον υπολογιστή τους στο μάθημα.

      Μαθήματα Βασικού Προγράμματος

      1ο Εξάμηνο

      • Διαχείριση Δεδομένων Μεγάλης Κλίμακας – Large Scale Data Management 6 ΠΜ
      • Πιθανότητες και Στατιστική για Ανάλυση Δεδομένων – Probability and Statistics for data analysis 6 ΠΜ
      • Πρακτική Επιστήμη Δεδομένων – Practical Data Science 6 ΠΜ
      • Οπτικοποίηση Δεδομένων και Επικοινωνία – Data visualization and communication 6 ΠΜ
      • Αριθμητική Βελτιστοποίηση και Μεγάλης Κλίμακας Γραμμική Άλγεβρα – Numerical Οptimization and Large Scale Linear Algebra 6 ΠΜ

      2ο Εξάμηνο

      • Νομικά και ηθικά θέματα και θέματα πολιτικής στην Επιστήμη Δεδομένων – Legal, ethical and policy issues in data science 3 ΠΜ
      • Μηχανική Μάθηση και Υπολογιστική Στατιστική – Machine Learning and Computational Statistics 7 ΠΜ
      • Τεχνολογία και Ανάλυση κειμένου – Text engineering and analytics 6 ΠΜ

      Μαθήματα που αντιστοιχούν σε τουλάχιστον 14 ΠΜ από τα παρακάτω:

      • Συστήματα και τεχνικές για Μεγάλα Δεδομένα – Big Data Systems and techniques 3 ΠΜ
      • Χρονοσειρές και Προβλέψεις – Time Series and Forecasting methods 3 ΠΜ
      • Ανάκτηση δεδομένων – Information retrieval 3 ΠΜ
      • Μπεϋσιανή στατιστική και προσομοίωση – Bayesian Statistics and simulation methods 6 ΠΜ
      • Επιστήμη δεδομένων στο Μάρκετινγκ – Marketing Data Science 3 ΠΜ
      • Προχωρημένη Διαχείριση Μεγάλων Δεδομένων και Ροών – Advanced Large Scale Data and Stream Management 6 ΠΜ
      • Χρηματοοικονομικά Πληροφοριακά Συστήματα – Financial Information Systems 3 ΠΜ
      • Επιστήμη δεδομένων και βελτιστοποίηση για διοίκηση λειτουργιών – Data science and optimization for operations management 5 ΠΜ
      • Επιστήμη Δεδομένων για βιολογία – Data Science for biology 6 ΠΜ
      • Επιστήμη δεδομένων για ιατρική – Data Science for medicine 3 ΠΜ
      • Στατιστικές μέθοδοι για μεγάλα δεδομένα – Statistical methods for Big data 3 ΠΜ
      • Εξόρυξη δεδομένων – Data mining 6 ΠΜ
      • Βελτιστοποίηση – Optimization 5 ΠΜ
      • Προχωρημένη μηχανική μάθηση για μεγάλα δεδομένα – Advanced Machine Learning for big data 3 ΠΜ
      • Επιμέλεια Δεδομένων – Data curation 3 ΠΜ

      Θερινοί Μήνες

      • Εκπόνηση Διπλωματικής Εργασίας 15 ΠΜ

       

       

    ΕΚΔΗΛΩΣΗ ΕΝΔΙΑΦΕΡΟΝΤΟΣ
    ΕΚΔΗΛΩΣΗ ΕΝΔΙΑΦΕΡΟΝΤΟΣ
    ΣΧΟΛΙΑΣΤΕ

    ΕΠΙΚΟΙΝΩΝΗΣΤΕ ΜΕ ΤΗΝ ΓΡΑΜΜΑΤΕΙΑ

    ΚΑΤΗΓΟΡΙΕΣ
    ΚΑΤΗΓΟΡΙΕΣ
    ΠΡΟΠΤΥΧΙΑΚΑΜΕΤΑΠΤΥΧΙΑΚΑΣΕΜΙΝΑΡΙΑ
    ΠΡΟΠΤΥΧΙΑΚΑΜΕΤΑΠΤΥΧΙΑΚΑΣΕΜΙΝΑΡΙΑ
    ΠΡΟΠΤΥΧΙΑΚΑΜΕΤΑΠΤΥΧΙΑΚΑΣΕΜΙΝΑΡΙΑ
    ΆΡΘΡΑ
    Share on Facebook Tweet Pin it Share on LinkedIn Send email