Επιστήμη Δεδομένων και Μηχανική Μάθηση (Data Science and Machine Learning)

  • ΜΕΤΑΠΤΥΧΙΑΚΟ
    ΔΙΔΑΚΤΡΑ:
    ΔΙΔΑΚΤΡΑ:
    ΠΡΟΚΗΡΥΞΗ: Ανενεργή
    ΠΡΟΚΗΡΥΞΗ: Ανενεργή
    ΔΙΑΡΚΕΙΑ:
    ΠΟΛΗ:
    ΣΠΟΥΔΕΣ: Full-time
    bookmark
    ΠΛΗΡΟΦΟΡΙΕΣΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ
    • Η Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Εθνικού Μετσόβιου Πολυτεχνείου (ΕΜΠ) σε συνεργασία με τις Σχολές Εφαρμοσμένων Μαθηματικών και Φυσικών ΕπιστημώνΠολιτικών Μηχανικών και Αγρονόμων και Τοπογράφων Μηχανικών του ΕΜΠ οργανώνει και λειτουργεί από το ακαδημαϊκό έτος 2018-2019 Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (ΔΠΜΣ) στο επιστημονικό πεδίο «Επιστήμη Δεδομένων και Μηχανική Μάθηση (Data Science and Machine Learning)».

      Η αλματώδης ανάπτυξη των υπολογιστικών συστημάτων (τόσο σταθερών όσο και κινητών) σε συνάρτηση με την ολοένα και μεγαλύτερη διείσδυση των ασύρματων και των ενσύρματων δικτύων έχουν ως συνέπεια την δημιουργία πολύ μεγάλων όγκων δεδομένων σε καθημερινή βάση. Η αποτελεσματική ανάλυση αυτών των δεδομένων μπορεί να προσφέρει ουσιαστικές λύσεις και να  βοηθήσει στη λήψη αποφάσεων σε διάφορα επίπεδα.

      Η ίδια η Επιστήμη των Δεδομένων είναι στη βάση της ένα διεπιστημονικό πεδίο με κύριο αντικείμενο τη διαχείριση, ανάλυση, επεξεργασία και εξαγωγή γνώσης από δεδομένα είτε σε δομημένη είτε σε αδόμητη μορφή. Οι ραγδαίες εξελίξεις των τελευταίων ετών στον τομέα της διαχείρισης των δεδομένων έχουν οδηγήσει στην εμφάνιση νέων αλγορίθμων και αρχιτεκτονικών που επιτυγχάνουν πολύ μεγάλη βελτίωση στην ταχύτητα επεξεργασίας πολύ μεγάλων, ετερογενών και συνεχώς μεταβαλλόμενων όγκων δεδομένων.

      Η βελτίωση της απόδοσης και της ταχύτητας των υπολογιστικών συστημάτων (επεξεργαστές, κάρτες γραφικών) είχε ως συνέπεια την εξέλιξη των τεχνικών μηχανικής μάθησης προς την κατεύθυνση των πλήρως διασυνδεδεμένων δικτύων και της βαθιάς μηχανικής μάθησης, υποστηρίζοντας την εύρεση όλο και πιο περίπλοκων μοτίβων και εξαρτήσεων στα δεδομένα.

      Ως διεπιστημονικά πεδία, η Επιστήμη των Δεδομένων και η Μηχανική Μάθηση έχουν άμεση εξάρτηση, πέρα από τα μαθηματικά και την πληροφορική και με το πεδίο εφαρμογής τους, το οποίο μπορεί να σχετίζεται για παράδειγμα με την επεξεργασία και ανάλυση εικόνας και βίντεο, την ανάλυση κοινωνικών δικτύων, την επεξεργασία γεωχωρικών δεδομένων κλπ.

      Το παρόν πρόγραμμα μεταπτυχιακών σπουδών στοχεύει στην εξυπηρέτηση της έντονης ανάγκης που παρατηρείται τα τελευταία χρόνια για προγράμματα μεταπτυχιακών σπουδών στην περιοχή της Επιστήμης Δεδομένων και της Μηχανικής Μάθησης, όπως αυτή αποδεικνύεται από τα αυξημένα ποσοστά παρακολούθησης αντίστοιχων προγραμμάτων από Έλληνες αποφοίτους σε Πανεπιστήμια του εξωτερικού, με προφανείς οικονομικές συνέπειες. Η ανάγκη αυτή είναι αποτέλεσμα της μεγάλης ζήτησης που υπάρχει στην αγορά εργασίας για στελέχη με κατάρτιση στα αντικείμενα της Επιστήμης Δεδομένων και Μηχανικής Μάθησης.

      Στο πλαίσιο αυτό, οι μεταπτυχιακές σπουδές που προσφέρει το συγκεκριμένο πρόγραμμα αποβλέπουν:

      • Στην εμβάθυνση μηχανικών και επιστημόνων θετικής κατεύθυνσης στις μεθόδους και τις τεχνικές της ολοκληρωμένης διεπιστημονικής προσέγγισης, έρευνας και αντιμετώπισης των επί μέρους θεμάτων της Επιστήμης Δεδομένων και Μηχανικής Μάθησης, έτσι ώστε να διαμορφωθούν στελέχη με εξειδικευμένη γνώση στις επιστημονικές αυτές περιοχές, ικανά να καλύψουν με επάρκεια τις αυξανόμενες ανάγκες των ιδιωτικών και δημοσίων επιχειρήσεων, οργανισμών και υπηρεσιών της χώρας ή και άλλων χωρών, στα πολυδιάστατα θέματα της Επιστήμης Δεδομένων και Μηχανικής Μάθησης.
      • Στη σε βάθος κατάρτιση μηχανικών και άλλων επιστημόνων και η ανάπτυξη των ερευνητικών ικανοτήτων τους, ώστε να καθίστανται ικανοί για παραγωγή νέας γνώσης στην περιοχή της Επιστήμης Δεδομένων και Μηχανικής Μάθησης.

      Οι απόφοιτοι του μεταπτυχιακού αποκτούν μεταξύ άλλων τις παρακάτω γνώσεις και δεξιότητες:

      • Θεωρητική και πρακτική γνώση μεθόδων και τεχνολογιών αναπαράστασης, αποθήκευσης και επεξεργασίας ετερογενών τύπων δεδομένων με σύγχρονες αλγοριθμικές και υπολογιστικές τεχνικές.
      • Προχωρημένες γνώσεις και δεξιότητες σχετικές με τα αντικείμενα της στατιστικής, των πιθανοτήτων και γενικότερα των μαθηματικών εννοιών που απαιτούνται για τη κατανόηση απλών αλλά και προχωρημένων ζητημάτων των υπό εξέταση περιοχών, όπως και γνώσεις για την χρήση των κατάλληλων για την κάθε περίσταση εργαλείων για τα διαφορετικά σύνολα δεδομένων.
      • Εμβάθυνση στις πλέον σύγχρονες τεχνικές και μεθοδολογίες που έχουν παρουσιαστεί στην περιοχή της Επιστήμης των Δεδομένων και της Μηχανικής Μάθησης και σχετίζονται με την επίλυση προβλημάτων με τεχνικές επεξεργασίας και ανάλυσης μεγάλου όγκου δεδομένων για την κατασκευή μοντέλων πρόβλεψης και τη λήψη αποφάσεων.
      • Επιστημονικά άρτια σύνοψη και αποτελεσματική παρουσίαση των μοντέλων και των πορισμάτων που προκύπτουν από την ανάλυση των δεδομένων με μεθόδους Μηχανικής Μάθησης.

      Γνώσεις σε εξειδικευμένα πεδία εφαρμογής (ανάλυση εικόνας, όραση υπολογιστών, επεξεργασία γεωχωρικών συντεταγμένων κλπ).

      Δείτε αναλυτικά την Προκήρυξη:

       

      Η Σχολή Ηλεκτρολóγων Μηχανικών και Μηχανικών Υπολογιστών σε συνεργασία με τη Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, τη Σχολή Πολιτικών Μηχανικών και τη Σχολή Αγρονóμων και Τοπογράφων Μηχανικών του ΕΜΠ οργανώνουν το Διατμηματικó Πρóγραμμα Μεταπτυχιακών Σπουδών (ΔΠΜΣ) «Επιστήμη Δεδομένων και Μηχανική Μάθηση (Data Science and Machine Learning)» για το ακαδημαϊκó έτος 2020 – 2021 σύμφωνα με τις κείμενες διατάξεις. 

      Σκοπóς του ΔΠΜΣ είναι η εμβάθυνση μηχανικών και επιστημóνων θετικής κατεύθυνσης, στις μεθóδους και τις τεχνικές της ολοκληρωμένης διεπιστημονικής προσέγγισης, έρευνας και αντιμετώπισης των επιμέρους θεμάτων του πιο πάνω αντικειμένου, έτσι ώστε να διαμορφωθούν στελέχη με εξειδικευμένη γνώση στις επιστημονικές περιοχές του ΔΠΜΣ, ικανά να καλύψουν με επάρκεια τις αυξανóμενες ανάγκες των ιδιωτικών και δημοσίων επιχειρήσεων, οργανισμών και υπηρεσιών της χώρας ή και άλλων χωρών, στα πολυδιάστατα θέματα της επιστήμης δεδομένων και μηχανικής μάθησης. 

      Η ελάχιστη διάρκεια σπουδών είναι τρία ακαδημαϊκά εξάμηνα. Τα δύο πρώτα εξάμηνα σπουδών αφιερώνονται στην παρακολούθηση μαθημάτων, ενώ η εκπóνηση της μεταπτυχιακής διπλωματικής εργασίας πραγματοποιείται στο τρίτο εξάμηνο. Η παρακολούθηση των μαθημάτων και των εργαστηρίων είναι υποχρεωτική. Η μέγιστη διάρκεια φοίτησης στο Πρóγραμμα είναι δύο πλήρη ημερολογιακά έτη. Η έναρξη των μαθημάτων για το ακαδημαϊκó έτος 2020-2021 θα γίνει τον Οκτώβριο του 2020. 

      Στο ΔΠΜΣ «Επιστήμη Δεδομένων και Μηχανική Μάθηση» γίνονται δεκτοί α) απóφοιτοι των Σχολών του ΕΜΠ, β) απóφοιτοι λοιπών Τμημάτων διπλωματούχων Μηχανικών ή και πτυχιούχοι άλλων ειδικοτήτων ΑΕΙ της ημεδαπής ή ομοταγών ιδρυμάτων της αλλοδαπής αναγνωρισμένων ως ισóτιμων των ελληνικών ΑΕΙ, συγγενούς με το πρóγραμμα γνωστικού αντικειμένου, για τους οποίους η απóκτηση Διπλώματος Μεταπτυχιακών Σπουδών (ΔΜΣ) δεν συνεπάγεται και την απóκτηση του βασικού διπλώματος του ΕΜΠ, γ) τελειóφοιτοι του ΕΜΠ ή ΑΕΙ των παραπάνω κατηγοριών, εφóσον καταθέσουν αποδεικτικά στοιχεία óτι η απóκτηση του διπλώματος/πτυχίου τους θα προηγηθεί της έναρξης του ΔΠΜΣ. Μέχρις óτου αρθεί η εκκρεμóτητα αυτή δεν θα εκδίδεται κανένα πιστοποιητικó στον ενδιαφερóμενο, δ) Απóφοιτοι άλλων Τμημάτων, σύμφωνα με τις κείμενες διατάξεις.

      Ο αριθμóς των εισακτέων μεταπτυχιακών φοιτητών ορίζεται σε σαράντα (40). 

      Οι ενδιαφερóμενοι/ες καλούνται να υποβάλουν την αίτησή τους ηλεκτρονικά έως και 22 Ιουνίου 2020. Οι υποψήφιοι/ες μεταπτυχιακοί/ες φοιτητές/τριες πρέπει να εγγραφούν ως χρήστες στη διεύθυνση dsml.ece.ntua.gr/user/register και στη συνέχεια να υποβάλουν εμπρóθεσμα ηλεκτρονικά την αίτησή τους στη διεύθυνση dsml.ece.ntua.gr/apply ανεβάζοντας (κάνοντας upload) τα απαραίτητα δικαιολογητικά: 

      1. Τίτλους προπτυχιακών και μεταπτυχιακών σπουδών (επιπλέον βεβαίωση ισοτιμίας διπλώματος ή πτυχίου απó το ΔΟΑΤΑΠ για óσους προέρχονται απó πανεπιστήμιο του εξωτερικού).
      2. Αναλυτική βαθμολογία μαθημάτων απó τις προπτυχιακές και μεταπτυχιακές σπουδές με βαθμó διπλώματος / πτυχίου.
      3. Για óσους δεν έχουν ακóμη αποφοιτήσει κατά τον χρóνο υποβολής της αίτησης, βεβαίωση αναλυτικής βαθμολογίας απó την οποία να προκύπτει óτι ο αριθμóς μαθημάτων που υπολείπονται για την κτήση του πτυχίου είναι έως και 5, βεβαίωση του επιβλέποντα καθηγητή της διπλωματικής εργασίας για την έγκαιρη ολοκλήρωσή της μέχρι την περίοδο Οκτωβρίου 2020 και υπεύθυνη δήλωση του Ν.1599/1986 του φοιτητή (διαθέσιμη στην ιστοσελίδα του ΔΠΜΣ, στην Ενóτητα Γραμματεία >Έντυπα https://dsml.ece.ntua.gr/sites/default/files/documents/dsml- ypeythini_dilwsh_teleiofoitoi.docx).
      4. Πλήρες βιογραφικό σημείωμα.
      5. Τεκμηρίωση επαρκούς γνώσης μίας ή περισσοτέρων ξένων γλωσσών, οι δε αλλοδαποί και της Ελληνικής γλώσσας.
      6. Αντίγραφα δημοσιεύσεων εργασιών, βραβεία ή άλλες διακρίσεις.
      7. Απλή φωτοτυπία του δελτίου της αστυνομικής ταυτότητας

      Οι υποψήφιοι οφείλουν να υποδείξουν στο αντίστοιχο πεδίο τα στοιχεία δύο ατóμων απó τα οποία η Συντονιστική Επιτροπή του ΔΠΜΣ θα αναζητήσει συστατικές επιστολές. 

      Η ιστοσελίδα υποβολής των αιτήσεων θα είναι ανοιχτή απó 22 Μαΐου έως 22 Ιουνίου 2020. 

      Σύμφωνα με τον Ν.4250/2014 (ΦΕΚ 74/Α’/26-3-2014), η υποβολή απλών ευανάγνωστων φωτοαντιγράφων επέχει θέση υπεύθυνης δήλωσης περί της ακρίβειας και εγκυρóτητας των υποβαλλóμενων δικαιολογητικών. Οι υποψήφιοι που θα επιλεγούν, θα ενημερωθούν εγκαίρως ώστε να προσκομίσουν στη Γραμματεία τα πρωτóτυπα δικαιολογητικά που προαναφέρονται ή επικυρωμένα φωτοαντίγραφά τους, πριν απó την ημέρα εγγραφής τους. 

      Αν κριθεί σκóπιμο απó τη Συντονιστική Επιτροπή του ΔΠΜΣ, υποψήφιοι θα κληθούν σε συνέντευξη κατά το διάστημα απó 6 έως 8 Ιουλίου 2020. Η τελική επιλογή θα ολοκληρωθεί έως τις 17 Ιουλίου 2020 και οι υποψήφιοι θα ειδοποιηθούν ηλεκτρονικά για τα αποτελέσματα. 

      Σχετικές πληροφορίες παρέχονται καθημερινά απó την Γραμματεία του ΔΠΜΣ, στο τηλέφωνο 210 7722873 και το email [email protected]. Πληροφοριακó υλικó είναι επίσης διαθέσιμο στην ιστοσελίδα του ΔΠΜΣ dsml.ece.ntua.gr.

    • Για την απόκτηση του ΔΜΣ απαιτείται η παρακολούθηση και επιτυχής εξέταση σε μαθήματα που συνολικά αντιστοιχούν σε τουλάχιστον 60 πιστωτικές μονάδες, και η εκπόνηση και επιτυχής εξέταση της μεταπτυχιακής Διπλωματικής εργασίας που ισοδυναμεί σε άλλες 30 μονάδες.

      Συνολικά, προσφέρεται στους φοιτητές ένα σύνολο από 8 υποχρεωτικά μαθήματα και 20 μαθήματα επιλογής που δίνουν έμφαση τόσο στην πλήρη κατανόηση του θεωρητικού υποβάθρου, όσο και στην εργαστηριακή εξάσκηση στις περιοχές της Επιστήμης Δεδομένων και της Μηχανικής Μάθησης.

      Η Διπλωματική Εργασία ξεκινά μετά το τέλος του πρώτου έτους σπουδών, με την προϋπόθεση ότι ο μεταπτυχιακός φοιτητής έχει ως τότε εξεταστεί επιτυχώς τουλάχιστον στα μισά από τα μεταπτυχιακά μαθήματα του ΔΠΜΣ. Στόχος της Διπλωματικής Εργασίας είναι η μελέτη, η ανάπτυξη και εφαρμογή νέων μεθόδων, τεχνολογιών και συστημάτων Επιστήμης Δεδομένων και Μηχανικής Μάθησης, ώστε οι φοιτητές να εμπεδώσουν τις γνώσεις που προσφέρονται και να εξασκηθούν στην πραγματική εφαρμογή τους.

      Το πρόγραμμα σπουδών:

      Υποχρεωτικά

      Χειμερινό Εξάμηνο

      • Αναγνώριση Προτύπων
      • Εξόρυξη Γνώσης από Δεδομένα
      • Μηχανική Μάθηση
      • Προγραμματιστικά Εργαλεία και Τεχνολογίες για Επιστήμη Δεδομένων

      Εαρινό Εξάμηνο

      • Αλγοριθμική Επιστήμη Δεδομένων
      • Διαχείριση Δεδομένων Μεγάλης Κλίμακας
      • Παράλληλες Αρχιτεκτονικές Υπολογισμού για Μηχανική Μάθηση
      • Υπολογιστική Στατιστική και Στοχαστική Βελτιστοποίηση

      Κατ’ επιλογήν

      Χειμερινό Εξάμηνο

      • Ανάλυση Κοινωνικών Δικτύων
      • Απεικόνιση Δεδομένων
      • Ασφάλεια Δεδομένων και Ιδιωτικότητα
      • Επεξεργασία Φυσικής Γλώσσας
      • Κατανεμημένα Συστήματα
      • Στατιστική Μοντελοποίηση
      • Στοχαστικές Διαδικασίες
      • Υπολογιστική Γραμμική Άλγεβρα

      Εαρινό Εξάμηνο

      • Ανάλυση Βιο-δεδομένων
      • Ανάλυση και Επεξεργασία Γεωχωρικών Δεδομένων
      • Βαθιά Μάθηση
      • Βελτιστοποίηση σε Προβλήματα Μηχανικού
      • Κυρτή Βελτιστοποίηση με Εφαρμογές στη Μηχανική Μάθηση
      • Μοντέλα Οδηγούμενα από τα Δεδομένα σε Προβλήματα Μηχανικού
      • Όραση Υπολογιστών
      • Στοχαστικές Διεργασίες και Βελτιστοποίηση στη Μηχανική Μάθηση
      • Τεχνητή Νοημοσύνη και Ανάλυση Δεδομένων
    ΕΚΔΗΛΩΣΗ ΕΝΔΙΑΦΕΡΟΝΤΟΣ
    ΕΚΔΗΛΩΣΗ ΕΝΔΙΑΦΕΡΟΝΤΟΣ
    ΣΧΟΛΙΑΣΤΕ

    ΕΠΙΚΟΙΝΩΝΗΣΤΕ ΜΕ ΤΗΝ ΓΡΑΜΜΑΤΕΙΑ

      Αφήστε μια απάντηση

      Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *

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