ERC Institute

Bachelor of Data Science

Με κάθε κλικ, σάρωση, αναζήτηση, κοινοποίηση και ροή δεδομένων δημιουργούνται δεδομένα. Ο ρυθμός παραγωγής δεδομένων είναι πρωτοφανής και ο όγκος και η πολυπλοκότητά τους δημιουργούν σημαντικές ευκαιρίες καθώς οι επιχειρήσεις προσπαθούν να αξιοποιήσουν τη δύναμη των μεγάλων δεδομένων για να παραμείνουν ανταγωνιστικές. Σε αυτό το μάθημα θα εξερευνήσετε ολόκληρο τον κύκλο ζωής των δεδομένων για να αναπτύξετε μια εις βάθος κατανόηση του τρόπου με τον οποίο οι πληροφορίες δημιουργούνται, συλλέγονται, υποβάλλονται σε επεξεργασία, αναλύονται και χρησιμοποιούνται για τη δημιουργία πληροφοριών και την ενημέρωση στρατηγικών αποφάσεων.

Πανεπιστήμιο Ντίκιν, Αυστραλία

Το Πανεπιστήμιο Deakin, που βρίσκεται στη Βικτώρια της Αυστραλίας, είναι δημόσιο πανεπιστήμιο. Το πανεπιστήμιο πήρε το όνομά του από τον δεύτερο πρωθυπουργό της Αυστραλίας, Άλφρεντ Ντίκιν, όταν ιδρύθηκε το 1974. Μαζί με την διαδικτυακή πανεπιστημιούπολη Cloud, οι κύριες πανεπιστημιουπόλεις του βρίσκονται στο προάστιο Burwood της Μελβούρνης, στις λίμνες Geelong Waurn, Geelong Waterfront και Warrnambool.

Η μέση αναλογία καθηγητών-φοιτητών είναι 1 καθηγητής προς 35 φοιτητές.

Παράδοση μαθημάτων

Αυτό το πρόγραμμα είναι διαθέσιμο σε πλήρη φοίτηση και θα διαρκέσει 36 μήνες για να ολοκληρωθεί. Οι φοιτητές θα παρακολουθήσουν 9 εξάμηνα ακαδημαϊκών σπουδών και αναμένεται να συμπληρώσουν έως και 4 πιστωτικές μονάδες κάθε εξάμηνο. Οι φοιτητές θα παρακολουθούν μαθήματα 5 ημέρες την εβδομάδα τις καθημερινές.

Δομή Μαθήματος: Πτυχίο Επιστήμης Δεδομένων

Περιγραφές των δομοστοιχείων

Έτος 1

• Ακαδημαϊκή Ακεραιότητα και Σεβασμός στο Deakin

Οι φοιτητές θα αναπτύξουν γνώσεις, δεξιότητες και αρχές ορθών πρακτικών για να κατανοήσουν τη σημασία της διατήρησης της ακαδημαϊκής ακεραιότητας στις σπουδές και την καριέρα τους και να αποφύγουν την παραβίαση των προτύπων ακαδημαϊκής ακεραιότητας.

• Εργαλεία Καριέρας για Απασχολησιμότητα

Δίνοντας έμφαση στη δημιουργία μιας ισχυρής διαδικτυακής παρουσίας, συμπεριλαμβανομένης της δημιουργίας αποτελεσματικών βιογραφικών και περιλήψεων στο LinkedIn, οι φοιτητές αναπτύσσουν ζωτικές επικοινωνιακές δεξιότητες για την επαγγελματική τους εξέλιξη.

• Συστήματα Υπολογιστών

Σε αυτήν την ενότητα, οι φοιτητές θα μάθουν τα δομικά στοιχεία των υπολογιστικών συστημάτων και τα εργαλεία που χρησιμοποιούνται από τους επαγγελματίες της πληροφορικής. Η ενότητα συνδέει τους φοιτητές με στοιχεία υλικού και λογισμικού των υπολογιστικών συστημάτων, διασφαλίζοντας ότι είναι έτοιμοι να ασχοληθούν με τη διαμόρφωση, τη λειτουργία και την κατασκευή υπολογιστικών συστημάτων.

• Διακριτά Μαθηματικά

Οι φοιτητές θα μάθουν πώς να κατασκευάζουν με αυστηρότητα, από τις πρώτες αρχές, τα εργαλεία που χρειάζονται για την αντιμετώπιση ενός ευρέος φάσματος μαθηματικών και επιστημονικών προβλημάτων. Τα θέματα που καλύπτονται περιλαμβάνουν τη θεωρία αριθμών, την προτασιακή και κατηγορηματική λογική, τη θεωρία γραφημάτων, τα σύνολα, τις συναρτήσεις, τις αναδρομές και τη συνδυαστική.

• Εισαγωγή στην Επιστήμη Δεδομένων και την Τεχνητή Νοημοσύνη

Οι φοιτητές θα αναπτύξουν γνώσεις βασικών αρχών στην επιστήμη δεδομένων, ιδίως στον χειρισμό δεδομένων και στους αλγόριθμους για την ανάλυση. Οι φοιτητές θα είναι σε θέση να λαμβάνουν δεδομένα, να αναγνωρίζουν μορφές δεδομένων, να συνοψίζουν και να οπτικοποιούν σχέσεις στα δεδομένα, να εκτελούν εργασίες διερευνητικής ανάλυσης δεδομένων και να δημιουργούν προγνωστικά μοντέλα.

• Εισαγωγή στον προγραμματισμό

Σε αυτή την ενότητα, οι μαθητές θα μάθουν τις βασικές αρχές του δομημένου προγραμματισμού και θα εξερευνήσουν τους μηχανισμούς λειτουργίας αυτών των προγραμμάτων μέσα στον υπολογιστή.

• Βασικές αρχές βάσης δεδομένων

Οι φοιτητές θα μάθουν πώς να κατασκευάζουν διαγράμματα οντοτήτων-σχέσεων (ER), διασφαλίζοντας ότι η σημασιολογία του μοντέλου ταιριάζει με εκείνη του πραγματικού αντικειμένου που αντιπροσωπεύει. Διδάσκει επίσης πώς να κατασκευάζετε, να συντηρείτε και να ανακτάτε πληροφορίες σε σχεσιακές βάσεις δεδομένων χρησιμοποιώντας SQL. Μέσω πραγματικών επιχειρηματικών σεναρίων και μάθησης βασισμένης σε έργα, οι φοιτητές θα αποκτήσουν τις δεξιότητες που απαιτούνται για το σχεδιασμό, την υλοποίηση και τη διαχείριση βάσεων δεδομένων.

• Εισαγωγή στη Στατιστική και την Ανάλυση Δεδομένων

Οι φοιτητές θα αναπτύξουν γνώσεις σχετικά με τις βασικές αρχές της πιθανότητας για τη συλλογιστική σε πραγματικές καταστάσεις. Οι φοιτητές θα πρέπει να χρησιμοποιούν στατιστικό λογισμικό και αριθμομηχανές για την ανάλυση δεδομένων και την ερμηνεία αποτελεσμάτων για δοκιμές σε μέσους όρους και αναλογίες πληθυσμού, δοκιμές χ2, συσχέτιση και γραμμική παλινδρόμηση, καθώς και μονόδρομη ανάλυση ANOVA.

• Αντικειμενοστραφής ανάπτυξη

Οι φοιτητές εισάγονται στον αντικειμενοστρεφή προγραμματισμό ως το θεμελιώδες παράδειγμα των σύγχρονων γλωσσών προγραμματισμού και της ανάπτυξης λογισμικού. Με την ολοκλήρωση της ενότητας, οι φοιτητές θα είναι έτοιμοι να αναπτύξουν λογισμικό πραγματικού κόσμου ακολουθώντας τις βέλτιστες πρακτικές σχεδιασμού και δομής λογισμικού.

• Γραμμική Άλγεβρα για Ανάλυση Δεδομένων

Αυτή η ενότητα εισάγει τους φοιτητές στους διανυσματικούς χώρους, τη θεωρία πινάκων, τα συστήματα γραμμικών εξισώσεων και τις μεθόδους επίλυσής τους, τις ιδιοτιμές και τα ιδιοδιανύσματα, καθώς και την εφαρμογή τους στην ομοιότητα διαγώνιων πινάκων. Οι τεχνικές που θα μάθουν οι φοιτητές από αυτή την ενότητα θα τους επιτρέψουν να αναλύσουν σύνθετα δεδομένα και να διασφαλίσουν την αξιοπιστία τους σε μελέτες κρυπτογραφίας.

Έτος 2

• Δίκτυα υπολογιστών και επικοινωνία

Οι φοιτητές θα αποκτήσουν μια βαθιά κατανόηση που χρειάζονται για τον τρόπο λειτουργίας των πρωτοκόλλων δικτύου σε όλη τη στοίβα, παρέχοντάς τους παράλληλα τις προγραμματιστικές και τεχνικές δεξιότητες που απαιτούνται για την ανάλυσή τους. Αυτό θα τους παρέχει την εστιασμένη τεχνική βάση που χρειάζονται για να επιτύχουν στο μάθημα.

• Διαφωνία δεδομένων

Η επεξεργασία δεδομένων είναι η διαδικασία κατάλληλης προετοιμασίας των ακατέργαστων δεδομένων για σκοπούς μοντελοποίησης. Στόχος αυτής της ενότητας είναι η εκμάθηση διαφόρων μεθοδολογιών επεξεργασίας δεδομένων και τεχνικών προγραμματισμού για την εκτέλεσή τους.

• Δομές δεδομένων και αλγόριθμοι

Αυτή η ενότητα εισάγει τους φοιτητές στη μοντελοποίηση δεδομένων στη μνήμη και στους υπολογιστικούς συμβιβασμούς κατά την ανάπτυξη λογισμικού. Αυτή η ενότητα θα επεκτείνει τις δυνατότητες προγραμματισμού των φοιτητών εξερευνώντας την εφαρμογή και υλοποίηση διαφορετικών δομών δεδομένων και αλγορίθμων, καθώς και τις παραμέτρους που σχετίζονται με την κατάλληλη επιλογή αυτών των εργαλείων για την κάλυψη διαφορετικών απαιτήσεων συστήματος.

• Εισαγωγή στις Αποκριτικές Εφαρμογές Ιστού Ή στο Υπολογιστικό Νέφος

Εισαγωγή στις εφαρμογές ιστού με δυνατότητα απόκρισης
Οι φοιτητές θα μάθουν βασικά πρωτόκολλα δικτύωσης και βασικές αρχές για τον ιστό, HTML, CSS και προηγμένα πλαίσια σχεδιασμού ιστοσελίδων όπως το Vue για τη δημιουργία εφαρμογών ιστού τόσο για επιτραπέζιους υπολογιστές όσο και για κινητές συσκευές. Οι φοιτητές θα κατανοήσουν πώς συνεργάζονται οι υποδομές ιστού, ο σχεδιασμός και ο προγραμματισμός, καθώς και θα μάθουν τις βασικές αρχές του responsive και προοδευτικού σχεδιασμού και ανάπτυξης ιστοσελίδων.

Ή

Υπολογιστικό νέφος
Με την ολοκλήρωση της ενότητας, οι φοιτητές θα έχουν μια σαφή κατανόηση του cloud computing, των τεχνολογιών που χρησιμοποιούνται στην παροχή cloud, της εφαρμογής του cloud computing για την επίλυση προβλημάτων και των ζητημάτων που πρέπει να λαμβάνονται υπόψη κατά την ανάπτυξη τεχνολογιών cloud σε έναν οργανισμό.

• Επαγγελματική Πρακτική στην Πληροφορική

Οι φοιτητές θα εισαχθούν στις ροές εργασίας πληροφορικής, στην ευέλικτη διαχείριση έργων, στις διεργασίες ανάπτυξης (dev-ops), στον έλεγχο εκδόσεων και στους τρόπους με τους οποίους αυτά τα εργαλεία συνδυάζονται στις σύγχρονες εταιρείες. Η χρήση αυτών των τεχνολογιών υποστηρίζεται από τις συμπεριφορές, την ομαδική εργασία και τις ηθικές παραμέτρους που απαιτούνται για την επαγγελματική συμμετοχή στην εργασία στον τομέα της πληροφορικής.

• Δημιουργία και Μηχανική Χαρακτηριστικών

Αυτή η ενότητα θα εξοπλίσει τους φοιτητές με τις γνώσεις και τις δεξιότητες για να αναγνωρίζουν και να δημιουργούν χαρακτηριστικά από διαφορετικές εισροές ακατέργαστων δεδομένων (κείμενο, εικόνα, βίντεο κ.λπ.) ή σημάτων (επιταχυνσιόμετρο, ηλεκτροκαρδιογράφημα, οικονομικές χρονοσειρές) για την κατασκευή μοντέλων μηχανικής μάθησης.

• Τεχνολογίες Σύλληψης Δεδομένων

Οι φοιτητές θα εισαχθούν σε μια σειρά πρωτοκόλλων και μεθοδολογιών συλλογής δεδομένων. Οι φοιτητές θα χρησιμοποιήσουν προσεγγίσεις που είναι συμβατές με τον κλάδο για την παρουσίαση, την οπτικοποίηση και την ανάλυση δεδομένων.

• Ανάπτυξη πλήρους στοίβας: Ασφαλείς υπηρεσίες backend Ή τεχνολογίες αυτοματισμού cloud

Ανάπτυξη πλήρους στοίβας: Ασφαλείς υπηρεσίες backend
Αυτή η ενότητα εστιάζει στις τεχνολογίες backend για την πλήρη ανάπτυξη στοίβας, συμπεριλαμβανομένων των API υπηρεσιών προγραμματισμού, της δημιουργίας βάσεων δεδομένων και της ανάπτυξης στο cloud.

Ή

Τεχνολογίες Αυτοματισμού Cloud
Σε αυτήν την ενότητα θα εξετάσουμε πώς να συσκευάσουμε σύγχρονες υπηρεσίες δικτύου και στη συνέχεια να τις αναπτύξουμε στο cloud χρησιμοποιώντας το Kubernetes. Οι μαθητές θα μάθουν τι είναι τα κοντέινερ, πώς δημιουργούνται και πώς χρησιμοποιούνται σε αναπτύξεις λογισμικού.

Έτος 3

• Επεξεργασία φυσικής γλώσσας

Αυτή η ενότητα παρέχει στους φοιτητές μια εις βάθος κατανόηση των βασικών θεωριών και τεχνικών που χρησιμοποιούνται για την επεξεργασία δεδομένων εγγράφων κειμένου μεγάλης κλίμακας για την κατανόηση, αναζήτηση, αναγνώριση και εξαγωγή πληροφοριών από ημιδομημένα έγγραφα κειμένου. Η ενότητα θα καλύψει βασικές τεχνολογίες για την ανάλυση εγγράφων κειμένου, συμπεριλαμβανομένης της ανάκτησης πληροφοριών, της αναζήτησης και της ευρετηρίασης, της εξαγωγής πληροφοριών, της ταξινόμησης εγγράφων και της κατανόησης της φυσικής γλώσσας.

• Εκμάθηση μηχανών

Οι φοιτητές θα εξερευνήσουν τεχνικές μηχανικής μάθησης όπως η αναπαράσταση δεδομένων, οι μέθοδοι μη επιβλεπόμενης μάθησης (ομαδοποίηση και παραγοντική ανάλυση), οι μέθοδοι επιβλεπόμενης μάθησης (γραμμική και μη γραμμική ταξινόμηση), οι έννοιες της κατάλληλης πολυπλοκότητας μοντέλου για το πρόβλημα και τα διαθέσιμα δεδομένα.

• Ανάπτυξη Πλήρους Στοίβας: Ασφαλείς Εφαρμογές Frontend Ή Ανάπτυξη Εφαρμογών Cloud Native

Ανάπτυξη πλήρους στοίβας: Ασφαλείς εφαρμογές Frontend
Αυτή η ενότητα εστιάζει στο frontend μέρος της διαδικασίας ανάπτυξης πλήρους στοίβας, χρησιμοποιώντας τεχνολογίες ιστού για τον προγραμματισμό διεπαφών frontend, την αλληλεπίδραση με υπηρεσίες και βάσεις δεδομένων για τη δημιουργία εφαρμογών που υποστηρίζουν μια μεγάλη ποικιλία δυνατοτήτων συσκευών.

Ή

Ανάπτυξη Εφαρμογών Cloud Native
Σε αυτήν την ενότητα, οι φοιτητές θα μάθουν να σχεδιάζουν, να αναπτύσσουν και να αναπτύσσουν εφαρμογές cloud native σύμφωνα με τις βέλτιστες πρακτικές, συμπεριλαμβανομένης της υποδομής όπως ο κώδικας, η ασύγχρονη επικοινωνία, η οργάνωση, η διαχείριση καθυστέρησης, η αναπαραγωγή και η παραλληλοποίηση, η διαχείριση σφαλμάτων και η ασφάλεια.

• Ομαδικό Έργο (Α) – Διαχείριση Έργου και Πρακτικές

Οι φοιτητές θα μάθουν για τις μεθοδολογίες και τις πρακτικές διαχείρισης έργων, με ιδιαίτερη έμφαση στη διαχείριση ευέλικτων έργων. Οι φοιτητές θα αναπτύξουν πρακτική εμπειρία στη χρήση εργαλείων βιομηχανικών προτύπων για να συμβάλουν στο έργο, να αναλύσουν τις απαιτήσεις, να σχεδιάσουν λύσεις, να παρακολουθήσουν την πρόοδο και την παραγωγικότητα του έργου και να αναλογιστούν τα sprint και τα αποτελέσματα του έργου.

• Βαθιά μάθηση

Αυτή η ενότητα απευθύνεται στους φοιτητές, ώστε να αναπτύξουν πρακτικές γνώσεις σχετικά με τη βαθιά μάθηση και τις σχετικές εφαρμογές. Οι μαθησιακές δραστηριότητες θα επικεντρωθούν στην κατανόηση των θεωριών βαθιάς μάθησης, στην κατασκευή μοντέλων βαθιάς μάθησης για τον χειρισμό δομημένων και μη δομημένων δεδομένων, όπως εικόνες, βίντεο και κείμενα.

• Ανάπτυξη Εφαρμογών για Κινητές Συσκευές Ή Αρχιτεκτονική Λογισμικού και Επεκτασιμότητα για το Διαδίκτυο των Πραγμάτων

Ανάπτυξη εφαρμογών για κινητά
Οι φοιτητές θα καλύψουν τον σχεδιασμό και τη ροή εργασίας ανάπτυξης εφαρμογών σε μία πλατφόρμα εφαρμογών για κινητά, ένα πλαίσιο για την κατασκευή μιας εφαρμογής, καθώς και εργαλεία για την ανάπτυξη, τον έλεγχο και τη δημοσίευση λογισμικού για την πλατφόρμα. Οι φοιτητές θα επικεντρωθούν ιδιαίτερα στην εκμάθηση προηγμένων εννοιών και API, και στην εφαρμογή αυτών των δεξιοτήτων στην πράξη για την ανάπτυξη μιας πραγματικής εφαρμογής για κινητά.

Ή

Αρχιτεκτονική Λογισμικού και Επεκτασιμότητα για το Διαδίκτυο των Πραγμάτων
Οι φοιτητές θα μάθουν και θα χρησιμοποιούν διαφορετικά αρχιτεκτονικά πρότυπα, συμπεριλαμβανομένων αρχιτεκτονικών σε επίπεδα, στυλ διαύλου μηνυμάτων, αρχιτεκτονικών που βασίζονται σε συμβάντα και μικροϋπηρεσιών. Οι φοιτητές θα μάθουν επίσης διαφορετικά μοντέλα ανάπτυξης, χαρακτηριστικά ποιότητας υπηρεσίας και συμβιβασμούς, καθώς και απαιτήσεις και πλαίσια δοκιμών.

• Ομαδικό Έργο (Β) – Εκτέλεση και Παράδοση

Οι φοιτητές θα εντοπίσουν ένα πιθανό πρόβλημα ή τεχνικό κενό και θα αποκτήσουν εμπειρία στον τρόπο επίλυσής του χρησιμοποιώντας μεθόδους, αλγόριθμους και τεχνικές σχετικές με τον τομέα της πληροφορικής. Οι φοιτητές θα πρέπει να διαμορφώσουν περαιτέρω τις απαραίτητες στρατηγικές σχεδιασμού ή/και ανάπτυξης, να συνεργαστούν με συναδέλφους για τη διαχείριση και την υλοποίηση του έργου και να επιδείξουν τα αποτελέσματα που επιτεύχθηκαν σε σχέση με τους στόχους και τους σκοπούς του έργου.

• Εμπειρία στον κλάδο της πληροφορικής

Σε αυτήν την ενότητα, οι φοιτητές θα αποκτήσουν επαγγελματική εργασιακή εμπειρία σε έναν εγκεκριμένο οργανισμό υποδοχής για τουλάχιστον 100 ώρες. Αυτή η συστηματική ευκαιρία θα προσφέρει στους φοιτητές εμπειρίες σε έναν οργανισμό, κριτικούς στοχασμούς σχετικά με τα Μαθησιακά Αποτελέσματα του Προγράμματος Σπουδών και των Μεταπτυχιακών Σπουδών τους, καθώς και τις ειδικές και γενικές ικανότητές τους στο γνωστικό αντικείμενο. Λεπτομέρειες Μαθήματος