Εισαγωγή

Αναπτύξτε προηγμένες δεξιότητες στην επιστήμη δεδομένων, συμπεριλαμβανομένης της μηχανικής μάθησης και της ανάλυσης δεδομένων, οι οποίες είναι απαραίτητες για σταδιοδρομία σε πολλούς τομείς που βασίζονται σε δεδομένα, μέσω ενός ευέλικτου, διαδικτυακού μεταπτυχιακού προγράμματος (MSc).

Αναπτύξτε βασικές δεξιότητες στην επιστήμη δεδομένων που είναι απαραίτητες για επιτυχημένες σταδιοδρομίες σε πολλούς τομείς που βασίζονται σε δεδομένα.

Γιατί να σπουδάσετε αυτό το μάθημα;

Αποκτήστε δεξιότητες που έχουν ζήτηση από παγκόσμια, εμπορικά, χρηματοοικονομικά και ερευνητικά ιδρύματα.

Αυτό το μάθημα καλύπτει ένα μείγμα πρακτικών και θεωρητικών θεμάτων απαραίτητων για σταδιοδρομίες σε πολλούς τομείς που βασίζονται σε δεδομένα. Θα μάθετε πώς να προσεγγίζετε προβλήματα δεδομένων πραγματικού κόσμου και να εφαρμόζετε τις δεξιότητές σας στην κριτική σκέψη, την επίλυση προβλημάτων και την ανάλυση.

Το μάθημα Επιστήμης Δεδομένων είναι ένα διαδικτυακό πρόγραμμα με αυτορυθμιζόμενο ρυθμό, με επιλογές σπουδών για MSc, PGCert και PGDip.

Μελετήστε τις ερευνητικές μεθόδους στην επιστήμη δεδομένων και κατανοήστε τα σύγχρονα ζητήματα στον τομέα.
Ανακαλύψτε μεθόδους εξόρυξης δεδομένων, από την υποκείμενη βασική θεωρία έως την πρακτική κατανόηση.
Μάθετε πώς να δημιουργείτε ελκυστικές απεικονίσεις πληροφοριών και πώς να επαληθεύετε οπτικές απεικονίσεις δεδομένων.
Χρησιμοποιήστε υπολογιστικούς πόρους βιομηχανικού προτύπου για να αξιοποιήσετε πλήρως τη ροή εργασίας της επιστήμης δεδομένων, από την απόκτηση και επεξεργασία δεδομένων, μέσω της ανάπτυξης και επιλογής μοντέλων, έως την τελική ανάπτυξη και συντήρηση.
Μελετήστε τεχνικές βελτιστοποίησης, πώς να επιμελείστε και να χρησιμοποιείτε μεγάλες ποσότητες δεδομένων και πώς να μοντελοποιείτε και να προσομοιώνετε πολύπλοκα συστήματα δεδομένων.

Διαβάστε περισσότερα στον ιστότοπο του ιδρύματος

Εκθεσιακός χώρος

Διδακτέα ύλη

Όσοι σπουδάζουν για μεταπτυχιακό τίτλο σπουδών (MSc) παρακολουθούν τα υποχρεωτικά μαθήματα και ένα προαιρετικό μάθημα.

Όσοι σπουδάζουν για ένα PGCert παρακολουθούν τέσσερα μαθήματα, ενώ όσοι σπουδάζουν για ένα PGDip παρακολουθούν οκτώ μαθήματα.

MSc

Υποχρεωτικές ενότητες

Μοντελοποίηση και προσομοίωση σύνθετων συστημάτων

Εισάγει μια σειρά τεχνικών και τις εφαρμογές τους σε διαφορετικές κατηγορίες προβλημάτων, με πρακτική έμφαση σε σύγχρονα μοντέλα και προσομοιώσεις που βασίζονται σε δίκτυα.

Οπτικοποίηση Δεδομένων και Πληροφοριών

Εστιάζει στο ερώτημα του πώς να χρησιμοποιηθούν οι οπτικές αναπαραστάσεις για να καταστούν οι πληροφορίες προσβάσιμες για εξερεύνηση και ανάλυση.

Συστήματα που βασίζονται σε δεδομένα

Πρόκειται για μια προηγμένη ενότητα με επίκεντρο την έρευνα που παρουσιάζει τα θεμέλια των κατανεμημένων συστημάτων και των τεχνικών που επεξεργάζονται δεδομένα.

Διακριτή Βελτιστοποίηση

Καλύπτει τη θεωρία, τα εργαλεία και τις τεχνολογίες που αναπτύχθηκαν και χρησιμοποιήθηκαν για την επίλυση προβλημάτων στον Ακέραιο Προγραμματισμό και τη Συνδυαστική Βελτιστοποίηση.

Μηχανική Μάθηση από άκρο σε άκρο

Εστιάζει στη χρήση πακέτων Python για την εκτέλεση ολοκληρωμένων αναλύσεων που βασίζονται σε δεδομένα.

Αλγόριθμοι μηχανικής εκμάθησης

Καλύπτει την βασική θεωρία και τους αλγόριθμους, συμπεριλαμβανομένων των μαθηματικών θεμελίων, και των μεθοδολογικών προσεγγίσεων, χρησιμοποιώντας μια ποικιλία προσεγγίσεων παλινδρόμησης, ταξινόμησης και μη επιβλεπόμενων προσεγγίσεων.

Προγραμματισμός στο Python

Εισάγει και αναθεωρεί τη μοντελοποίηση, το σχεδιασμό και την υλοποίηση σε Python.

Προαιρετικές ενότητες

Αριθμητική Βελτιστοποίηση

Λαμβάνει ως κύρια θέματα ενδιαφέροντος τη γραμμική άλγεβρα και τη βελτιστοποίηση και τις λύσεις σε προβλήματα μηχανικής μάθησης ως εφαρμογές των εργαλείων, τεχνικών και αλγορίθμων που προκύπτουν.

Μέθοδοι Έρευνας στην Επιστήμη Δεδομένων

Εισάγει τις δεξιότητες που είναι απαραίτητες για τα στάδια σχεδιασμού, συλλογής δεδομένων, ανάλυσης δεδομένων και διάδοσης της έρευνας στην Επιστήμη Δεδομένων.

Σχέδιο διατριβής

Επιπλέον, οι φοιτητές θα υποβάλουν μια διατριβή στην Επιστήμη Δεδομένων, η οποία θα περιλαμβάνει ένα λεπτομερές λογισμικό που υλοποιεί και αξιολογεί μια ροή εργασίας και μια λεπτομερή περιγραφή του αντικειμένου και του πλαισίου του στον τομέα σπουδών. Αυτή η ενότητα περιλαμβάνει τακτική κατ' ιδίαν επαφή με τον Ακαδημαϊκό Επόπτη.

PGCert, PGDip