Μάθημα : Τεχνητή Νοημοσύνη και Τεχνικές Μηχανικής Μάθησης
Κωδικός : DMML101
DMML101 - ΧΡΗΣΤΟΣ ΣΚΟΥΡΛΑΣ - ΚΛΕΙΩ ΣΓΟΥΡΟΠΟΥΛΟΥ - ΑΝΑΣΤΑΣΙΟΣ ΤΣΟΛΑΚΙΔΗΣ - ΧΡΗΣΤΟΣ ΤΡΟΥΣΣΑΣ
Περιγραφή Μαθήματος
-
Περιεχόμενο μαθήματος
Το Μάθημα έχει σκοπό την ανάπτυξη των απαραίτητων γνώσεων και δεξιοτήτων για την εξόρυξη γνώσης από βάσεις δεδομένων, μέσω σύγχρονων τεχνικών και μεθοδολογιών. Οι εκπαιδευόμενοι θα έχουν τη δυνατότητα να έρθουν σε επαφή με τους αλγορίθμους συσταδοποίησης (clustering), ομαδοποίησης (classification), δέντρων αποφάσεων (decision trees) και κανόνων συσχετίσεων. Επίσης θα γνωρίσουν την μεθοδολογία που απαιτείται για το σχεδιασμό, ανάπτυξη και εφαρμογή ενός συστήματος εξόρυξης γνώσης με σκοπό την πρόβλεψη πιθανών καταστάσεων και την εξαγωγή χρήσιμων συμπερασμάτων. Το σεμινάριο αυτό αποτελεί το εισαγωγικό μάθημα ενός κύκλου μαθημάτων που θα οδηγήσει σε πιστοποίηση στον τομέα της Επιστήμης Δεδομένων (Data Science). Μετά την επιτυχή ολοκλήρωση του προγράμματος και του κύκλου μαθημάτων οι σπουδαστές θα έχουν αποκτήσει όλες τις απαραίτητες γνώσεις και δεξιότητες που απαιτούνται για να μπορέσουν να σταδιοδρομήσουν στον τομέα της Επιστήμης Δεδομένων (Data Science), ο οποίος αποτελείται από πολλούς και αλληλεπικαλυπτόμενους τομείς της επιστήμης.
Ομάδα στόχος
Το μάθημα απευθύνεται σε:
• Αποφοίτους όλων των επιστημονικών πεδίων οι οποίοι επιθυμούν να απασχοληθούν με την ανάλυση δεδομένων
• Στελέχη επιχειρήσεων και οργανισμών που επιθυμούν να χρησιμοποιήσουν τις τεχνικές της εξόρυξης δεδομένων
• Φοιτητές ή αποφοίτους ΑΕΙ που επιθυμούν να αποκτήσουν γνώσεις σχετικά με την ανάλυση δεδομένων.Διδάσκοντες
Χρήσιμες Οδηγίες
Για να μπορέστε να στείλετε τις ερωτήσεις σας, σχετικά με το μάθημα παρακολουθήστε το παρακάτω βίντεο.
Όνομα χρήστη: datascience_demo
Συνθηματικό: q1K5z#ctb9
Ημερολόγιο
Ανακοινώσεις
Όλες...- - Δεν υπάρχουν ανακοινώσεις -