Η ΔΟΜΗ ΤΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ
Modern Data Management & BI (57 ώρες): Διαχείριση δεδομένων μεγάλης κλίμακας, Επιχειρηματική ευφυΐα και μεγάλα δεδομένων, Νέα συστήματα διαχείρισης μεγάλων δεδομένων (Hadoop, NoSQL, Stream Engines), Ενοποίηση δεδομένων.
Business Skills in Analytics (33 ώρες): Δεξιότητες που αφορούν σχεδίαση επιχειρηματικών διαδικασιών, νομικές γνώσεις σχετικά με την ιδιωτικότητα και την προστασία των δεδομένων, διαχείριση καινοτομίας και επιχειρηματικότητας.
Data Analysis&Tools (102 ώρες): Μέθοδοι ανάλυσης δεδομένων που βασίζονται στη Στατιστική και Μηχανική Εκμάθηση.
Visualization (30 ώρες): Θεωρητικές έννοιες για την οπτικοποίηση δεδομένων και εργαλεία που χρησιμοποιούνται.
Case Studies (24 ώρες): End-to-end εφαρμογές analytics σε κάθετους τομείς (π.χ. energy, telecom, banking, healthcare, transportation, finance, insurance, κ.λ.π.) ώστε οι καταρτιζόμενοι να εκτεθούν σε διαφορετικού είδους ανάλυση δεδομένων.
ΚΑΤΕΒΑΣΤΕ ΤΟ ΩΡΟΛΟΓΙΟ ΠΡΟΓΡΑΜΜΑ ΕΔΩ
| Θεματική Ενότητα | Τίτλος | Εισηγητής | Ώρες | Περιγραφή |
| Data Management | Modern Data Management | Δαμιανός Χατζηαντωνίου Αναπ. Καθηγητής Ο.Π.Α. | 18 | Modeling, SQL, large scale data management. In-memory DBs, column-oriented DBs, new systems, data streams. |
| Business Intelligence and Big Data | Δαμιανός Χατζηαντωνίου Αναπ. Καθηγητής Ο.Π.Α. | 12 | Data warehousing: design, implementation, data governance. Data cubes. SQLServer Analysis Services | |
| Big Data Mgmt Systems | Πάνος Λουρίδας Αναπ. Καθηγητής Ο.Π.Α. | 27 | Hadoop, Spark, MongoDB, Redis, Azure Stream Analytics | |
| Business Skills | Business Process Management | Αγγελική Πουλυμενάκου Αναπ. Καθηγήτρια Ο.Π.Α. | 15 | Process performance metrics and practical case examples of enterprise and inter-organizational systems |
| Data Privacy & Protection | Λίλιαν Μήτρου Καθηγήτρια Παν. Αιγαίου | 9 | Definition of privacy and personal data protection. Principles, institutions and regulatory models of privacy and data protection on inter-national and national level. | |
| Innovation and Entrepreneurship | Κατερίνα Πραματάρη Αναπ. Καθηγήτρια Ο.Π.Α. | 9 | Identify business opportunities and innovation areas associated with the exploitation of big data. | |
| Data Analysis & Tools | Statistics for Analytics with R | Δημήτρης Καρλής Αναπ. Καθηγητής Ο.Π.Α. | 36 | Presenting state of the art methods used with real data for eliciting important information for decision making. For all topics several examples will be used using R and their libraries |
| Python for Analytics | Πάνος Λουρίδας Αναπ. Καθηγητής Ο.Π.Α. | 18 | Using Python and its libraries for analytics examples. | |
| Data Mining | Γιάννης Κωτίδης Αναπ. Καθηγητής Ο.Π.Α. | 15 | Rapid Miner, Neo4j | |
| SAS Tools | Ανδρέας Ζάρας Εκπαιδευτής, SAS Institute | 18 | SAS Enterprise Miner | |
| Practical Machine Learning | Χάρης Παπαγεωργίου Ερευνητής Α, «Αθηνά» | 15 | TensorFlow | |
| Visualization | Concepts in Visual Analytics | Δημήτρης Καρλής Αναπ. Καθηγήτρια Ο.Π.Α. | 6 | Principles and guidelines in data visualization |
| Power BI | Θα ανακοινωθεί | 12 | PowerBI | |
| Tableau | Θα ανακοινωθεί | 12 | Tableau | |
| Applications | Case Studies in Analytics | Accenture, ΕΥ, ΙΒΜ, SAS | 24 | Εφαρμογές σε Banking, Insurance, Healthcare, Transportation, κλπ |