Μέθοδοι αξιολόγησης
Η μέθοδος αξιολόγησης θα εξαρτηθεί από τον αριθμό φοιτητών που θα δηλώσει το μάθημα.
Ο βασικός κορμός αξιολόγησης θα βασίζεται στις εργαστηριακές ασκήσεις και εργασίες / παρουσίασεις που μπορούν να εκτελούνται από ομάδες 1-3 φοιτητών. Οι διαλέξεις θα συνοδεύνται από εργασιακές ασκήσεις.
Στο τέλος του μαθήματος θα υπάρξει προφορική εξέταση στο παραπάνω έργο.
Προτεινόμενα συγγράμματα
"Εγχειρίδιο Αριθμητικών Μεθόδων για Επιστημονικές Εφαρμογές με την Χρήση MatLab και Python",
Περιεχόμενο μαθήματος
- Εισαγωγή στην Ανάλυση και Εξώρυξη Δεδομένων (Data Science)
- Εισαγωγή στα υπολογιστικά περιβάλλοντα Python, R, SaS, Excel
- Δεδομένα και αρχική επεξεργασία των (Knowing your Data and Data Preprocessing)
- Εφαρμογές βασισμένες στα κεφάλαια 5, 8, 9, 10, και 11 από το εγχειρίδιο του Η. Χούστη με την χρήση των παραπάνω ΠΕΠ
- Εφαρμογές που βασίζονται στην ύλη του μαθήματος "εισαγωγή στην στατιστική" και ιδιαίτερα μεθόδων παλυδρόμησης (regression)
- Τεχνικές μείωσης διαστάσεων δεδομένων (Data Reduction - PCA (Principal Component Reduction) Analysis)
- Εισαγωγή στους βασικούς αλγορίθμους εξόριξης δεδομένων (data mining) και προγραμματισμός
- Εφαρμογές που απαιτούν ανάλυση με στατιστικές και data mining τεχνικές.
- Παρουσιάσεις φοιτητών σημαντικών αναφορών στο χώρο "Data Analytics and Data Mining"
Περισσότερα
Η διαχείρηση του μαθήματος θα γίνεται στο περιβάλλον piazza.com για το μάθημα ECE514. Παρακαλώ να εγγραφείτε και στο piazza.com.
