Εισαγωγή στην Επιστήμη των Δεδομένων - Introduction to Data Science

Η Επιστήμη των Δεδομένων έχει αναδειχθεί τα τελευταία χρόνια ως ένα πολύ σημαντικό επιστημονικό πεδίο που έχει ως αντικείμενο στην κατανόηση πολύπλοκων συστημάτων και την καθοδήγηση στη λήψη αποφάσεων μέσω της ανάλυσης δεδομένων. Συνθέτει στοιχεία από πολλούς άλλους βασικούς επιστημονικούς κλάδους όπως η πληροφορική, η επιστήμη των υπολογιστών, η στατιστική και η τεχνητή νοημοσύνη.

Η διαδικασία που ακολουθείται σε μια εφαρμογή της Επιστήμης των Δεδομένων ξεκινά από ένα ερώτημα που θέλουμε να απαντήσουμε. Στη συνέχεια πρέπει να προσδιοριστούν οι τύποι των δεδομένων που θα μας βοηθούσαν στην απάντηση αυτού του ερωτήματος, καθώς και η διαθεσιμότητά τους. Έχοντας τα δεδομένα διαθέσιμα, θα πρέπει αρχικά να απεικονιστούν και να γίνει μια πρώτη προσπάθεια αναγνώρισης μοτίβων. Το επόμενο στάδιο αφορά στην κατασκευή του κατάλληλου υποδείγματος και στο ταίριασμα (ή εκτίμηση των παραμέτρων του) στα δεδομένα. Στο τελικό στάδιο, τα αποτελέσματα της ανάλυσης θα πρέπει να παρουσιαστούν με τον κατάλληλο τρόπο (οπτικοποίηση) ώστε να αναδεικνύονται τα κεντρικά συμπεράσματα.

Σε αυτό το σεμινάριο ξεκινάμε με μια εισαγωγή στις βασικές έννοιες της Επιστήμης των Δεδομένων. Στη συνέχεια εμβαθύνουμε στα στατιστικά εργαλεία, στον προγραμματισμό, σε ορισμένα βασικά θέματα τεχνητής νοημοσύνης καθώς και στην έννοια των “Big Data”. Κατά την ολοκλήρωσή του, ο φοιτητής θα μπορεί να διαχειριστεί, να επεξεργαστεί, να οπτικοποιήσει και να αναλύσει δεδομένα που προκύπτουν στον πραγματικό κόσμο.

ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ/ΣΚΟΠΙΜΟΤΗΤΑ

• Γνώση των κυριότερων χαρακτηριστικών της επιστήμης των δεδομένων
• Γνώση της γλώσσας R και των εργαλείων που προσφέρει για εφαρμογές στην επιστήμη των δεδομένων
• Γνώση μεθόδων χειρισμού, οργάνωσης και επεξεργασίας ψηφιακών δεδομένων με τη γλώσσα R.
• Εισαγωγή στη Μηχανική Μάθηση, στα είδη μηχανικής μάθησης και γνώση των βασικών αλγορίθμων με εφαρμογές στην R
• Γνώση των βασικών μεθόδων στατιστικής ανάλυσης δεδομένων με τη χρήση της R
• Εισαγωγική γνώση των βάσεων δεδομένων και εφαρμογές με τις γλώσσες R και SQL.

ΑΝΤΙΚΕΙΜΕΝΟ – ΠΑΡΑΔΟΤΕΟ ΥΛΙΚΟ

1ο Μάθημα: Εισαγωγή στη Στατιστική για Ανάλυση Δεδομένων
Περιγραφική Στατιστική – Descriptive Statistics
Τύποι Δεδομένων. Περιγραφή δεδομένων με γραφήματα και πίνακες. Παρουσίαση των βασικών στατιστικών μέτρων για τη περιγραφή δεδομένων.
Βασικά Στοιχεία Πιθανοτήτων –Basic Probability
Ιδιότητες της Πιθανότητας, ενδεχόμενα, ανεξαρτησία ενδεχομένων, δεσμευμένη πιθανότητα, θεώρημα Bayes.
2ο Μάθημα: Τυχαίες Μεταβλητές
Βασικά Στοιχεία Τυχαίων Μεταβλητών
Τι είναι οι τυχαίες μεταβλητές, Διακριτές και Συνεχείς τυχαίες μεταβλητές, Κατανομές τυχαίων μεταβλητών, μέτρα και ιδιότητες τυχαίων μεταβλητών (μέσος, διασπορά, …).
Είδη τυχαίων μεταβλητών
Κατανομές Bernoulli, διωνυμικες, Poisson. Κανονικές τυχαίες μεταβλητές. Ο Νόμος των Μεγάλων Αριθμών και το Κεντρικό Οριακό Θεώρημα.
3ο Μάθημα: Εκτιμητική και Στατιστική Συμπερασματολογία
Δειγματοληψία και Διαστήματα Εμπιστοσύνης
Μέθοδοι δειγματοληψίας. Σημειακή εκτίμηση. Εκτιμητές. Διαστήματα εμπιστοσύνης.
Έλεγχος Υποθέσεων
Η έννοια του Ελέγχου Υποθέσεων. Πόσο ισχυρά συμπεράσματα βγάζουμε; Πώς καθορίζεται η Μηδενική και η Εναλλακτική υπόθεση; Τύποι σφαλμάτων που μπορεί να προκύψει (σφάλματα τύπου Ι και ΙΙ).
4ο Μάθημα: Εισαγωγή στη γλώσσα R για την Επιστήμη των Δεδομένων.
Ορισμένοι Βασικοί Έλεγχοι
Έλεγχοι για τους μέσους, τις αναλογίες και τη διαφορά μέσων δύο πληθυσμών. Ο έλεγχος Χ2 για ανεξαρτησία.
Βασικά χαρακτηριστικά της R
Ποιά είναι η γλώσσα R. Πώς την εγκαθιστούμε και πώς τη χρησιμοποιούμε.
5ο Μάθημα: Χρήσιμες δομές δεδομένων της R
Γράφοντας τον πρώτο μας κώδικα
Η δομή των εντολών της R. Βασικοί τύποι δεδομένων. Μεταβλητές.
Διανύσματα και Πίνακες στην R
Δημιουργία, ονομασία. Επιλογή στοιχείων από διανύσματα. Βασικές πράξεις χρησιμοποιώντας πίνακες. Η πρώτη μας εφαρμογή.
Factors, Data Frames και Lists
Δημιουργία, επιλογή και σύγκριση κατηγορικών δεδομένων με τη χρήση Factors. Αποθήκευση πινάκων δεδομένων σε Data Frames. Επιλογή στοιχείων από ένα Data Frame και μετατροπή σε Πίνακα. Αποθήκευση δεδομένων διαφορετικών τύπων σε λίστες.
Βασικά πακέτα γραφικών στην R
Δημιουργία γραφημάτων και οπτικοποίηση δεδομένων.
6ο Μάθημα: Στοιχεία της Επιστήμης των Δεδομένων.
Οι διαδικασίες στην Επιστήμη των Δεδομένων
Η προσέγγιση και οι βασικές αρχές της Επιστήμης των Δεδομένων. Η διαδικασία που ακολουθούμε στην Επιστήμη των Δεδομένων.
Εισαγωγή και ανάγνωση Δεδομένων στην R
Οι βασικές εντολές ανάγνωσης δεδομένων.
Εισαγωγή στη Μηχανική Μάθηση (Machine Learning)
Πιθανότητες και Στατιστική στην Επιστήμη των Δεδομένων
Εφαρμογή σε δεδομένα της εύρεσης διαστημάτων εμπιστοσύνης και του ελέγχου υποθέσεων. Η έννοια της συσχέτισης.
Προσομοιώσεις
Δεδομένα που προκύπτουν από προσομοιώσεις. Προσομοιώσεις Monte-Carlo. Re-sampling δεδομένων.
7ο Μάθημα: Δουλεύοντας με Δεδομένα.
Προετοιμασία Δεδομένων και Data Ingestion
Τα βασικά επιλογής δεδομένων. Η σημασία του ελέγχου και «ξεκαθαρίσματος» των δεδομένων (data cleaning).
Εισαγωγή Δεδομένων από ιστοσελίδες
Χρήση πακέτων της R. Έλεγχος, καθάρισμα και μετασχηματισμός δεδομένων (data munging). Εφαρμογή με πραγματικές ιστοσελίδες.
8ο Μάθημα: Εισαγωγή στη Γραμμική Παλινδρόμηση
Το Απλό Γραμμικό Υπόδειγμα
Απλή γραμμική παλινδρόμηση. Βασικές υποθέσεις. Μέθοδοι εκτίμησης. Ερμηνεία των παραμέτρων του υποδείγματος. Ιδιότητες των εκτιμητών
9ο Μάθημα: Ανάλυση Πολλαπλής Παλινδρόμησης
Βασικές υποθέσεις και ερμηνεία των παραμέτρων. Αμεροληψία και αποτελεσματικότητα των εκτιμητών ελαχίστων τετραγώνων. Έλεγχος υποθέσεων. Πολυσυγγραμμικότητα. Omitted Variable Bias. Συνέπεια και ασυμπτωτική αποτελεσματικότητα των εκτιμητών ελαχίστων τετραγώνων.
Ετεροσκεδαστικότητα
Συνέπειες. Έλεγχοι ετεροσκεδαστικότητας. Επίλυση του προβλήματος.
10ο Μάθημα: Ειδικά Θέματα Παλινδρόμησης
Binary (Dummy) Variables
Όταν κάποιοι από τους regressors είναι Ερμηνεία. Η περίπτωση που η εκξαρτημένη μεταβλητή είναι Binary (το γραμμικό υπόδειγμα πιθανότητας).
Τα υποδείγματα Probit και Logit
11ο Μάθημα: Αρχές Ανάλυσης Δεδομένων Χρονοσειρών
Στάσιμες Στοχαστικές Ανελίξεις
Αυτοσυσχέτιση. Ασθενώς Εξαρτημένες Χρονοσειρές
Ορισμένοι Βασικοί Τύποι Ανελίξεων
Ανιλίξεις κινητού μέσου (MA(q)). Αυτοπαλίνδρομες ανελίξεις (AR(p)). Ανελίξεις ARMA(p,q). Ο τελεστής
Ανελίξεις Μοναδιαίας Ρίζας
Ιδιότητες. Έλεγχοι ύπαρξης μοναδιαίας ρίζας.
Προσομοιώσεις Ανελίξεων ARIMA(p,d,q) και έλεγχοι μοναδιαίας ρίζας στην R
12ο Μάθημα: Αρχές Machine Learning
Εισαγωγή στο Supervised Learning
Βασικές αρχές του Supervised Learning. Βασικές διαφορές με το Unsupervised Learning. Απλά μοντέλα Machine Learning στην R.
Βελτιώνοντας ένα μοντέλο Supervised Learning
Η διαδικασία επιλογής χαρακτηριστικών. Τα προβλήματα της υπερ-παραμετροποίησης (over-parametrization) και τις ανάλυσης φαινομένων σε πολλές διαστάσεις (curse of dimensionality). Τεχνικές για αντιμετώπιση αυτών των προβλημάτων (reguralization, dimensionality reduction).
13ο Μάθημα: Αλγόριθμοι Ταξινόμησης
Linear Discriminant Analysis (LDA)
Classification and Regression Trees (CART).
k-Nearest Neighbors (kNN).
Support Vector Machines (SVM) with a linear kernel.
Random Forests (RF)
Unsupervised Learning στην R
Μέθοδοι Clustering και Εφαρμογή στην R
Recommender Systems και Εφαρμογή στην R
14ο Μάθημα: Εισαγωγή στις Βάσεις Δεδομένων
Εισαγωγή στον SQL server
Τύποι δεδομένων και η λέξη NULL. Queries. Queries σε πολλαπλούς πίνακες με την εντολή JOIN. Τελεστές. Subqueries και η εντολή Τροποποίηση δεδομένων.
Επικοινωνώντας με τον SQL server – Βάσεις Δεδομένων και η R

Μετά την επιτυχή ολοκλήρωση του σεμιναρίου χορηγείται Πιστοποιητικό Παρακολούθησης από το Πανεπιστήμιο Πειραιώς.

Μονάδες ECVET: 3.2
Η εκπαιδευτική ενότητα οδηγεί σε Πιστοποιητικό Επιμόρφωσης.