facebook ΚΕΔΙΒΙΜ/ΟΠΑ

R2: Ανάλυση Δεδομένων με R

PI_r2
Σύντομη περιγραφή προγράμματος

Η στατιστική γλώσσα R αποτελεί ένα πολύτιμο εργαλείο διαχείρισης δεδομένων αλλά κυρίως στατιστικής ανάλυσης που περιλαμβάνει σύγχρονες μεθοδολογίες αιχμής. Το γεγονός ότι η R είναι μια γλώσσα ανοικτού κώδικα όπου καθένας μπορεί να συνεισφέρει με την ανάπτυξη βιβλιοθηκών που υλοποιούν στατιστικές μεθοδολογίες έχει οδηγήσει σε έναν αλματώδη, σχεδόν φρενήρη, ρυθμό ανάπτυξης. Ταυτόχρονα η R διαθέτει υψηλής ποιότητας γραφικά αποτελώντας έτσι ένα σημαντικό εργαλείο στην οπτικοποίηση δεδομένων.

Έτσι προκύπτει η άμεση ανάγκη για εκπαίδευση και κατάρτιση ενός μεγάλου αριθμού πτυχιούχων στη γλώσσα αυτή που μέχρι πρότινος βασίζονταν στη χρήση εμπορικών στατιστικών λογισμικών κλειστού τύπου. Συγχρόνως η ανάπτυξη μεθοδολογιών ανάλυσης μεγάλου όγκου δεδομένων αλλά και οι εξελίξεις τόσο στη στατιστική επιστήμη όσο και άλλες συναφείς επιστήμες οδηγεί στην ανάγκη επιμόρφωσης στην R και τις δυνατότητες της.

Tο πρόγραμμα αυτό αποτελεί λογική συνέχεια του προγράμματος R#1 - Εισαγωγή στην R. Σε αυτό το πρόγραμμα ασχολούμαστε με θέματα ανάλυσης δεδομένων και αφορούν πρακτικά και πραγματικά προβλήματα δεδομένων.

Σκοπός του προγράμματος αυτού είναι αφενός να εκπαιδεύσει πτυχιούχους και στελέχη στην ανάλυση δεδομένων με την R αλλά συγχρόνως να προσφέρει και να διδάξει σημαντικές έννοιες της στατιστικής με σωστό και συστηματικό τρόπο χρησιμοποιώντας την R ως εργαλείο.

Σε αυτό το πλαίσιο το μάθημα αυτό προσφέρει τρόπους χρήσης της R για τη στατιστική ανάλυση δεδομένων σε πραγματικά προβλήματα έχοντας πάντα υπόψη τις εφαρμογές αλλά και σύγχρονα προβλήματα διαχείρισης δεδομένων που εμφανίζονται στην πράξη.

Στα πλαίσια των σεμιναρίων υπάρχουν 5 τρίωρες διαλέξεις με θεωρία και 5 τρίωρα εργαστήρια όπου δίνονται και μικρές ασκήσεις για το σπίτι (homework) με σκοπό τόσο την εξοικείωση με τα αρχεία ανάλυσης δεδομένων της R αλλά και την επίλυση πρακτικών προβλημάτων με πραγματικά δεδομένα.

Τρόπος διεξαγωγής
Οι καταρτιζόμενοι παρακολουθούν το πρόγραμμα με Live Streaming , δηλαδή μέσω ηλεκτρονικής πλατφόρμας από τον χώρο της επιλογής τους. Γίνονται 5 τρίωρες διαλέξεις θεωρίας και 5 τρίωρα εργαστήρια. Σε κάθε εργαστήριο υπάρχει μια μικρή άσκηση για το σπίτι. Ενδεικτικές μέρες και ώρες (πάντα θα γίνονται απόγευμα για εργαζόμενους) είναι οι Παρασκευή (18.00-21.00) και Τρίτη 18.00-21.00 (Εργαστήριο).
Μαθησιακά αποτελέσματα
Στο τέλος της ενότητας ο εκπαιδευόμενος θα ξέρει:
  • Να χρησιμοποιεί τη γλώσσα R.
  • Να αναλύσει δεδομένα και να αναδεικνύει τις σχέσεις μεταξύ μεταβλητών.
  • Να εφαρμόζει γραμμικά μοντέλα βάση των οποίων να κάνει προβλέψεις και να ερμηνεύει πραγματικά φαινόμενα.
Θεματικές ενότητες
  1. Περιγραφική στατιστική
  2. Οπτικοποίηση Δεδομένων
  3. Έλεγχοι υποθέσεων (t-tests, ANOVA, χ2 ανεξαρτησίας)
  4. Απλή γραμμική παλινδρόμηση
  5. Πολλαπλή παλινδρόμηση
Εκπαιδευτικό υλικό
  • Διαφάνειες με το υλικό κάθε ενότητας.
  • Σημειώσεις σχετικές με το αντικείμενο.
  • Βιβλιογραφία, με online διαθέσιμο υλικό.
  • Εβδομαδιαίες εργασίες (Homework).
Εβδομαδιαίο πρόγραμμα
To πρόγραμμα διαρκεί 5 εβδομάδες. Κάθε εβδομάδα θα γίνεται μια θεωρητική διάλεξη και ένα εργαστηριακό μάθημα. Όλα τα μαθήματα διαρκούν τρεις ώρες και γίνονται τα απογεύματα.
Μέθοδοι αξιολόγησης και υπολογισμού τελικού βαθμού
Η αξιολόγηση γίνεται με υποβολή ασκήσεων ή εργασιών σε εβδομαδιαία βάση και εξέταση με ερωτήματα πολλαπλής επιλογής και περιορισμένο αριθμό ανοικτών απαντήσεων. Σε περίπτωση αποτυχίας ο εκπαιδευόμενος μπορεί να επανεξεταστεί (η επαναληπτική εξέταση θα γίνει μέσα σε ένα διάστημα μικρότερο των 3 εβδομάδων). Οι προϋποθέσεις για την απονομή του πιστοποιητικού κατάρτισης είναι η επιτυχής εξέταση μέσω της τελικής εξέτασης και η παράδοση τουλάχιστον τριών εργαστηριακών ασκήσεων.
Αναλυτική ιστοσελίδα προγράμματος
Προθεσμία υποβολής αιτήσεων: -
Έναρξη προγράμματος: -
Ολοκλήρωση προγράμματος: -
Τρόπος διεξαγωγής
Άλλες σημαντικές πληροφορίες
Θα δοθεί, επιπλέον, 25% έκπτωση σε φοιτητές που έχουν παρακολουθήσει τα προγράμματα eLearning "Ανάλυση Δεδομένων με τη Χρήση της R" ή "Προχωρημένη Ανάλυση Δεδομένων με τη Χρήση της R".
Μονάδες ECTS: 2
Συνολικές ώρες: 60
Οι συνολικές ώρες περιλαμβάνουν τις ώρες σύγχρονης και ασύγχρονης εκπαίδευσης, καθώς και τις ώρες ατομικής μελέτης.
Εβδομάδες εκπαίδευσης: 5
Περιλαμβάνονται οι εβδομάδες κατά τις οποίες προβλέπονται δραστηριότητες κατάρτισης οποιασδήποτε μορφής.
Πιστοποιητικό Επαγγελματικής Εκπαίδευσης και Κατάρτισης
Στους εκπαιδευόμενους που θα ολοκληρώσουν επιτυχώς το πρόγραμμα χορηγείται Πιστοποιητικό Επαγγελματικής Εκπαίδευσης και Κατάρτισης του Κέντρου Επιμόρφωσης και Δια Βίου Μάθησης του Οικονομικού Πανεπιστημίου Αθηνών, το οποίο συνοδεύεται από Συμπλήρωμα του Πιστοποιητικού, στο οποίο αναφέρονται αναλυτικά το αντικείμενο του προγράμματος, οι θεματικές ενότητες που παρακολούθησε ο εκπαιδευόμενος, καθώς και η μεθοδολογία εκπαίδευσης που ακολουθήθηκε.
Υποστήριξη
Πέτρος Καλκάνης, Υπεύθυνος Υλοποίησης Δια Ζώσης Προγραμμάτων, Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε., 210 8203916
Κωνσταντίνα Καβαλάρη, Γραμματεία Υποστήριξης Δια Ζώσης Προγραμμάτων, Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε., 210 8203916
Σε ποιους απευθύνεται
  • Εν ενεργεία φοιτητές τμηματων στατιστικής η συναφών τμημάτων που θέλουν να μάθουν τη γλώσσα R η οποία πρεπιτπόντως δεν διδάσκεται περαν από το τμήμα Στατιστικής
  • Απόφοιτους τμημάτων Στατιστικής από προηγούμενα έτη όπου η R δεν ηταν διαδεδομένη και δεν διδασκόταν
  • Απόφοιτους τμημάτων Στατιστικής από πρόσφατα έτη που είτε δεν διδάχτηκαν R είτε θα ήθελαν να εμβαθύνουν.
  • Απόφοιτους Μαθηματικών τμημάτων που ενώ έχουν διδαχθεί θεωρητικά μαθήματα έχουν ελάχιστη εξοικείωση με τη χρήση στατιστικών προγραμμάτων όπως η R
  • Άτομα που ήδη εργάζονται και στην καθημερινότητα τους χρειάζεται να αναλύουν δεδομένα και να χρησιμοποιούν R
  • Ερευνητές από διάφορα άλλα αντικείμενα που χρειάζονται για την έρευνας τους τόσο στατιστικές μεθόδους όπως και τη χρήση της R.
Προαπαιτούμενες Γνώσεις
Όσοι γίνουν δεκτοί στο μάθημα θα πρέπει να:
  • έχουν μια πρότερη γνώση σε θέματα στατιστικής (να έχουν διδαχθεί επιτυχώς πχ κάποιο μάθημα).
  • έχουν γνώση χρήσης υπολογιστών.
  • έχουν επαρκή γνώση αγγλικών (επίπεδο Lower και πάνω).
Προτεραιότητα θα δίνεται σε εργαζόμενους, Υποψήφιους Διδάκτορες, Αποφοίτους Μάστερ και Φοιτητές Μάστερ (με την παραπάνω σειρά προτεραιότητας). Επίσης προτεραιότητα θα έχουν φοιτητές Στατιστικής, Πληροφορικής, Μαθηματικών, Πολυτεχνικών, Οικονομικών σχολών (με αντίστοιχη σειρά προτεραιότητας).
Έγγραφα που ζητούνται κατά την υποβολή της αίτησης (πληροφορίες)
Βιογραφικό σημείωμα (υποχρεωτικό)
Συστατική επιστολή (προαιρετικό)
Αντίγραφο αναλυτικής βαθμολογίας πτυχίου (υποχρεωτικό)
Αντίγραφο δικαιολογητικών για τη χορήγηση έκπτωσης (προαιρετικό)
Αντίγραφο πτυχίου (υποχρεωτικό)
Αποδεικτικό έγγραφο προσωπικών στοιχείων (υποχρεωτικό)
Επιστημονικός Υπεύθυνος
Τρόποι και συχνότητα επικοινωνίας με τους εκπαιδευτές
Η επικοινωνία με τους εκπαιδευτές γίνεται μέσω μηνυμάτων ηλεκτρονικού ταχυδρομίου ή τηλεφωνικά.
Κόστος
ΔΙΑ ΖΩΣΗΣ: 400€
Επιδότηση ΛΑΕΚ
Ναι
Εκπτωτική πολιτική (Δικαιολογητικά)
Άνεργοι: 25%
Άτομα με αναπηρία ή χρόνιες σοβαρές παθήσεις: 25%
Ομαδική εγγραφή (τουλ. 4 ατόμων της ίδιας επιχείρησης/οργανισμού): 25%
Απόφοιτοι του προγράμμματος R1: 25%

Ενδεικτικά σχόλια από άτομα που ολοκλήρωσαν το πρόγραμμα

Δεν υπάρχουν σχόλια χρηστών για αυτή την καταχώρηση.

ΕΠΙΚΟΙΝΩΝΙΑ

Κεφαλληνίας 46, 11251, Αθήνα

  • dummy kedivim-opa@aueb.gr

  • dummy210 8203 912


Για τα Δια Ζώσης Προγράμματα:

  • dummydz@aueb.gr

  • dummy210 8203 916, 912, 914

 

Για τα eLearning Προγράμματα:

  • dummysecretary@elearning.aueb.gr

  • dummy210 8203 753, 754

ΕΚΔΗΛΩΣΗ ΕΝΔΙΑΦΕΡΟΝΤΟΣ

Οικονομικό Πανεπιστήμιο Αθηνών

© Copyright ΚΕΔΙΒΙΜ - Οικονομικό Πανεπιστήμιο Αθηνών

Search

Save
Cookies user preferences
Χρησιμοποιούμε μόνο τεχνικά απαραίτητα cookies για την πραγματοποίηση της σύνδεσης στην ιστοσελίδα. Εφόσον εξακολουθείτε να χρησιμοποιείτε τον ιστότοπό μας, προτείνουμε τη χρήση των cookies.
Αποδοχή όλων
Απόρριψη όλων
Περισσότερα
Marketing
Set of techniques which have for object the commercial strategy and in particular the market study.
Facebook
Αποδοχή
Απόρριψη
Google Analytics
Αποδοχή
Απόρριψη
Google
Αποδοχή
Απόρριψη