facebook ΚΕΔΙΒΙΜ/ΟΠΑ

Προχωρημένη Ανάλυση Δεδομένων με τη Χρήση της R

PI_datar2
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. Έχουμε ήδη ξεκινήσει με επιτυχία ένα πρόγραμμα eLearning με τίτλο «Ανάλυση Δεδομένων με τη Χρήση της R». Στο υπάρχον πρόγραμμα διδάσκονται βασικές γνώσεις και το κομμάτι της ανάλυσης δεδομένων περιορίζεται σε σχετικά απλό επίπεδο. Στο νέο προτεινόμενο πρόγραμμα θα ασχοληθούμε με πιο προχωρημένα θέματα ανάλυσης δεδομένων που είναι και πιο ρεαλιστικά από την άποψη ότι αφορούν πρακτικά και πραγματικά προβλήματα ανάλυσης δεδομένων. Σκοπός του νέου προγράμματος 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 νέο πρόγραμμα 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.
Τρόπος διεξαγωγής
Το πρόγραμμα χρησιμοποιεί την εκπαιδευτική μέθοδο eLearning: η μάθηση γίνεται αμιγώς ασύγχρονα (δηλαδή σε ημέρες και ώρες που εξυπηρετούν τον καταρτιζόμενο, χωρίς να υπάρχει υποχρεωτική παρακολούθηση σε συγκεκριμένη ώρα ή ημέρα), αποκλειστικά εξ αποστάσεως (με χρήση ειδικής εκπαιδευτικής πλατφόρμας μέσω διαδικτύου και Η/Υ από το χώρο του καταρτιζόμενου) και με την χρήση ψηφιακών εκπαιδευτικών εργαλείων που εξασφαλίζουν την αποτελεσματική και ευέλικτη ατομική αυτό-εκμάθηση. Το εκπαιδευτικό υλικό του προγράμματος γίνεται διαθέσιμο σε συγκεκριμένες χρονικές περιόδους, με βάση το μονοπάτι εκπαίδευσης που ακολουθείται, και εν συνεχεία παραμένει διαθέσιμο στην πλατφόρμα εκπαίδευσης χωρίς περιορισμούς σε όλη τη διάρκεια του προγράμματος.
Μαθησιακά αποτελέσματα
Στο τέλος της ενότητας ο φοιτητής θα ξέρει:
  • Να χρησιμοποιεί τη γλώσσα R και διάφορες βιβλιοθήκες της
  • Να διαβάζει δεδομένα και να τα αναλύει χρησιμοποιώντας R
  • Να μπορεί να αναλύσει με κατάλληλες στατιστικές μεθόδους δεδομένα
  • Να γνωρίζει μεθόδους στατιστικής ανάλυσης δεδομένων και πως αυτές χρησιμοποιούνται στην καθημερινότητα για επίλυση προβλημάτων και διαχείριση της αβεβαιότητας
  • Να διαχειρίζεται δεδομένα και να προβαίνει στις κατάλληλες προεργασίες ώστε να τα φέρει σε θέση για στατιστική ανάλυση
Θεματικές ενότητες
  1. Εισαγωγή - Απλή παλινδρόμηση
    Εισαγωγή στα μοντέλα και στην ανάλυση παλινδρόμησης, Θεωρία και Ερμηνεία, Παράδειγμα απλής Παλινδρόμησης στην R, Έλεγχοι προϋποθέσεων μοντέλου
  2. Πολλαπλή Παλινδρόμηση
    Εισαγωγή, Θεωρία και Ερμηνεία μοντέλων πολλαπλής παλινδρόμησης, Παράδειγμα πολλαπλής παλινδρόμησης στην R, Έλεγχοι προϋποθέσεων μοντέλου, Έλεγχοι Πολυσυγραμικότητας, Επιλογή μεταβλητών
  3. Συμπεριλαμβάνοντας κατηγορικές μεταβλητές στα μοντέλα παλινδρόμησης - Ανάλυση Συνδιακύμανσης
    Χρήση κατηγορικών μεταβλητών και ψευδομεταβλητές, Ανάλυση συνδιακύμανσης με μια ποσοτική και μια κατηγορική μεταβλητή
  4. Ανάλυση Διακύμανσης κατά δύο παράγοντες
    Ανάλυση Διακύμανσης κατά δύο παράγοντες χωρίς αλληλεπιδράσεις, Ανάλυση Διακύμανσης κατά δύο παράγοντες με αλληλεπιδράσεις
  5. Μοντέλα για διωνυμικά και Δίτιμα δεδομένα - Λογιστική παλινδρόμηση
    Εισαγωγή στα γενικευμένα γραμμικά μοντέλα, Mοντέλα με δίτιμες ή διωνυμικές μεταβλητές απόκρισης: Μοντέλα Λογιστικής Παλινδρόμησης & άλλες συνδετικές συναρτήσεις, Μελέτη Περίπτωσης: Η έκρηξη του Challenger
  6. Μοντέλα για συχνότητες - Παλινδρόμηση Poisson
    Εισαγωγή - Θεωρία - Ερμηνεία, Παραδείγματα στην R
  7. Μοντέλα Ταξινόμησης
    Discriminant analysis, k-nn method, Decisions Trees, Other methods
Η αξία του προγράμματος
Το πρόγραμμα 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.
Μέθοδοι αξιολόγησης και υπολογισμού τελικού βαθμού
Η αξιολόγηση γίνεται με απαλλακτική εργασία (ο εκπαιδευόμενος υποβάλλει μια εκτενή εργασία ανάλυσης δεδομένων με τη χρηση της R χρησιμοποιώντας πραγματικά δεδομένα) και υποβολή κουιζ σε καθε ενότητα σε σύστημα τηλεκπαίδευσης. Η επιτυχημένη ολοκλήρωση του προγράμματος και η απονομή πιστοποιητικού κατάρτισης απαιτούν την λήψη τελικού βαθμού τουλάχιστον 50%.
Προθεσμία υποβολής αιτήσεων: 30/09/2022
Έναρξη προγράμματος: 20/10/2022
Ολοκλήρωση προγράμματος: 31/01/2023
Επιστημονική περιοχή
Τρόπος διεξαγωγής
Συνολικές ώρες εκπαίδευσης: 100
Οι συνολικές ώρες εκπαίδευσης περιλαμβάνουν τις ενδεικτικές ώρες χρήσης της πλατφόρμας τηλεκπαίδευσης (για προγράμματα που κάνουν χρήση πλατφόρμας τηλεκπαίδευσης) καθώς και τις ώρες σύγχρονης (σε πραγματική αίθουσα ή μέσω live streaming) εκπαίδευσης (για τα προγράμματα που περιλαμβάνουν σύγχρονη εκπαίδευση). Οι συνολικές ώρες εκπαίδευσης δεν περιλαμβάνουν τις τυχόν ώρες ατομικής μελέτης χωρίς χρήση πλατφόρμας τηλεκπαίδευσης.
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
Γραμματεία προγραμμάτων eLearning, Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε., 210 8203753
Εκπαιδευτική και τεχνική υποστήριξη προγραμμάτων eLearning, Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε., 210 8203754
Σε ποιους απευθύνεται
  • Φοιτητές τμημάτων στατιστικής ή συναφών τμημάτων που θέλουν να μάθουν τη γλώσσα R.
  • Απόφοιτους τμημάτων Στατιστικής από προηγούμενα έτη όπου η R δεν ήταν 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.
  • Επιστήμονες με βασικές γνώσεις στατιστικής που θέλουν να εμβαθύνουν σε πιο προχωρημένες μεθόδους.
  • Ερευνητες που θέλουν να δουν σύγχρονες μεθόδους ανάλυσης δεδομένων.
Προαπαιτούμενες Γνώσεις
  • Μια πρότερη γνώση σε θέματα στατιστικής (να έχουν διδαχθεί επιτυχώς πχ κάποιο μάθημα).
  • Βασικές γνώσεις χρήσης Η/Υ (επεξεργασία κειμένου, φύλλα εργασίας, φυλλομετρητές, ηλεκτρονικό ταχυδρομείο)
  • Γνώση αγγλικών στο επίπεδο Β2 κατ' ελάχιστο.
  • Βασικές γνώσεις της R.
  • Σε περίπτωση που ο εκπαιδευόμενος δεν έχει προηγούμενη γνώση R αλλά έχει διδαχθεί τις βασικές έννοιες στατιστικής τότε προτείνεται πρώτα να παρακολουθήσει επιτυχώς το μάθημα elearning του Οικονομικού Πανεπιστήμιου Αθηνών με τίτλο "Ανάλυση Δεδομένων με τη χρήση της R".
Έγγραφα που ζητούνται κατά την υποβολή της αίτησης (πληροφορίες)
Βιογραφικό σημείωμα (προαιρετικό)
Αντίγραφο δικαιολογητικών για τη χορήγηση έκπτωσης (προαιρετικό)
Αποδεικτικό έγγραφο προσωπικών στοιχείων (υποχρεωτικό)
Επιστημονικός Υπεύθυνος
Τρόποι και συχνότητα επικοινωνίας με τους εκπαιδευτές
Η επικοινωνία μεταξύ εκπαιδευτών και καταρτιζόμενων είναι κυρίως ασύγχρονη, μέσω μηνυμάτων ηλεκτρονικού ταχυδρομείου ή/και προσωπικών μηνυμάτων μέσω της εκπαιδευτικής πλατφόρμας. Προβλέπεται, όμως, και περιορισμένος αριθμός τηλεδιασκέψεων, για την επίλυση αποριών και σχετικών θεμάτων.
Κόστος
ELEARNING: 400€
Επιδότηση ΛΑΕΚ
Βάσει της σχετικής νομοθεσίας, το πρόγραμμα δεν εμπίπτει σε επιδότηση ΛΑΕΚ.
Περιγραφή δόσεων
Το συνολικό ποσό των διδάκτρων ανέρχεται στα 400€ και καταβάλλεται σε δύο δόσεις. Η πρώτη δόση, των 180€, καταβάλλεται ως προκαταβολή πριν την έναρξη των μαθημάτων, για την κατοχύρωση της θέσης και η δεύτερη, των 220€, καταβάλλεται προτού το πρόγραμμα ολοκληρωθεί κατά το ήμισυ. Σε περίπτωση έκπτωσης, τα άνω ποσά μειώνονται αναλογικά. Ειδικά στην περίπτωση έκπτωσης 20%, τα άνω ποσά διαμορφώνονται στα 320€ (σύνολο ποσού), 180€ (πρώτη δόση – προκαταβολή) και 140€ (δεύτερη δόση). Οι καταρτιζόμενοι ενημερώνονται σχετικά με τις ακριβείς προθεσμίες και τα ύψη των δόσεων με την αποδοχή τους στο πρόγραμμα, μέσω μηνύματος ηλεκτρονικού ταχυδρομείου.
Εκπτωτική πολιτική (Δικαιολογητικά)
Άνεργοι: 20%
Φοιτητές ΑΕΙ/ΤΕΙ: 20%
Ομαδική εγγραφή (τουλ. 4 ατόμων της ίδιας επιχείρησης/οργανισμού): 20%
Τρίτεκνοι/πολυτεκνοι: 20%
Συνταξιούχοι με οικογενειακό εισόδημα κάτω από το όριο της φτώχειας: 20%
Άτομα με αναπηρία ή χρόνιες σοβαρές παθήσεις: 20%
Κάτοχοι Ευρωπαϊκής Κάρτας Νέων: 10%

Ενδεικτικά σχόλια από άτομα που ολοκλήρωσαν το πρόγραμμα

5 comments
Σε συνέχεια της εκπαίδευσης στην Ανάλυσης Δεδομένων με τη χρήση της Γλώσσας Προγραμματισμού R από το σχετικό εισαγωγικό Πρόγραμμα του ΟΠΑ, το παρόν Πρόγραμμα διατηρεί τα ίδια χαρακτηριστικά και προχωρά περαιτέρω την εμβάθυνση, ακριβώς όπως υπόσχεται. Το Εκπαιδευτικό Υλικό είναι ποιοτικό και λεπτομερώς προσεγμένο και οι χρονικές προθεσμίες τηρούν τις σωστές ισορροπίες που πρέπει να τηρεί ένα πρόγραμμα εξ αποστάσεως εκπαίδευσης. Το Πρόγραμμα αυτό το προτείνω ανεπιφύλακτα!
ΧΕ
Εξαιρετικό πρόγραμμα εκμάθησης της γλώσσας R, με πλούσιο υλικό, τεστ σε κάθε ενότητα που καλύπτουν όλη την ύλη και προσωπικό εξαιρετικό που είναι πάντα διαθέσιμο για απορίες κλπ.Το συνιστώ ανεπιφύλακτα.
ΙΠ
Εξαιρετικό πρόγραμμα για όποιον θέλει να εμβαθύνει στην R. To προτείνω ανεπιφύλακτα.
ΜΚ
Εξαιρετικό πρόγραμμα για έναν ερευνητή! Πολύ χρήσιμο υλικό που ανταποκρίνεται σε δύσκολες και πλέον απαραίτητες στατιστικές μεθόδους/αναλύσεις. Πολύ καλή συνεργασία με τους διδάσκοντες!
ΜΒ
Οργανωμένο πρόγραμμα και άμεση ανταπόκριση όποτε χρειάστηκε.
ΖΜ

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
We use cookies to ensure you to get the best experience on our website. If you decline the use of cookies, this website may not function as expected.
Accept all
Decline all
Read more
Marketing
Set of techniques which have for object the commercial strategy and in particular the market study.
Facebook
Accept
Decline
Google Analytics
Accept
Decline
Google
Accept
Decline
Unknown
Unknown
Accept
Decline
Analytics
Tools used to analyze the data to measure the effectiveness of a website and to understand how it works.