facebook ΚΕΔΙΒΙΜ/ΟΠΑ

Business Analytics with Big Data, Μια πρακτική εισαγωγή

PI_bigdata
Σύντομη περιγραφή προγράμματος

Η χρήση δεδομένων στη λήψη σωστών, έγκυρων και έγκαιρων αποφάσεων έχει αναχθεί σε «εκ των ων ουκ άνευ» παράγοντα επιτυχίας για τις περισσότερες σύγχρονες επιχειρήσεις και οργανισμούς. Ταυτόχρονα, με την ανάπτυξη νέων τεχνολογιών και εφαρμογών, όπως η εξάπλωση των κοινωνικών δικτύων, η εκτεταμένη χρήση smart phones, η εξάπλωση των RFID συστημάτων, κ.α. ο όγκος και η μορφή των δεδομένων έχει αλλάξει δραματικά. Σαν αποτέλεσμα, έχουν αναπτυχθεί νέες μέθοδοι διαχείρισης και αξιοποίησης δεδομένων. Oι όροι Big Data, Business Analytics και Data Science βρίσκονται πλέον στο επίκεντρο των δραστηριοτήτων των ΙΤ τμημάτων μικρών και μεγάλων οργανισμών.

Τα τελευταία χρόνια έχει αναδειχθεί ένας νέος ρόλος στις εταιρίες και τους οργανισμούς, με την ονομασία data scientist. Όπως αναφέρει το περιοδικό Economist «μία νέα ιδιότητα στελέχους έχει αναδειχθεί, ο επιστημονικός υπεύθυνος δεδομένων (the data scientist), ο οποίος συνδυάζει τα προσόντα ενός ικανού προγραμματιστή, στατιστικού και αφηγητή με σκοπό να ανακαλύψει τους «σβώλους χρυσού» που υπάρχουν κάτω από τεράστιους όγκους δεδομένων». Επίσης, ο Tom Davenport σε πρόσφατο άρθρο του στο Harvard Business Review («Data Scientist: The Sexiest Job of the 21st Century») επιχειρηματολογεί για την αναγκαιότητα τέτοιων επαγγελματιών, ενώ επισημαίνει τη μεγάλη έλλειψη ανθρώπων σε αυτόν τον κλάδο. Μία πρόσφατη μελέτη της Gartner, προβλέπει 1,9 εκατ. θέσεις εργασίας για data scientists και άλλα 4 εκατ. για την υποστήριξη αυτών - μόνο στις Η.Π.Α - τα επόμενα τρία χρόνια.

Τρόπος διεξαγωγής
Οι καταρτιζόμενοι μπορούν να παρακολουθήσουν το πρόγραμμα με δύο διαφορετικούς τρόπους: με δια ζώσης παρακολούθηση, ή παρακολούθηση με Live Streaming, δηλαδή μέσω ηλεκτρονικής πλατφόρμας από τον χώρο της επιλογής τους. Οι καταρτιζόμενοι επιλέγουν τον τρόπο παρακολούθησης στην αίτησή τους. H Live Streaming μέθοδος παρέχει τα εξής πλεονεκτήματα:
  • Εκπαίδευση χωρίς γεωγραφικούς περιορισμούς
  • Παρακολούθηση των διαλέξεων (Live) από το χώρο του εκπαιδευόμενου
  • Δυνατότητα υποβολής ερωτήσεων στον διδάσκοντα
  • Εξέταση μέσω ηλεκτρονικής πλατφόρμας από το χώρο του εκπαιδευόμενου
  • Δυνατότητα παρακολούθησης της βιντεοσκοπημένης διάλεξης σε μεταγενέστερο χρόνο έως την ολοκλήρωση του προγράμματος
  • Ηλεκτρονική διάθεση του εκπαιδευτικού υλικού του προγράμματος (ολόκληρο το εκπαιδευτικό υλικό προσφέρεται δωρεάν)
Μαθησιακά αποτελέσματα
Το συγκεκριμένο σεμινάριο έχει διάρκεια 60 ωρών, διαιρεμένο σε 10 εβδομάδες των δύο τρίωρων διαλέξεων/εβδομάδα. Ο σκοπός του είναι να αποτελέσει για τον καταρτιζόμενο μία αρχική εισαγωγή στους βασικούς τομείς των business analytics & big data: διαχείριση δεδομένων, στατιστική, μηχανική εκμάθηση, εργαλεία και συστήματα. Ιδιαίτερη έμφαση δίνεται στην πρακτική διάσταση των παραπάνω τομέων και λιγότερο στις θεωρητικές έννοιες. Σαν αποτέλεσμα, τα θέματα του σεμιναρίου επικεντρώνονται σε εργαλεία και συστήματα που χρησιμοποιούνται σε εφαρμογές big data και την επίδειξη και κατανόηση του λεγόμενου data analysis life cycle.
Θεματικές ενότητες
  1. Modern Data Management, Business Intelligence and Big Data Systems
    Fundamentals of modern data management: data modeling, query languages, query processing, parallel and distributed systems, transactions. The 3Vs of big data. The data analysis lifecycle. Business Intelligence: Architectures, multi-dimensional modeling, data cubes, OLAP, indexing, applications, visualization. In-memory and column-oriented technologies. Business intelligence in the big data era. Big Data Systems: Hadoop and related technologies, NoSQL systems (Mongo, Redis, Cassandra, graph databases), stream engines.
  2. Big Data Systems, A Practical Outline
    A brief presentation of five systems used in big data applications, along with representative applications: Hadoop/HDFS/Hive, Cassandra, MongoDB, Spark and Redis.
  3. Statistics for Business Analytics, An Overview
    An overview of statistical methods, techniques and principles used in predictive analytics along with examples.
  4. An Introduction to R with Applications
    An introduction to R, programming, statistical modeling, visualizations, examples on how to use it in analytics application.
  5. Mining Big Datasets
    An overview of data mining concepts such as clustering, classification, association rules, graph mining over large datasets, along with techniques, algorithms, examples.
  6. Working with Python for Analytics
    An introduction to Python and examples on how to use it in analytics application.
  7. Social Media Analytics
    Social Networks metrics, graph theory. Systems, tools and techniques.
  8. Visual Analytics
    Advanced data visualization techniques and practices, specifically for big data interactive exploratory analysis, with live demos and applications.
  9. Data Privacy Issues
  10. Analytics Case Studies
    Four representative end-to-end analytics case studies, presented by established consulting/software firms and ambitious startups alike. The case studies may be drawn from financial, energy, insurance, healthcare and other domains.
Η αξία του προγράμματος
Η χρησιμοποίηση δεδομένων στη λήψη σωστών, έγκυρων και έγκαιρων αποφάσεων έχει αναχθεί σε «εκ των ουκ άνευ» παράγοντα επιτυχίας για τις περισσότερες σύγχρονες επιχειρήσεις και οργανισμούς. Ταυτόχρονα, τα τελευταία χρόνια, με την ανάπτυξη νέων τεχνολογιών και εφαρμογών, όπως η εξάπλωση των κοινωνικών δικτύων, η εκτεταμένη χρήση smart phones, η εξάπλωση των RFID συστημάτων, ο όγκος και η μορφή των δεδομένων έχει αλλάξει δραματικά. Oι όροι Big Data, Business Analytics και Data Science βρίσκονται πλέον στο επίκεντρο των δραστηριοτήτων των ΙΤ τμημάτων, μικρών και μεγάλων οργανισμών.
Εβδομαδιαίο πρόγραμμα
Τα μαθήματα γίνονται στους χώρους του ΚΕΔΙΒΙΜ του Οικονομικού Πανεπιστημίου Αθηνών (Κεφαλληνίας 46, 11251, Αθήνα, 6ος όροφος), δύο ή τρεις ημέρες την εβδομάδα, απογευματινές ώρες (18.00-21.00) και ένα Σάββατο πρωί (9.30-15.00). Το αναλυτικό ωρολόγιο πρόγραμμα των μαθημάτων βρίσκεται αναρτημένο στο Ενημερωτικό φυλλάδιο στις Πληροφορίες του προγράμματος.
Μέθοδοι αξιολόγησης και υπολογισμού τελικού βαθμού
Γραπτή αξιολόγηση (ερωτήσεις πολλαπλής επιλογής)
Γλώσσα Διδασκαλίας
Ελληνικά
Προθεσμία υποβολής αιτήσεων: 04/10/2024
Έναρξη προγράμματος: 09/10/2024
Ολοκλήρωση προγράμματος: 04/12/2024
Τρόπος διεξαγωγής
Άλλες σημαντικές πληροφορίες
Δεδομένου του περιορισμένου αριθμού θέσεων (30), θα τηρηθεί σειρά προτεραιότητας.
Μονάδες ECTS: 2,5
Ώρες σύγχρονης κατάρτισης: 60
Περιλαμβάνονται οι ώρες κατάρτισης με διδασκαλία σε αίθουσα, σε εργαστήριο, ή εξ αποστάσεως (μέσω livestreaming) μαζί με τα τυχόν διαλείμματα.
Επιπλέον ώρες ενασχόλησης: 15
Περιλαμβάνονται οι επιπλέον ώρες ενασχόλησης (ενδεικτικά) και μπορεί να περιλαμβάνουν ατομική μελέτη, συγγραφή εργασιών, συμμετοχή σε επιτόπιες επισκέψεις, συμμετοχή σε εξετάσεις, κ.α.
Συνολικές ώρες: 75
Οι συνολικές ώρες περιλαμβάνουν τις ώρες σύγχρονης και ασύγχρονης κατάρτισης, καθώς και τις επιπλέον ώρες ενασχόλησης.
Εβδομάδες εκπαίδευσης: 10
Περιλαμβάνονται οι εβδομάδες κατά τις οποίες προβλέπονται δραστηριότητες 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., +30 210 8203914
Κωνσταντίνα Καβαλάρη, Γραμματεία 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., +30 210 8203916
Σε ποιους απευθύνεται
Στελέχη Ιδιωτικών και Δημόσιοων Οργανισμών, Απόφοιτοι ΑΕΙ
Προαπαιτούμενες Γνώσεις
Σχετική γνώση μαθηματικών (στατιστική) και μία καλή αντίληψη τεχνολογίας
Έγγραφα που ζητούνται κατά την υποβολή της αίτησης (πληροφορίες)
Βιογραφικό σημείωμα (υποχρεωτικό)
Αντίγραφο δικαιολογητικών για τη χορήγηση έκπτωσης (προαιρετικό)
Αποδεικτικό έγγραφο προσωπικών στοιχείων (υποχρεωτικό)
Κόστος
ΔΙΑ ΖΩΣΗΣ: 720€
LIVE STREAMING: 720€
Περιγραφή δόσεων
Α) 1η Δόση-Προκαταβολή 300€
Β) 2η Δόση 420€

Οι καταρτιζόμενοι ενημερώνονται σχετικά με τις ακριβείς προθεσμίες και τα ύψη των δόσεων με την αποδοχή τους στο πρόγραμμα, μέσω μηνύματος ηλεκτρονικού ταχυδρομείου.

Οι καταρτιζόμενοι αρχικά υποβάλλουν αίτηση στο πρόγραμμα χωρίς ταυτόχρονη καταβολή διδάκτρων. Εφόσον γίνουν δεκτοί σε αυτό, ενημερώνονται σχετικά με τα ύψη των δόσεων των διδάκτρων και τις αντίστοιχες προθεσμίες τους με το μήνυμα αποδοχής τους, το οποίο αποστέλλεται μέσω ηλεκτρονικού ταχυδρομείου.

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

ΕΚΔΗΛΩΣΗ ΕΝΔΙΑΦΕΡΟΝΤΟΣ

Οικονομικό Πανεπιστήμιο Αθηνών

© Copyright ΚΕΔΙΒΙΜ - Οικονομικό Πανεπιστήμιο Αθηνών

Search