Ευχαριστίες
Η δημιουργία του παρόντος μαθήματος έγινε με τη συνεργασία της Περιφέρειας Κρήτης. Εκφράζουμε την ευγνωμοσύνη μας προς την Περιφέρεια Κρήτης για τη γενναιόδωρη υποστήριξή της στο έργο και τον σκοπό του Mathesis.
Περιγραφή του μαθήματος
Η Επιστήμη Δεδομένων περιλαμβάνει τις τεχνολογίες και τεχνικές για την
ανάλυση και επεξεργασία δεδομένων. Τα δεδομένα, τα οποία αναφέρονται
ως το πετρέλαιο του 21ου αιώνα, είναι η βάση για τη Μηχανική Μάθηση.
Αυτή είναι ο κλάδος της Τεχνητής Νοημοσύνης που πραγματεύεται τη
μελέτη αλγορίθμων και τεχνικών που βελτιώνονται με αυτοματοποιημένο
τρόπο χάρη στην αξιοποίηση δεδομένων. Στο μάθημα θα γνωρίσουμε τα
βασικά εργαλεία και αρχές για την αξιοποίηση δεδομένων με τεχνολογίες
της Επιστήμης των Δεδομένων και της Μηχανικής Μάθησης, όπως αυτή
μπορεί να εφαρμοστεί σε πραγματικά προβλήματα. Θα καλύψουμε ένα ευρύ
φάσμα:
* Θα ξεκινήσουμε από την ανάλυση και επεξεργασία πρωτογενών δεδομένων,
απαραίτητη προϋπόθεση και πρώτο βήμα σε οποιαδήποτε εφαρμογή
Μηχανικής Μάθησης.
* Θα δούμε πώς να οπτικοποιούμε δεδομένα, ώστε αφενός να μπορούμε να
τα κατανοήσουμε καλύτερα και αφετέρου να γνωρίζουμε πώς μπορούν να
αξιοποιηθούν.
* Θα συζητήσουμε πώς μπορούμε να μάθουμε από αυτά με χρήση στατιστικών
μεθόδων – η Μηχανική Μάθηση επεκτείνει, δεν αντικαθιστά την
εργαλειοθήκη αξιοποίησης δεδομένων που μας δίνει η στατιστική όταν
την εφαρμόζουμε στην πράξη.
* Θα συναντήσουμε διάφορες μεθόδους Μηχανικής Μάθησης με ευρύ πεδίο
εφαρμογών, φτάνοντας μέχρι τεχνολογίες Βαθιάς Εκμάθησης.
Το όχημά μας θα είναι η γλώσσα Python, η οποία χρησιμοποιείται κατά
κόρον στη Μηχανική Μάθηση. Για τη γνωριμία με την Εφαρμοσμένη Μηχανική
Μάθηση δεν χρειάζεται να είναι κάποιος δεινός προγραμματιστής. Μια
εξοικείωση με την Python, ανοιχτό μυαλό, όρεξη για εκμάθηση εργαλείων,
και προπάντων διάθεση για τριβή με το αντικείμενο, μπορούν να μας
ανοίξουν την πόρτα σε έναν τομέα που έχει αλλάξει, αλλάζει, και θα
αλλάζει ολοένα και περισσότερο τη ζωή μας.
Διδάσκων
Πάνος Λουρίδας
Ο Πάνος Λουρίδας είναι Αναπληρωτής Καθηγηγής στο Οικονομικό
Πανεπιστήμιο Αθηνών, Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας και
Διευθυντής Έρευνας και Ανάπτυξης στο Εθνικό Δίκτυο Υποδομών,
Τεχνολογίας και Έρευνας (ΕΔΥΤΕ). Είναι συγγραφέας των βιβλίων
Real-World Algorithms (2017) και Algorithms (2020), που έχουν εκδοθεί
από το MIT Press και έχουν μεταφραστεί και κυκλοφοφούν σε διάφορες
γλώσσες στον κόσμο. Οι ερευνητικές του εργασίες εκτείνονται από την
Τεχνολογία Λογισμικού στην Εφαρμοσμένη Κρυπτογραφία· χρησιμοποιεί
εργαλεία Μηχανικής Μάθησης για την κατανόηση και αξιοποίηση δεδομένων
μεγάλης κλίμακας.
Συντελεστές
Βιντεοσκόπηση: Πάνος Λουρίδας
Μοντάζ: Έλενα Κολλάτου
Προγραμματισμός ασκήσεων: Έλενα Κολλάτου
Εθελοντές βοηθοί μαθήματος: Θάνος Λαμπρόπουλος (tlampro), Αλέκος Παπαδόπουλος (AlekosPap), Ξενοφών Στρατάκης (virxen75)
Η βιντεοσκόπηση έγινε το φθινόπωρο του 2021 και το χειμώνα του 2022.
Αξιολόγηση του μαθήματος από τους φοιτητές του
Κατά την πρώτη φορά που προσφέρθηκε το μάθημα οι φοιτητές του (160 απαντήσεις) αξιολόγησαν το μάθημα από τα ερωτηματολόγια εξόδου ως εξής:
Είστε ικανοποιημένος απ' αυτό που μάθατε σε σχέση μ' αυτό που περιμένατε;
Πολύ ικανοποιημένος: 59%
Ικανοποιημένος: 29%
Λίγο ικανοποιημένος: 11%
Καθόλου ικανοποιημένος: 1%
Έγραψαν για το μάθημα
Συγχαρητήρια για το μάθημα και τη διδασκαλία! Ήταν εξαιρετικά! Ήταν έκπληξη ότι καλύφθηκε τόσο μεγάλο εύρος με κατανοητό και πρακτικό-εφαρμόσιμο τρόπο, δικαιώνοντας πλήρως τον τίτλο του μαθήματος.
-Xαράλαμπος X.
Προσωπικά, θεωρώ ότι το course ήταν εξαιρετικό. Μου άρεσε πάρα πολύ η δομή του και η ταχύτητα με την οποία αναπτύσσονταν τα θέματα. Προφανώς, δεν εξαντλείται το αντικείμενο, αλλά είναι μια πολύ καλή αρχή για οποίον/α έχει όρεξη να ψάξει περαιτέρω το θέμα.
-Στέλιος Γ.
Τώρα που τελειώσαμε, θα ήθελα να συγχαρώ το Μathesis και τον κ. Λουρίδα για το εξαιρετικό μάθημα∙ οι διαλέξεις και τα notebooks είναι θησαυρός!
-Νίκος Π.
Ήταν πολύ ενδιαφέρον το μάθημα, με πρακτική εφαρμογή σε πραγματικά προβλήματα, όπως διαπίστωσα. Πριν το μάθημα, είχα πλήρη άγνοια περί τεχνητής νοημοσύνης και δεν ήμουν σίγουρος αν θα το παρακολουθούσα τελικά. Αρχικά, με εντυπωσίασε η οπτικοποίηση δεδομένων και οι δυνατότητες των pandas, NumPy και matplotlib. Σχετικά με την τεχνητή νοημοσύνη και τα νευρωνικά δίκτυα, φανταζόμουν ότι ήταν επιστημονική φαντασία, αλλά τελικά δεν είναι∙ είναι κάτι που έχει εφαρμογή με πολλά αξιόπιστα μοντέλα, αφού περιλαμβάνονται στο SciPy, Scikit-learn και σε ωπολλές άλλες βιβλιοθήκες της Python. Πολλές ευχαριστίες στον διδάσκοντα που κατέχει ένα αντικείμενο με πολύ μέλλον και φυσικά στο Mathesis.
-Ιωάννης Β.
Ως εικονίδιο του μαθήματος επιλέχθηκε λεπτομέρια από έργο του Pressmaster, ⒸPexels
Με τη δική σας υποστήριξη συνεχίζουμε
Τα μαθήματα του Mathesis προσφέρονται δωρεάν και έτσι θα συνεχίσουν. Μπορείτε να τα παρακολουθήσετε μέχρι τέλους και να συμμετέχετε στα εβδομαδιαία τεστ και την τελική εξέταση. Στα περισσότερα μαθήματα θα σας ζητείται όμως ένα μικρό αντίτιμο –30€ στο συγκεκριμένο μάθημα– για την έκδοση της βεβαίωσης επιτυχούς παρακολούθησης, εφόσον βέβαια την δικαιούστε έχοντας εξασφαλίσει την απαιτούμενη ελάχιστη επίδοση του 50%. Το κόστος της βεβαίωσης είναι εδώ μεγαλύτερο από τα 20€ που ζητούνται σε άλλα μαθήματα, διότι τώρα υπάρχει το πρόσθετο κόστος της διόρθωσης της τελικής σας εργασίας από τον διδάσκοντα και τους βοηθούς του. Για τους ανέργους η βεβαίωση χορηγείται δωρεάν. Από την πλευρά μας θεωρούμε αυτό το μικρό αντίτιμο ως την αναγκαία συμβολή σας για τη συνέχιση της λειτουργίας ενός θεσμού που υπηρετεί δημόσιους σκοπούς χωρίς να δέχεται ούτε ένα ευρώ –άμεσης ή έμμεσης– κρατικής ενίσχυσης. Βασίζεται μόνο σε δωρητική στήριξη —η οποία καλύπτει πλέον μόνο ένα μικρό μέρος των ετήσιων δαπανών του— και εθελοντική εργασία. Η συνέχιση της λειτουργίας του Mathesis απαιτεί λοιπόν και τη δική σας ενεργό στήριξη. Σε αυτό το πνεύμα θεωρούμε αναγκαίο πριν τη συμμετοχή σας στην τελική εξέταση του μαθήματος να αναλάβετε μια ηθική δέσμευση απέναντι στο Mathesis. Ότι αν ολοκληρώσετε επιτυχώς το μάθημα και δικαιούστε τη βεβαίωση παρακολούθησης, θα καταβάλετε το αντίτιμο των 30€ για την απόκτησή της, έστω κι αν δεν έχει μια προφανή χρησιμότητα για σας. Ένα μικρό βήμα για σας, μια αναγκαία συνθήκη όμως για τη δυνατότητα του Mathesis να σας προσφέρει την ποιότητα μαθημάτων που σας προσέφερε μέχρι τώρα.
Σημαντική προσθήκη: Σας ενημερώνουμε επίσης ότι όσοι δεν έχουν εκπληρώσει την ηθική δέσμευση που έχουν αναλάβει σε περισσότερα από 2 μαθήματα των οποίων οι προθεσμίες πληρωμής έχουν λήξει, στα νέα μαθήματα που τυχόν παρακολουθήσουν δεν θα έχουν πρόσβαση στην τελική τους εξέταση, υπό τον όρο βέβαια ότι η μη τήρηση της δέσμευσής τους συνεχίζεται.
