Π.Μ.Σ Επιστήμη Δεδομένων (Master of Science in Data Science)

Περιγραφή Μεταπτυχιακού

1o ΕΞΑΜΗΝΟ Π.Μ.

• Διαχείριση Δεδομένων Μεγάλης Κλίμακας - Large Scale Data Management 
• Πιθανότητες και Στατιστική για Ανάλυση Δεδομένων - Probability and Statistics for data analysis 
• Πρακτική Επιστήμη Δεδομένων - Practical Data Science 
• Οπτικοποίηση Δεδομένων και Επικοινωνία - Data visualization and communication 
• Αριθμητική Βελτιστοποίηση και Μεγάλης Κλίμακας Γραμμική Άλγεβρα – Numerical Οptimization and Large Scale Linear Algebra 

2ο ΕΞΑΜΗΝΟ Π.Μ.

• Νομικά και ηθικά θέματα και θέματα πολιτικής στην Επιστήμη Δεδομένων - Legal, ethical and policy issues in data science 
• Μηχανική Μάθηση και Υπολογιστική Στατιστική - Machine Learning and Computational Statistics 

Μαθήματα που αντιστοιχούν σε τουλάχιστον 20 Π.Μ. από τα παρακάτω:

Συστήματα και τεχνικές για Μεγάλα Δεδομένα – Big Data Systems and techniques 

• Χρονοσειρές και Προβλέψεις - Time Series and Forecasting methods 
• Ανάκτηση δεδομένων - Information retrieval 
• Μπεϋσιανή στατιστική και προσομοίωση - Bayesian Statistics and simulation methods 
• Επιστήμη δεδομένων στο Μάρκετινγκ – Marketing Data Science 
• Προχωρημένη Διαχείριση Μεγάλων Δεδομένων και Ροών - Advanced Large Scale Data and Stream Management 
• Επιστήμη δεδομένων και βελτιστοποίηση για διοίκηση λειτουργιών - Data science and optimization for operations management 
• Αναλυτική επεξεργασία για τη λιανική και τις τηλεπικοινωνίες - Retail and telecom analytics 
• Επιστήμη δεδομένων για βιολογία και ιατρική - Data Science for biology and medicine 
• Στατιστικές μέθοδοι για μεγάλα δεδομένα - Statistical methods for big data 
• Εξόρυξη δεδομένων - Data mining 
• Βελτιστοποίηση - Optimization 
• Προχωρημένη μηχανική μάθηση για μεγάλα δεδομένα - Advanced Machine Learning for big data 
• Τεχνολογία και Ανάλυση κειμένου- Text engineering and analytics 
• Επιμέλεια Δεδομένων - Data curation 

Προυποθέσεις Εισαγωγής

Το ΠΜΣ πλήρους φοίτησης απευθύνεται σε πτυχιούχους πανεπιστημίων με πολύ καλό υπόβαθρο σε ποσοτικά θέματα και σε πληροφορική και συγκεκριμένα με βασικές γνώσεις προγραμματισμού και επιστήμης υπολογιστών, καλή γνώση μαθηματικών και στατιστικών εννοιών, μεθόδων και τεχνικών, και εμπειρία στην αλγοριθμική θεώρηση των προβλημάτων. Αυτοί μπορεί να είναι είτε πρόσφατοι πτυχιούχοι, είτε στελέχη επιχειρήσεων και οργανισμών, έτοιμοι να διαθέσουν 12-15 μήνες πλήρους ακαδημαϊκής απασχόλησης προκειμένου να εμβαθύνουν στο χώρο της data science και να έχουν τη δυνατότητα να εξελιχθούν σε κορυφαία στελέχη σε αυτό.