Ανάλυση Δεδομένων και Μηχανική Μάθηση

Περιεχόμενο μαθήματος

• Επεξεργασία και Καθαρισμός Δεδομένων
• Ανάλυση Δεδομένων
• Οπτικοποίηση Δεδομένων
• Στατιστική Ανάλυση, Στατιστική Σημαντικότητα, Στατιστική Ισχύς
• Μέθοδοι και Μοντέλα Μηχανικής Μάθησης (επιβλεπόμενης και μη επιβλεπόμενης)
• Αξιολόγηση Μοντέλων Μηχανικής Μάθησης
• Βελτιστοποίηση Υπερπαραμέτρων
• Ροή παραγωγής διαδικασιών εφαρμογών και υπηρεσιών Μηχανικής Μάθησης (MLOps)

Μαθησιακά αποτελέσματα

Στόχος του μαθήματος είναι μια ευρεία κάλυψη του πεδίου της Ανάλυσης Δεδομένων και Μηχανικής Μάθηση, μέσω μιας εφαρμοσμένης προσέγγισης με τη χρήση της γλώσσας Python. Οι φοιτητές θα έρθουν σε επαφή με όλα τα στάδια που αφορούν Επιχειρηματική Αναλυτική και Μηχανική Μάθηση, από τoν καθαρισμό και επεξεργασία δεδομένων, στην οπτικοποίηση, εφαρμοσμένη στατιστική, μοντέλα Μηχανικής Μάθησης, αξιολόγησή τους, και βελτιστοποίησή τους, μέχρι και θέματα ροής παραγωγής διαδικασιών εφαρμογών και υπηρεσιών Μηχανικής Μάθησης. Η ευρεία κάλυψη επιδιώκει οι φοιτητές να έχουν μια σφαιρική κατανόηση του αντικειμένου, ώστε να είναι σε θέση να επιλέξουν το πιο κατάλληλο εργαλείο για κάθε δουλειά, αναλόγως με τις εκάστοτε απαιτήσεις.

Το μάθημα αυτό ακολουθεί και συμπληρώνει το μάθημα του 7ου εξαμήνου «Σύγχρονες Τάσεις στην Τεχνητή Νοημοσύνη».