Η γλώσσα R αποτελεί ένα πολύτιμο εργαλείο διαχείρισης και ανάλυσης δεδομένων. Το πρόγραμμα αυτό παρέχει τη δυνατότητα στις/στους συμμετέχουσες/συμμετέχοντες να αποκτήσουν γνώσεις χρήσης της γλώσσας, ξεκινώντας από τα βασικά χαρακτηριστικά της και φτάνοντας σε ένα πολύ καλό επίπεδο επεξεργασίας και ανάλυσης δεδομένων. Αρχικά, αναλύονται οι βασικές δομές, βιβλιοθήκες και εντολές και στη συνέχεια μαθαίνουν πως να εισάγουν, να διαχειρίζονται και να οπτικοποιούν δεδομένα. Η στατιστική ανάλυση των δεδομένων και η μεθοδολογία μιας έρευνας αποτελούν βασικά κεφάλαια του προγράμματος, μέσα από τα οποία η συμμετέχουσα/ο συμμετέχων θα μπορέσει να αναπτύξει άποψη για πρακτικά προβλήματα ανάλυσης δεδομένων. Σκοπός του νέου προγράμματος είναι να προσφέρει την ευκαιρία στις/στους υποψήφιες/υποψήφιους, από το μηδέν ενώ δεν έχουν καμία εμπειρία στην γλώσσα R, να εξοικειωθούν με το περιβάλλον της και να εκπαιδευτούν να δίνουν απαντήσεις σε επιστημονικά προβλήματα στις σπουδές αλλά και σε ερευνητικές δραστηριότητες κάθε είδους.

Ολοκληρώνοντας το Εκπαιδευτικό Πρόγραμμα, οι συμμετέχουσες/συμμετέχοντες θα μπορούν να:

• Γράφουν κώδικα ώστε να εισάγουν δεδομένα από άλλα στατιστικά πακέτα, αρχεία και άλλα προγράμματα ενώ θα έχουν δει πως λειτουργεί η βασική δομή της R.
• Διαχειριστούν δεδομένα και να χρησιμοποιούν ευέλικτους και δημιουργικούς τρόπους σχεδίασης γραφημάτων.
• Ασχοληθούν με τη διερευνητική ανάλυση δεδομένων και να υπολογίζουν στατιστικά μέτρα.
• Ασχοληθούν με τις τεχνικές της συσχέτισης και παλινδρόμησης.
• Εφαρμόσουν στατιστικές μεθόδους σε δείγματα.
• Ασχοληθούν με βασικές γνώσεις machine learning.
• Αναπτύξουν άποψη για πρακτικά προβλήματα ανάλυσης δεδομένων.
• Δίνουν απαντήσεις σε επιστημονικά προβλήματα αλλά και σε ερευνητικές δραστηριότητες κάθε είδους.

Το πρόγραμμα απευθύνεται σε:

• Απόφοιτες/αποφοίτους ή γενικά όσες/ όσους θέλουν να μάθουν να χρησιμοποιούν την R για τη στατιστική επεξεργασία των δεδομένων σε εργασίες και έρευνες,
• πτυχιούχους και ερευνήτριες/ερευνητές όλων των επιστημών,
• υποψήφιες/υποψηφίους σε θέσεις εργασίας όπου είναι απαραίτητη η γλώσσα R,
• όσες/όσους γνωρίζουν βασικές γνώσεις προγραμματισμού και επιθυμούν να μάθουν τις δυνατότητες της και να τις αξιοποιήσουν στην αγορά εργασίας,
• όσες/όσους χρησιμοποιούν μέχρι τώρα στατιστικά λογισμικά κλειστού τύπου καθώς η γλώσσα R είναι ανοιχτού τύπου, δηλαδή όλοι έχουν πρόσβαση στον κώδικα της και μπορούν να κάνουν διορθώσεις,
• και γενικά σε όλες/όλους όσες/όσους δεν έχουν προηγούμενη εμπειρία με τον προγραμματισμό και τη γλώσσα R, ξεκινούν από το «μηδέν» και ανεξάρτητα από το επίπεδο γνώσεων τους θέλουν να αποκτήσουν την ικανότητα χρήσης της σε κάθε επιστημονικό και εργασιακό επίπεδο.

Προαπαιτούμενες γνώσεις:

• Πρόσβαση στο Διαδίκτυο
• Κατοχή προσωπικού e-mail
• Βασικές γνώσεις χειρισμού ηλεκτρονικών υπολογιστών

Για την επιλογή των υποψηφίων θα ληφθούν υπ’ όψιν οι τίτλοι σπουδών και αν κριθεί απαραίτητο οι υποψήφιες/υποψήφιοι θα κληθούν σε συνέντευξη.

Το πρόγραμμα θα διδαχτεί εξ αποστάσεως με κατάλληλο εκπαιδευτικό υλικό και ταυτόχρονη χρήση συστήματος διαχείρισης μαθημάτων (Course Management System) για την παροχή εκπαιδευτικού υλικού καθώς και πλατφόρμα ασύγχρονών και σύγχρονων τηλεδιασκέψεων για την οργάνωση online μαθημάτων σε εικονικές τάξεις.

Το πρόγραμμα θα υλοποιηθεί σε περιβάλλον μικτής διαδικασίας μάθησης με πρότυπες συνδυαστικές μορφές εκπαίδευσης. Οι θεματικές ενότητες θα αναπτυχθούν με την αξιοποίηση της ηλεκτρονικής πλατφόρμας ασύγχρονης εξ αποστάσεως διδασκαλίας, elearning του Α.Π.Θ.

Για κάθε μία από τις ενότητες εκπαίδευσης και μάθησης οι εκπαιδευόμενες/οι θα παρακολουθούν βιντεοδιαλέξεις, θα συμμετέχουν σε ασκήσεις και μελέτες περιπτώσεων ενώ μέσω της σχετικής πλατφόρμας εξασφαλίζεται η διαρκής πρόσβαση στο εκπαιδευτικό υλικό και τη βιβλιογραφία.

Επίσης θα υπάρξουν συνεδρίες σύγχρονης τηλεκπαίδευσης σε συγκεκριμένα θεματικά πεδία, αν κριθεί απαραίτητο. Επιπλέον προβλέπεται η λειτουργία ομάδων συζητήσεων (forum) για αλληλεπίδραση των εκπαιδευομένων με τις/τους εκπαιδεύτριες/εκπαιδευτές τους και μεταξύ τους καθώς και για καθοδήγηση και επίλυση αποριών.

Δομή Εκπαιδευτικού προγράμματος

Το προτεινόμενο πρόγραμμα είναι διάρκειας 75 ωρών. Το υλικό θα αναρτάται σε εβδομαδιαία βάση, αλλά υπάρχει πρόσβαση οποιαδήποτε στιγμή στο υλικό της τρέχουσας εβδομάδας και όλων των προηγούμενων. Κάθε εβδομάδα ο εκπαιδευόμενος θα έχει να ασχοληθεί με εκπαιδευτικό υλικό περίπου 4 εκπαιδευτικών ωρών και το πρόγραμμα θα διαρκέσει συνολικά μαζί με την εκπόνηση της εργασίας 16 εβδομάδες. Στη συνέχεια παρατίθεται αναλυτικά το περιεχόμενο κάθε θεματικής ενότητας:

• Θεματική Ενότητα 1 : Εισαγωγή στην R

1. 1. Εισαγωγή στις βασικές έννοιες της R
   2. Διανύσματα
   3. Πίνακες
   4. Παράγοντες
   5. Πλαίσια Δεδομένων
   6. Λίστες
   7. Πακέτα R
   8. Εργαστηριακές Ασκήσεις

• Θεματική Ενότητα 2: Μέσο Επίπεδο στην R

1. 1. Ροές ελέγχου
   2. Δομές επανάληψης
   3. Συναρτήσεις
   4. Οι εντολές apply
   5. Βοηθητικά εργαλεία
   6. Εργαστηριακές Ασκήσεις

• Θεματική Ενότητα 3: Εισαγωγή Δεδομένων στην R

1. 1. Εισαγωγή δεδομένων με το πακέτο utils
   2. readr και data.table
   3. Εισαγωγή δεδομένων από Excel
   4. Εισαγωγή δεδομένων από τον ιστό
   5. Εισαγωγή δεδομένων από βάσεις δεδομένων
   6. Εισαγωγή δεδομένων από πακέτα στατιστικών λογισμικών
   7. Εισαγωγή δεδομένων – R Studio
   8. Εργαστηριακές Ασκήσεις

• Θεματική Ενότητα 4: Διαχείριση Δεδομένων dplyr

1. 1. Εισαγωγή
   2. Επιλογή και Μετατροπή Δεδομένων
   3. Συγκέντρωση Δεδομένων
   4. Ένωση Συνόλων Δεδομένων
   5. Εργαστηριακές Ασκήσεις

• Θεματική Ενότητα 5: Οπτικοποίηση Δεδομένων

1. 1. Εισαγωγή
   2. Δεδομένα
   3. Aesthetics, Positions and Scales
   4. Geometries
   5. Statistics
   6. Coordinates and Facets
   7. Themes
   8. Εργαστηριακές Ασκήσεις

• Θεματική Ενότητα 6: Διερευνητική Ανάλυση Δεδομένων

1. 1. Εξερεύνηση κατηγορικών δεδομένων
   2. Εξερευνώντας Αριθμητικά Δεδομένα
   3. Στατιστικά Μέτρα
   4. Παράδειγμα
   5. Εργαστηριακές Ασκήσεις

• Θεματική Ενότητα 7: Στατιστική Συμπερασματολογία

1. 1. Συμπερασματολογία για ένα δείγμα
   2. Συμπερασματολογία για δύο δείγματα
   3. Έλεγχοι Χ2
   4. Εργαστηριακές Ασκήσεις

• Θεματική Ενότητα 8: Συσχέτιση και Παλινδρόμηση στην R

1. 1. Συσχέτιση
   2. Απλή γραμμική παλινδρόμηση
   3. Αξιολόγηση μοντέλων απλής γραμμικής παλινδρόμησης
   4. Εργαστηριακές Ασκήσεις

• Θεματική Ενότητα 9: Εισαγωγή στη Μηχανική Μάθηση

1. 1. Εισαγωγή στη Μηχανική Μάθηση
   2. Πολλαπλή Γραμμική Παλινδρόμηση
   3. Λογιστική παλινδρόμηση
   4. Δέντρα αποφάσεων – Δέντρα ταξινόμησης
   5. Δέντρα παλινδρόμησης
   6. Εργαστηριακές Ασκήσεις

Στις συμμετέχουσες/στους συμμετέχοντες παρέχονται:

• Εκπαιδευτικό υλικό του προγράμματος το οποίο θα παρέχεται μέσω του συστήματος διαχείρισης μάθησης (Learning Management System – Moodle)
• Αναλυτικές ηλεκτρονικές σημειώσεις (σε μορφή PDF)
• Εργαστηριακές ασκήσεις
• Ασκήσεις αυτό-αξιολόγησης
• Βεβαίωση συμμετοχής ή Πιστοποιητικό Επιμόρφωσης με τις αντίστοιχες μονάδες ECTS 4,5.

Οι εκπαιδευόμενες/εκπαιδευόμενοι σε κάθε ενότητα θα εκπονούν εργαστηριακές ασκήσεις για εξάσκηση και πιστοποίηση των γνώσεων, οι οποίες θα αξιολογούνται από τη διδάσκουσα/τον διδάσκοντα. Οι ασκήσεις είναι προαιρετικές αλλά σημαντικές για την καλύτερη και αποτελεσματικότερη ολοκλήρωση του προγράμματος και για αυτό πριμοδοτούνται με επιπλέον 2 μονάδες. Ο τελικός βαθμός τους θα πρέπει να είναι μεγαλύτερος ή ίσος του 5. Για να θεωρείται επιτυχημένη η παρακολούθηση του προγράμματος, θα πρέπει οι εκπαιδευόμενες/εκπαιδευόμενοι να παραδώσουν την τελική εργασία σε κώδικα R εφ όλης της διδακτέας ύλης.

Μετά την επιτυχή ολοκλήρωση του προγράμματος απονέμεται στις εκπαιδευόμενες/στους εκπαιδευόμενους  Πιστοποιητικό Επιμόρφωσης, το οποίο εκδίδεται από το Κέντρο Επιμόρφωσης και Διά Βίου Μάθησης του ΑΠΘ και υπογράφεται από τον Πρόεδρο του ΚΕΔΙΒΙΜ και τον Επιστημονικά Υπεύθυνο του Προγράμματος.

Οι εκπαιδευόμενες/οι εκπαιδευόμενοι θα πρέπει να έχουν καταβάλει το σύνολο των διδάκτρων στην αρχή και μέση του προγράμματος σε ευέλικτο χρονικό διάστημα εφόσον έχουν κάνει αίτηση μέσα στο προβλεπόμενο διάστημα αιτήσεων.

Στις εκπαιδευόμενες/στους εκπαιδευόμενους που παρακολούθησαν αλλά δεν ολοκλήρωσαν το σύνολο του προγράμματος, μπορεί να παρέχεται Βεβαίωση Παρακολούθησης.

Για περισσότερες πληροφορίες οι ενδιαφερόμενες/οι μπορούν να επικοινωνούν με τον κ. Χαράλαμπο Μπράτσα και την κ. Παπαγεωργίου Μυρτώ στα κάτωθι στοιχεία επικοινωνίας:

cbratsas@math.auth.gr και mmpapageor@math.auth.gr.