Search
Close this search box.

Ανάλυση δεδομένων με χρήση της γλώσσας R (2ος)

ΔΙΑΡΚΕΙΑ ΠΡΟΓΡΑΜΜΑΤΟΣ:

2021-04-08 - 2021-08-31 ( )

ΜΕΘΟΔΟΣ ΥΛΟΠΟΙΗΣΗΣ:

Εξ αποστάσεως

ΔΥΝΑΤΟΤΗΤΑ ΕΚΠΤΩΣΗΣ:

Βάσει εκπτωτικής πολιτικής

ECTS:
4,5
Δίδακτρα:
300€
Υπεύθυνος Προγράμματος:
Δρ. Χαράλαμπος Μπράτσας
Η υποβολή αιτήσεων ολοκληρώνεται στις
31-03-2021

Ανάλυση δεδομένων με χρήση της γλώσσας R (2ος)

Η υποβολή αιτήσεων ολοκληρώνεται στις

31-03-2021

ΠΛΗΡΟΦΟΡΙΕΣ

  • Σύντομη Περιγραφή

    Το Κέντρο Επιμόρφωσης και Διά Βίου Μάθησης (ΚΕΔΙΒΙΜ) του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης (ΑΠΘ) σας καλωσορίζει στο εκπαιδευτικό πρόγραμμα με τίτλο “Ανάλυση δεδομένων με χρήση της γλώσσας R”, διάρκειας 77 ωρών, το οποίο θα διεξαχθεί και θα υλοποιηθεί εξ αποστάσεως μέσω της πλατφόρμας elearning του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης.

    Επιστημονικός Υπεύθυνος του προγράμματος είναι ο Δρ. Χαράλαμπος Μπράτσας, ΕΔΙΠ, Τμήμα Μαθηματικών, Σχολή Θετικών Επιστημών, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Επιστημονικός Υπεύθυνος σε 4 ευρωπαϊκά χρηματοδοτούμενα προγράμματα.

    Στο πρόγραμμα διδάσκουν:

    • Ιωάννης Αντωνίου, Καθηγητής ΑΠΘ
    • Χαράλαμπος Μπράτσας, ΕΔΙΠ ΑΠΘ
    • Κλεάνθης Κουπίδης, Msc Μαθηματικός, Επιστημονικός συνεργάτης ΑΠΘ
    • Ευάγγελος Χονδροκώστας, Msc Μαθηματικός, Επιστημονικός συνεργάτης ΑΠΘ
    • Μυρτώ Παπαγεωργίου, Υπ. Διδάκτωρ Μαθηματικό ΑΠΘ, Επιστημονικός συνεργάτης ΑΠΘ

     

    Στόχος του προγράμματος

    Η γλώσσα R αποτελεί ένα πολύτιμο εργαλείο διαχείρισης και ανάλυσης δεδομένων. Το πρόγραμμα αυτό παρέχει τη δυνατότητα στους επιμορφούμενους 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 ο επιμορφούμενος θα μπορέσει να αναπτύξει άποψη για πρακτικά προβλήματα ανάλυσης δεδομένων. Σκοπός του νέου προγράμματος είναι να προσφέρει την ευκαιρία στους 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.

     

    Αναγκαιότητα προγράμματος

    Η R είναι μια γλώσσα προγραμματισμού ανοιχτού κώδικα στον οποίο όλοι έχουν πρόσβαση, μπορούν να κάνουν διορθώσεις και να τις δημοσιεύουν. Επιτρέπει στον κάθε χρήστη να αλληλεπιδρά με άλλες γλώσσες, με αρχεία δεδομένων και άλλα στατιστικά πακέτα. Γι’ αυτό η ανάλυση δεδομένων με την R θεωρείται βασικό προσόν για την έρευνα και την αναζήτηση θέσης εργασίας. Το πρόγραμμα προσφέρει στους επιμορφούμενους την ικανότητα να καταλάβουν πως λειτουργεί η βασική δομή της R και να γράφουν κώδικα ώστε να εισάγουν δεδομένα από άλλα στατιστικά πακέτα, αρχεία και άλλα προγράμματα. Θα έχουν τη δυνατότητα να μάθουν τεχνικές διαχείρισης δεδομένων, καθώς και να χρησιμοποιούν ευέλικτους και δημιουργικούς τρόπους σχεδίασης γραφημάτων. Θα ασχοληθούν με τη διερευνητική ανάλυση δεδομένων και θα μάθουν να υπολογίζουν στατιστικά μέτρα. Τέλος, θα εξοικειωθούν με τις έννοιες και τις τεχνικές της συσχέτισης και της παλινδρόμησης, θα εφαρμόσουν στατιστικές μεθόδους σε δείγματα και θα ασχοληθούν με βασικές γνώσεις machine learning.

     

    Μαθησιακά αποτελέσματα

    Συνοπτικά ολοκληρώνοντας το Εκπαιδευτικό Πρόγραμμα, οι 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.

     

    Σε ποιους απευθύνεται το πρόγραμμα

    Το πρόγραμμα απευθύνεται σε:

    • αποφοίτους ή γενικά όσους θέλουν να μάθουν να χρησιμοποιούν την R για τη στατιστική επεξεργασία των δεδομένων σε εργασίες και έρευνες,
    • πτυχιούχους και ερευνητές όλων των επιστημών,
    • εκπαιδευόμενους και υποψηφίους σε θέσεις εργασίας όπου είναι απαραίτητη η γλώσσα R,
    • όσους γνωρίζουν βασικές γνώσεις προγραμματισμού και επιθυμούν να μάθουν τις δυνατότητες της και να τις αξιοποιήσουν στην αγορά εργασίας,
    • 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 όλους 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 υποψήφιοι θα κληθούν σε συνέντευξη.

     

    Μέθοδος υλοποίησης

    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.ΠΘ.

    Για κάθε μία από τις ενότητες εκπαίδευσης και μάθησης οι εκπαιδευόμενοι/ες 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. Επιπλέον προβλέπεται η λειτουργία ομάδων συζητήσεων (forum) για αλληλεπίδραση των εκπαιδευομένων με τους εκπαιδευτές τους και μεταξύ τους καθώς και για καθοδήγηση και επίλυση αποριών.

     

    Εκπαιδευτικό υλικό / Άλλες παροχές

    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.

     

    Δομή Εκπαιδευτικού προγράμματος

    Το προτεινόμενο πρόγραμμα είναι διάρκειας 77 ωρών. Κάθε εβδομάδα θα γίνεται 1 μάθημα 4 εκπαιδευτικών ωρών και το πρόγραμμα θα διαρκέσει 14 εβδομάδες. Στη συνέχεια παρατίθεται αναλυτικά το περιεχόμενο κάθε μαθήματος:

    Θεματική Ενότητα 1 : Εισαγωγή στην R (7 ώρες)

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

    Θεματική Ενότητα 2: Μέσο Επίπεδο στην R (6 ώρες)

    1. Συνθήκες και ροές ελέγχου
    2. Βρόγχοι
    3. Συναρτήσεις
    4. Οι εντολές apply
    5. Βοηθητικά εργαλεία
    6. Εργαστηριακές Ασκήσεις

    Θεματική Ενότητα 3: Εισαγωγή Δεδομένων στην R (7 ώρες)

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

    Θεματική Ενότητα 4: Διαχείριση Δεδομένων dplyr (4 ώρες)

    1. Μετατροπή δεδομένων
    2. Συγκεντρώνοντας δεδομένα
    3. Επιλογή και μετατροπή δεδομένων
    4. Παράδειγμα
    5. Εργαστηριακές Ασκήσεις

    Θεματική Ενότητα 5: Οπτικοποίηση Δεδομένων (7 ώρες)

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

    Θεματική Ενότητα 6: Διερευνητική Ανάλυση Δεδομένων (5 ώρες)

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

    Θεματική Ενότητα 7: Στατιστική Συμπερασματολογία (5 ώρες)

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

    Θεματική Ενότητα 8: Συσχέτιση και Παλινδρόμηση στην R (7 ώρες)

    1. Συσχέτιση
    2. Απλή γραμμική παλινδρόμηση
    3. Ερμηνεία μοντέλων παλινδρόμησης
    4. Εφαρμογή μοντέλου παλινδρόμησης
    5. Εργαστηριακές Ασκήσεις

    Θεματική Ενότητα 9: Πολλαπλή και Λογιστική Παλινδρόμηση στην R (5 ώρες)

    1. Μοντέλα με παράλληλες κλίσεις
    2. Αξιολόγηση και επέκταση μοντέλων με παράλληλες κλίσεις
    3. Πολλαπλή παλινδρόμηση
    4. Λογιστική παλινδρόμηση
    5. Παράδειγμα
    6. Εργαστηριακές Ασκήσεις

    Θεματική Ενότητα 10: Εισαγωγή σε Machine Learning (9 ώρες)

    1. Τι είναι
    2. Μέτρα απόδοσης
    3. Ταξινόμηση
    4. Παλινδρόμηση
    5. Δέντρα ταξινόμησης
    6. Δέντρα παλινδρόμησης
    7. Εργαστηριακές Ασκήσεις

     

    Υποχρεώσεις εκπαιδευόμενων/Πιστοποιητικό Επιμόρφωσης

    Οι εκπαιδευόμενοι σε κάθε ενότητα θα εκπονούν εργαστηριακές ασκήσεις. Οι ασκήσεις θα αξιολογούνται από τον διδάσκοντα. Ο τελικός βαθμός αξιολόγησης θα προκύπτει από το μέσο όρο των βαθμών των επιμέρους ασκήσεων. Για να θεωρείται επιτυχημένη η παρακολούθηση του προγράμματος θα πρέπει ο τελικός βαθμός να είναι μεγαλύτερος ή ίσος του 5.

    Μετά την επιτυχή ολοκλήρωση του προγράμματος απονέμεται στους συμμετέχοντες 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 εκπαιδευόμενοι θα πρέπει να έχουν καταβάλει το σύνολο των διδάκτρων μέχρι τα μέσα του προγράμματος που θα καταβληθεί και η δεύτερη δόση.

    Στους συμμετέχοντες που παρακολούθησαν αλλά δεν ολοκλήρωσαν το σύνολο του προγράμματος, μπορεί να παρέχεται Βεβαίωση Παρακολούθησης.

     

    Κόστος συμμετοχής/Εκπτωτική πολιτική

    Το κόστος συμμετοχής του προγράμματος ανέρχεται στο ποσό των 300€ και θα καταβάλλεται σε δύο δόσεις, μία κατά την εγγραφή (50%) και δεύτερη (50%) στη μέση της διάρκειας της εκπαίδευσης.

    Οι εκπαιδευόμενοι θα ειδοποιηθούν από τον Επιστημονικά Υπεύθυνο για την καταβολή των δύο δόσεων.      

    Οι κατηγορίες των δικαιούχων εκπτώσεων είναι:

    1. ΑΜΕΑ, έκπτωση 20%
    2. Άνεργοι με κάρτας ανεργίας σε ισχύ, έκπτωση 10%
    3. Προσωπικό ΑΠΘ έκπτωση 10%

    Οι παραπάνω εκπτώσεις δεν ισχύουν αθροιστικά.

     

    Απαιτούμενα δικαιολογητικά για την παροχή έκπτωσης είναι:

    • για την κατηγορία 1: Σχετική γνωμάτευση
    • για την κατηγορία 2: Βεβαίωση ανεργίας
    • για την κατηγορία 3: Βεβαίωση ή σύμβαση ή μισθοδοσία ή οποιοδήποτε άλλο έγγραφο αποδεικνύει την ιδιότητα.

    Στοιχεία τραπεζικού λογαριασμού: ΤΡΑΠΕΖΑ ΠΕΙΡΑΙΩΣ, IBAN: GR9401722020005202057157381, ΔΙΚΑΙΟΥΧΟΣ: ΕΙΔΙΚΟΣ ΛΟΓΑΡΙΑΣΜΟΣ ΚΟΝΔΥΛΙΩΝ ΕΡΕΥΝΑΣ ΑΠΘ

     

    Αιτήσεις

    Οι ενδιαφερόμενοι/ενδιαφερόμενες υποβάλλουν αίτηση ηλεκτρονικά στην ιστοσελίδα του Κέντρου Επιμόρφωσης και Διά Βίου Μάθησης του ΑΠΘ.

    1. Σύντομο βιογραφικό σημείωμα
    2. Τίτλους σπουδών
    3. Δικαιολογητικά που αποδεικνύουν την ένταξη σε κάποια από τις εκπτωτικές κατηγορίες που αναφέρονται παραπάνω.
  • Επικοινωνία

    Για περισσότερες πληροφορίες οι ενδιαφερόμενοι/ες 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.

  • Κανονισμός Σπουδών ΚΕΔΙΒΙΜ ΑΠΘ
    Δείτε τον κανονισμό σπουδών ΕΔΩ
  • Κανονισμός Διαχείρισης Παραπόνων
    Δείτε τον κανονισμό διαχείρισης παραπόνων ΕΔΩ

ΚΟΣΤΟΣ ΣΥΜΜΕΤΟΧΗΣ

/ ΕΚΠΤΩΤΙΚΗ ΠΟΛΙΤΙΚΗ

Το περιεχόμενο δεν είναι διαθέσιμο.
Μετάβαση στο περιεχόμενο