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.

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.

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.

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.

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 μαθήματος:

• Θεματική Ενότητα 1 : Εισαγωγή στην R 
  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  
  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 
  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    
  1. Μετατροπή δεδομένων
  2. Συγκεντρώνοντας δεδομένα
  3. Επιλογή και μετατροπή δεδομένων
  4. Παράδειγμα
  5. Εργαστηριακές Ασκήσεις
• Θεματική Ενότητα 5: Οπτικοποίηση Δεδομένων 
  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
  1. Εξερεύνηση κατηγορικών δεδομένων
  2. Εξερευνώντας Αριθμητικά Δεδομένα
  3. Στατιστικά Μέτρα
  4. Παράδειγμα
  5. Εργαστηριακές Ασκήσεις
• Θεματική Ενότητα 7: Στατιστική Συμπερασματολογία  
  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. 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
  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 Learningp    
  1. Τι είναι
  2. Μέτρα απόδοσης
  3. Ταξινόμηση
  4. Παλινδρόμηση
  5. Δέντρα ταξινόμησης
  6. Δέντρα παλινδρόμησης
  7. Εργαστηριακές Ασκήσεις

Στους συμμετέχοντες παρέχονται:

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

Οι εκπαιδευόμενοι σε κάθε ενότητα θα εκπονούν εργαστηριακές ασκήσεις για εξάσκηση και πιστοποίηση των γνώσεων, οι οποίες θα αξιολογούνται από 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 εκπαιδευόμενοι να παραδώσουν την τελική εργασία σε κώδικα R εφ όλης της διδακτέας ύλης.

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 στην αρχή του προγράμματος σε ευέλικτο χρονικό διάστημα εφόσον έχουν κάνει αίτηση μέσα στο προβλεπόμενο διάστημα αιτήσεων.

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

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.