ΠΜΣ: Μηχανική Μάθηση και Επιστήμη Δεδομένων (Machine Learning and Data Science)

Κατηγορίες και αριθμός εισακτέων:

Στο Π.Μ.Σ. γίνονται δεκτοί πτυχιούχοι των Τμημάτων/Σχολών Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής, Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών, Επιστήμης Υπολογιστών, Πληροφορικής, Φυσικής, Μαθηματικών και άλλων συναφών Τμημάτων Πανεπιστημίων της ημεδαπής και αναγνωρισμένων ομοταγών ιδρυμάτων της αλλοδαπής οι οποίοι έχουν αποδεδειγμένη επαρκή γνώση της αγγλικής γλώσσας.

Μέλη των κατηγοριών Ε.Ε.Π., Ε.ΔΙ.Π. και Ε.Τ.Ε.Π. της Σχολής ΗΜΜΥ, εφόσον πληρούν τις προϋποθέσεις του εδαφ. α’ της παρ. 1 του άρθρου 34 του ν. 4485/2017, μπορούν να εγγραφούν ως υπεράριθμοι και μόνο ένας/μία κατ’ έτος.

Δίπλωμα Μεταπτυχιακών Σπουδών δεν μπορεί να απονεμηθεί σε φοιτητή του οποίου ο τίτλος σπουδών πρώτου κύκλου από ίδρυμα της αλλοδαπής δεν έχει αναγνωριστεί από το Διεπιστημονικό Οργανισμό Αναγνώρισης Τίτλων Ακαδημαϊκών και Πληροφόρησης (Δ.Ο.Α.Τ.Α.Π.), σύμφωνα με τον ν. 3328/2005.

Ο αριθμός εισακτέων στο Π.Μ.Σ. ορίζεται κατ’ ανώτατο όριο σε είκοσι (20) φοιτητές ετησίως. Στο πρόγραμμα θα μπορούν να εισάγονται φοιτητές προερχόμενοι από χώρες του Ευρωπαϊκού Οικονομικού Χώρου (ΕΟΧ) και από χώρες εκτός ΕΟΧ.

Διαδικασία επιλογής:

Οι αιτήσεις για εισαγωγή στο Πρόγραμμα Μεταπτυχιακών Σπουδών εξετάζονται από την Συντονιστική Επιτροπή (Σ.Ε.), η οποία εισηγείται σχετικά στη Συνέλευση της Σχολής ΗΜΜΥ, η οποία έχει και την ευθύνη της απόφασης. Η αξιολόγηση των υποψηφίων διεξάγεται στις ακόλουθες διαδοχικές φάσεις, οι οποίες πραγματοποιούνται σε ημερομηνίες που καθορίζονται από την Σ.Ε. και αναφέρονται με σαφήνεια σε σχετική ανακοίνωση του Π.Μ.Σ. που αναρτάται στις ιστοσελίδες του προγράμματος:

Η διαδικασία που ακολουθείται είναι η ακόλουθη: Η Σ.Ε. εξετάζει τον πλήρη φάκελο κάθε υποψηφίου και δύναται να ζητήσει τυχόν απαιτούμενα δικαιολογητικά που δεν έχουν υποβληθεί, συμπληρωματικά στοιχεία, καθώς και να καλέσει τον υποψήφιο σε συνέντευξη. Στην φάση αυτή γίνεται εξακρίβωση της γνησιότητας και ακρίβειας των βεβαιώσεων και των πιστοποιητικών και έλεγχος τυπικών προσόντων. Η Σ.Ε. εισηγείται στην Συνέλευση της Σχολής Η.Μ.Μ.Υ. για την αποδοχή ή μη των υποψηφίων.

Τα κριτήρια αξιολόγησης περιλαμβάνουν τα εξής:

– Βαθμός Πτυχίου
– Χρόνος ολοκλήρωσης σπουδών
– Συνέντευξη
– Σχετική με το μεταπτυχιακό Διπλωματική εργασία
– Ερευνητική Δραστηριότητα (π.χ. δημοσιεύσεις ή συμμετοχή σε προγράμματα)
– Αρτιότερη (από την ελάχιστη απαίτηση) γνώση της
αγγλικής γλώσσας
– Συστατικές επιστολές
– Αναγνωρισμένη σχετική επαγγελματική εμπειρία.

Η Σ.Ε. καταρτίζει πλήρη κατάλογο με όλους τους υποψηφίους και ύστερα από τον σχετικό έλεγχο, απορρίπτει όσους δεν πληρούν τις προϋποθέσεις. Η Σ.Ε. καλεί σε συνέντευξη τους προκρινόμενους υποψηφίους που έχουν συγκεντρώσει τα απαιτούμενα δικαιολογητικά. Στην προφορική συνέντευξη αξιολογούνται η επιστημονική κατάρτιση, η ερευνητική εμπειρία, η συναφής εξωπανεπιστημιακή δραστηριότητα, η προσωπικότητα του υποψηφίου, και τυχόν ειδικά προσόντα.

Μετά την ολοκλήρωση της διαδικασίας (αξιολόγηση με βάση το φάκελο δικαιολογητικών και συνέντευξη), καταρτίζεται ο τελικός πίνακας των επιτυχόντων βάσει σειράς αξιολόγησης. Οι υποψήφιοι ενημερώνονται προσωπικά για το αποτέλεσμα της αξιολόγησης. Τα κριτήρια επιλογής υποψηφίων είναι εφικτό να αναμορφώνονται μετά από πρόταση της Σ.Ε. του Π.Μ.Σ. και έγκριση από τη Συνέλευση του Τμήματος Η.Μ.Μ.Υ.

Πρόγραμμα Σπουδών (Μαθήματα – ECDS)

Τα μαθήματα του Π.Μ.Σ. «Machine Learning and Data Science» διδάσκονται στα Αγγλικά και το πλαίσιο διδασκαλίας περιλαμβάνει υποχρεωτικά δύο ίσης διάρκειας διαλέξεις ανά εβδομάδα (σε διαφορετικές μέρες) σε σύνολο 13 εβδομάδων. Η διδασκαλία των μαθημάτων γίνεται διά ζώσης αλλά δύναται να πραγματοποιηθεί και με μέσα εξ αποστάσεως. Το ποσοστό διδασκαλίας με μέσα εξ αποστάσεως εκπαίδευσης θα συμμορφώνεται με τις κείμενες διατάξεις και τις σχετικές αποφάσεις της Συνέλευσης του Τμήματος ΗΜΜΥ.

Οι φοιτητές συμμετέχουν στο σύνολό τους είτε στη διδασκαλία των μαθημάτων που πραγματοποιείται διά ζώσης είτε στη διδασκαλία με μέσα εξ αποστάσεως εκπαίδευσης. Η αξιολόγηση της επίδοσης των φοιτητών στα μαθήματα θα περιλαμβάνει κατ’ ελάχιστον γραπτή πρόοδο και γραπτή τελική εξέταση. Η αξιολόγηση της μαθησιακής ενότητας «Ερευνητικά Σεμινάρια/Ανεξάρτητη Μελέτη/Συνθετική Μεταπτυχιακή Εργασία (capstone project)» θα γίνεται στην κλίμακα επιτυχώς/ανεπιτυχώς και θα βασίζεται στην συμμετοχή των φοιτητών και στην αξιολόγηση της παρουσίασης της συνθετικής μεταπτυχιακής εργασίας.

Πρόγραμμα Χειμερινού Εξαμήνου

Probability Theory & Introduction to Machine Learning 7 ECTS
Practical Data Science and Applications 7 ECTS
Programming and Database Fundamentals 7 ECTS
Optimization 7 ECTS
Research seminar/Independent Study/Capstone project 2 ECTS

Πρόγραμμα Εαρινού Εξαμήνου

Machine Learning 7 ECTS
Research seminar/Independent Study/Capstone project 2 ECTS
Τουλάχιστον ένα μάθημα από την Ομάδα Α
Big Data Processing and Analysis (Α) 7 ECTS
Time Series Modeling and Analysis (Α) 7 ECTS
Probabilistic Graphical Models and Inference Algorithms (Α) 7 ECTS
Detection and Estimation Theory (Α) 7 ECTS
Έως και δύο μαθήματα από την Ομάδα B
Advanced Concepts in Machine Learning and Pattern Recognition (Β) 7 ECTS
Quantum Machine Learning, Optimization and Applications (Β) 7 ECTS
Quantum Information and Quantum Estimation (Β) 7 ECTS
Secure Systems (Β) 7 ECTS
Nonlinear Systems (Β) 7 ECTS
Online learning and Dynamic Optimization (Β) 7 ECTS
Decision Making and Learning in Multiagent Worlds (Β) 7 ECTS

Καθένα από τα παραπάνω μαθήματα αντιστοιχεί σε επτά (7) Πιστωτικές Μονάδες (ECTS) εκτός από την μαθησιακή ενότητα Ερευνητικά Σεμινάρια/Ανεξάρτητη Μελέτη/Συνθετική Μεταπτυχιακή Εργασία (capstone project) που αντιστοιχεί σε 2 ECTS ανά εξάμηνο. Ο προβλεπόμενος φόρτος περιλαμβάνει 4 μαθήματα και την υποχρεωτική μαθησιακή ενότητα Ερευνητικά Σεμινάρια/Ανεξάρτητη Μελέτη/Συνθετική Μεταπτυχιακή Εργασία ανά εξάμηνο.

Εκτός από την επιτυχή παρακολούθηση και ολοκλήρωση των μαθημάτων, οι φοιτητές υποχρεούνται να παρακολουθήσουν ερευνητικά σεμινάρια και να διεξάγουν ανεξάρτητη μελέτη για να εκπονήσουν Συνθετική Μεταπτυχιακή Εργασία σε θέμα σχετικό με Μηχανική Μάθηση και Επιστήμη Δεδομένων, το οποίο θα σχετίζεται με το θέμα της ανεξάρτητης μελέτης που θα επιλέξουν.

Τα προσφερόμενα μαθήματα του χειμερινού εξαμήνου είναι όλα υποχρεωτικά. Τα μαθήματα του εαρινού εξαμήνου περιλαμβάνουν ένα υποχρεωτικό για όλους μάθημα, ένα τουλάχιστον μάθημα από την ομάδα (Α), και το πολύ 2 μαθήματα από την ομάδα (Β). Επομένως, το εαρινό εξάμηνο ένας φοιτητής μπορεί να επιλέξει 3 Μαθήματα από την Ομάδα Α, ή 2 Μαθήματα από την Ομάδα Α και 1 Μάθημα από την Ομάδα Β, ή 1 Μάθημα από την Ομάδα Α και 2 μαθήματα από την Ομάδα Β. Τα μαθήματα που προσφέρονται στο Π.Μ.Σ. «Machine Learning and Data Science» είναι διαθέσιμα και σε όλους τους Μεταπτυχιακούς Φοιτητές του υφιστάμενου, ερευνητικού Π.Μ.Σ. της Σχολής Η.Μ.Μ.Υ. με τίτλο «Ερευνητικό Π.Μ.Σ. στα Αντικείμενα Ηλεκτρολόγου Μηχανικού και Μηχανικού Υπολογιστών», σε προηγμένους προπτυχιακούς της Σχολής Η.Μ.Μ.Υ., καθώς και σε Μεταπτυχιακούς Φοιτητές Erasmus+, χωρίς τέλη φοίτησης, με την προϋπόθεση πως τα επιλεγόμενα μαθήματα είναι συναφή με την ερευνητική στόχευση της Μεταπτυχιακής Διατριβής του ενδιαφερομένου φοιτητή και υπάρχει η σύμφωνη γνώμη του επιβλέποντα.

O κατάλογος των μαθημάτων και η διάρθρωση του Προγράμματος δύνανται να τροποποιηθούν μετά από απόφαση της Συνέλευσης του Τμήματος.

Τι άλλο πρέπει να ξέρω :