το άρθρο ενημερώθηκε στις 17.12.2025
Σε ποιον ταιριάζει το ΔΠΜΣ Ανάλυση Δεδομένων και Μηχανική – Στατιστική Μάθηση;
Το ΔΠΜΣ «Ανάλυση Δεδομένων και Μηχανική – Στατιστική Μάθηση» απευθύνεται σε πτυχιούχους πληροφορικής, μαθηματικών, στατιστικής, μηχανικών, θετικών επιστημών και συναφών ειδικοτήτων που επιθυμούν να εμβαθύνουν θεωρητικά και εφαρμοσμένα στην ανάλυση δεδομένων, τη στατιστική μάθηση και τη μηχανική μάθηση. Το πρόγραμμα συνδυάζει ισχυρό μαθηματικό και υπολογιστικό υπόβαθρο με σύγχρονες μεθόδους μοντελοποίησης, πρόβλεψης και εξαγωγής γνώσης από δεδομένα.
Ταιριάζει ιδιαίτερα σε όσους:
ενδιαφέρονται για την ανάλυση δεδομένων, τη στατιστική και τη μηχανική μάθηση,
επιδιώκουν να κατανοήσουν σε βάθος αλγορίθμους, μοντέλα και μεθόδους εξόρυξης γνώσης,
διαθέτουν βασικό υπόβαθρο σε μαθηματικά, στατιστική, προγραμματισμό ή υπολογιστικές μεθόδους,
θέλουν να αναπτύξουν δεξιότητες ανάλυσης, μοντελοποίησης και ερμηνείας σύνθετων δεδομένων,
έχουν διάθεση να εργαστούν σε απαιτητικά αναλυτικά, τεχνολογικά ή ερευνητικά περιβάλλοντα,
στοχεύουν σε ρόλους όπως data analyst, data scientist, μηχανικός μηχανικής μάθησης ή ερευνητής,
διαθέτουν ενδιαφέρον για εφαρμογές δεδομένων σε επιστήμη, τεχνολογία και λήψη αποφάσεων.
Το ΔΠΜΣ αποτελεί κατάλληλη επιλογή για όσους επιθυμούν ισχυρή εξειδίκευση στη στατιστική και μηχανική μάθηση, με σαφή προσανατολισμό στις σύγχρονες ανάγκες της επιστήμης δεδομένων και της αγοράς εργασίας.
Συνεργαζόμενα τμήματα
Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών του Πανεπιστημίου Κρήτης
Τμήμα Επιστήμης Υπολογιστών του Πανεπιστημίου Κρήτης
Ινστιτούτα Υπολογιστικών Μαθηματικών (ΙΥΜ), Πληροφορικής (ΙΠ) του Ιδρύματος Τεχνολογίας και Έρευνας (ΙΤΕ)
ΔΠΜΣ: «Ανάλυση Δεδομένων και Μηχανική – Στατιστική Μάθηση»
(Data Analysis and Machine – Statistical Learning)
Έδρα:
Διεύθυνση – Πόλη διεξαγωγής: Πανεπιστημιούπολη Βουτών, 70013 Ηράκλειο Κρήτης
Τηλέφωνα: 2810) 39-3751 ή 39-3752 Email: info@math.uoc.gr
Γνωστικό Αντικείμενο – Σκοπός :
Τα Τμήματα Μαθηματικών και Εφαρμοσμένων Μαθηματικών, Επιστήμης Υπολογιστών του Πανεπιστημίου Κρήτης και τα Ινστιτούτα Υπολογιστικών Μαθηματικών (ΙΥΜ), Πληροφορικής (ΙΠ) του Ιδρύματος Τεχνολογίας και Έρευνας (ΙΤΕ) οργανώνουν και λειτουργούν το Διιδρυματικό Πρόγραμμα Μεταπτυχιακών Σπουδών «Ανάλυση Δεδομένων και Μηχανική – Στατιστική Μάθηση/Data Analysis and Machine – Statistical Learning» (εφεξής ΠΜΣ), το οποίο διέπεται από τον παρόντα κανονισμό και τις διατάξεις του ν. 4485/2017. Η διάρκεια του προγράμματος είναι 5έτης από την εγκριτική υπουργική απόφαση με την επιφύλαξη της παρ. 8 του άρθρου 32 του ν. 4485/2017.
Σκοπός του Προγράμματος είναι η ειδίκευση στην διεπιστημονική περιοχή της Ανάλυσης Δεδομένων με έμφαση στην Μηχανική Μάθηση και σχετικές Στατιστικές Μεθόδους. Τη διοικητική υποστήριξη του Προγράμματος αναλαμβάνει το Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών του Πανεπιστημίου Κρήτης. Ειδικότερα θέματα οργάνωσης και λειτουργίας του Π.Μ.Σ. προσδιορίζονται στο Ειδικό Πρωτόκολλο Συνεργασίας, τις διατάξεις της εγκριτικής υπουργικής απόφασης όπως κάθε φορά ισχύει.
Το ΔΠΜΣ Ανάλυση Δεδομένων και Μηχανική – Στατιστική Μάθηση (Data Analysis and Machine Learning) είναι ένα διεπιστημονικό πρόγραμμα με σκοπό την παροχή βασικών επιστημονικών και τεχνολογικών γνώσεων, πρακτικής εξάσκησης και μεταφοράς εξειδικευμένων δεξιοτήτων σε πτυχιούχους που θέλουν να εργαστούν στη ανάλυση δεδομένων και στατιστική- μηχανική μάθηση στον ιδιωτικό ή δημόσιο ή σε αντίστοιχους ακαδημαϊκούς χώρους.
Τίτλος Σπουδών:
Το ΔΠΜΣ απονέμει Δίπλωμα Μεταπτυχιακών Σπουδών (ΔΜΣ) στην «Ανάλυση Δεδομένων και Μηχανική – Στατιστική Μάθηση/Data Analysis and Machine – Statistical Learning»
Διάρκεια σπουδών :
Η χρονική διάρκεια για την απονομή του κατά το άρθρο 2 τίτλου ΜΔΕ ορίζεται έως 3 διδακτικά εξάμηνα.
Γλώσσα Διδασκαλίας: Αγγλική γλώσσα
Δίδακτρα:
Τα τέλη φοίτησης για το σύνολο του ΔΜΠΣ είναι
α) €1500 για τους τους προερχόμενους από χώρες του ΕΟΧ φοιτητές και
β) € 3000 για τους προερχόμενους από χώρες εκτός ΕΟΧ φοιτητές
Κατηγορίες και αριθμός εισακτέων:
Σύμφωνα με την παρ. 1 του άρθρου 34 του ν. 4485/2017 στο ΔΠΜΣ γίνονται δεκτοί πτυχιούχοι ΑΕΙ της ημεδαπής ή ομοταγών αναγνωρισμένων ιδρυμάτων της αλλοδαπής. Ο αριθμός εισακτέων ορίζεται κατά ανώτατο όριο σε 30. Στο ΔΠΜΣ γίνονται δεκτοί πτυχιούχοι ή τελειόφοιτοι Ανωτάτων Σχολών ή ομοταγών ιδρυμάτων της αλλοδαπής, οι οποίοι ενδιαφέρονται για απόκτηση Μεταπτυχιακού Διπλώματος Ειδίκευσης στο αντικείμενο του προγράμματος. Το ΔΠΜΣ απευθύνεται σε Έλληνες και αλλοδαπούς φοιτητές. Η γνώση της Ελληνικής Γλώσσας δεν απαιτείται για την επιτυχή παρακολούθηση του.
Ο αριθμός των εισακτέων φοιτητών δύναται να αλλάξει μετά από απόφαση της ΕΔΕπ. Η αξιολόγηση των αιτήσεων για εγγραφή στο Πρόγραμμα είναι ευθύνη της Επιτροπής Αξιολόγησης η οποία ορίζεται ανά έτος από την ΕΔΕπ. Συνεκτιμώνται: οι έως τότε επιδόσεις του υποψηφίου (βαθμολογία, μαθήματα, τυχόν εργασίες), οι συστατικές επιστολές, η γνώση της Αγγλικής γλώσσας, και όποια άλλα κριτήρια τυχόν ορίσει η Επιτροπής Αξιολόγησης, όπως π.χ. προσωπική συνέντευξη ή/και γραπτές εξετάσεις.
Στο ΔΠΜΣ γίνονται δεκτοί φοιτητές με αναπηρία ή/και ειδικές εκπαιδευτικές ανάγκες. Τα κτίρια των συμμετεχόντων φορέων είναι προσβάσιμα σε Άτομα με Ειδικές Ανάγκες και στις αίθουσες διδασκαλίας έχουν προβλεφθεί θέσεις κατάλληλες για αναπηρικά αμαξίδια
Διαδικασία επιλογής: –
Πρόγραμμα Σπουδών (Μαθήματα – ECΤS)
Για την απόκτηση ΜΔΕ ο φοιτητής πρέπει να συγκεντρώσει τουλάχιστον 90 ΠΜ (1 ΠΜ = 1 Μονάδα σύμφωνα με το Ευρωπαϊκό Σύστημα Πίστωσης Μονάδων/ECTS -European Credit Transfer and Accumulation System), εκ των οποίων, (α) τουλάχιστον 70 ΠΜ από την επιτυχή παρακολούθηση μαθημάτων, σειρών ειδικών διαλέξεων και αντίστοιχων εργασιών (β) 20 ΠΜ από την εκπόνηση μεταπτυχιακής εργασίας (Master project). Εκ των 70 ΠΜ οι οποίες αναφέρονται στο σημείο (α), 30 ΠΜ θα πρέπει να αντιστοιχούν στα βασικά μαθήματα κορμού (ΒΜΚ) 40 ΠΜ από τον κατάλογο μαθημάτων κατεύθυνσης (ΕΚ).
Ως γενικός κανόνας, κάθε βασικό μάθημα κορμού (ΒΜΚ) αντιστοιχεί σε 10 ΠΜ. Κάθε μάθημα κατεύθυνσης (ΕΚ) αντιστοιχεί σε 5 ΠΜ ή 10 ΠΜ. Το πολύ 10 ΠΜ μπορούν να πιστωθούν από επιλογή προχωρημένων προπτυχιακών μαθημάτων Τμημάτων της Σχολής Θετικών και Τεχνολογικών Επιστημών τα οποία καλύπτουν πιθανά κενά σε γνώσεις απαραίτητες για την παρακολούθηση του προγράμματος (Πιθανότητες, Αριθμητικοί Αλγόριθμοι, Δομές Δεδομένων).
Το παρακάτω είναι ενδεικτικό πρόγραμμα σπουδών:
Α’ εξάμηνο:
Υποχρεωτικά μαθήματα
Δομές Δεδομένων/Data Structures
Αριθμητικοί Αλγόριθμοι/Numerical algorithms
Μαθηματική και Υπολογιστική Στατιστική/Mathematical and Computational Statistics
Εισαγωγή στην Επιστήμη Δεδομένων/Introduction to Data Science
Β’ εξάμηνο:
Υποχρεωτικά μαθήματα
Εισαγωγή στην Μηχανική Μάθηση/Introduction to Machine Learning
2 μαθήματα κατεύθυνσης
Γ’ εξάμηνο:
Υποχρεωτικά μαθήματα
Μεταπτυχιακή εργασία/Master Project
1-2 μαθήματα κατεύθυνσης
Στον παρακάτω πίνακα παρατίθεται ενδεικτικός κατάλογος Μαθημάτων. Ο κατάλογος αυτός είναι δυνατόν να επεκταθεί με απόφαση της ΕΔΕπ. Δίνεται επίσης η δυνατότητα μέρος των μαθήματων του προγράμματος να πραγματοποιείται εξ αποστάσεως μετά από απόφαση της ΕΔΕπ.
Βασικά Μαθήματα Κορμού και Κατεύθυνσης
Εισαγωγή στην Επιστήμη Δεδομένων/Introduction to Data Science
Εισαγωγή στην Μηχανική Μάθηση/Introduction to Machine Learning
Μαθηματική και Υπολογιστική Στατιστική/Mathematical and Computational Statistics
Βαθιά Μηχανική Μάθηση – Deep Learning
Βελτιστοποίηση – Optimization
Μηχανική Όραση – Machine Vision
Ανάλυση Σήματος – Signal analysis
Αριθμητική Ανάλυση – Numerical Analysis
Αριθμητική Επίλυση ΔΕ – Numerical Approximation of DEs
Παραγωγή(Ανάκτηση) Πληροφορίας – Information Retrieval
Ανάπτυξη Επιστημονικού Λογισμικού – Development of Scientic Software
Γεωμετρική Σχεδίαση με ΗΥ – Computer Aided Geometric Design
Γεωμετρικοί Αλγόριθμοι – Geometric Algorithms
Θεωρία Αλγορίθμων – Design and Analysis of Algorithms
Θεωρία Πληροφορίας – Information Theory ΕΚ
Μοντελοποίηση στις Φυσικές Επιστήμες – Modeling in Physical Sciences
Αναλυτικές Μέθοδοι Μεγάλου Όγκου Δεδομένων – Big Data Analytics
Ανάλυση Χρονοσειρών – Time series analysis
Θέματα Στατιστικής – Topics in Statistics
Θέματα Επιστήμης Δεδομένων – Topics in Data Science
Θέματα Μηχανικής Μάθησης – Advanced Machine Learning
Τι άλλο πρέπει να ξέρω :
Χρήσιμα Έντυπα:
- Προκήρυξη – Πρόσκληση εκδήλωσης ενδιαφέροντος (ακαδ. ετός 2026-2027)
- ΦΕΚ ίδρυσης (ή επανίδρυσης) : ΦΕΚ 4799 τ.Β’/12.09.2022
Περισσότερα στοιχεία :
-
- Ηλεκτρονική διεύθυνση του ΔΠΜΣ : Data Analysis and Machine-Statistical Learning | (uoc.gr)