το άρθρο ενημερώθηκε στις 27.09.2026
Σε ποιον ταιριάζει το ΠΜΣ Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση;
Το Πρόγραμμα Μεταπτυχιακών Σπουδών «Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση» απευθύνεται σε αποφοίτους μαθηματικών, πληροφορικής, μηχανικών, φυσικών επιστημών, οικονομικών και συναφών ποσοτικών κλάδων που επιθυμούν να αποκτήσουν υψηλού επιπέδου, επιστημονικά τεκμηριωμένη και εφαρμοσμένη κατάρτιση στη σύγχρονη μαθηματική ανάλυση και στη μηχανική μάθηση. Το ΠΜΣ εστιάζει στη μαθηματική μοντελοποίηση, στη στατιστική και πιθανοθεωρία, στη βελτιστοποίηση, στην ανάλυση δεδομένων και στους αλγορίθμους μηχανικής μάθησης, συνδέοντας τη θεωρητική αυστηρότητα των μαθηματικών με πρακτικές εφαρμογές στην επιστήμη δεδομένων, την τεχνητή νοημοσύνη και τη βιομηχανία. Συνδυάζει ισχυρή θεωρητική βάση, υπολογιστικές τεχνικές και εφαρμογές σε πραγματικά δεδομένα, προετοιμάζοντας αποφοίτους για απαιτητικούς ρόλους ανάλυσης και έρευνας.
Ταιριάζει ιδιαίτερα σε υποψηφίους που:
ενδιαφέρονται ουσιαστικά για τη μαθηματική θεμελίωση της μηχανικής μάθησης, επιδιώκοντας να κατανοήσουν σε βάθος τις αρχές που διέπουν τους αλγορίθμους, τη γενίκευση και την αξιοπιστία των μοντέλων.
επιδιώκουν να αποκτήσουν εξειδικευμένες γνώσεις σε εφαρμοσμένα μαθηματικά, στατιστική και αλγορίθμους μηχανικής μάθησης, με έμφαση στη μοντελοποίηση, την ανάλυση και την ερμηνεία δεδομένων.
διαθέτουν ισχυρό μαθηματικό ή ποσοτικό υπόβαθρο και θέλουν να το εξελίξουν σε σύγχρονη εξειδίκευση αιχμής, συνδυάζοντας θεωρία, υπολογιστικές μεθόδους και πρακτική υλοποίηση.
ενδιαφέρονται για τη σύνδεση μαθηματικών, επιστήμης δεδομένων και τεχνητής νοημοσύνης, αναπτύσσοντας δεξιότητες που εφαρμόζονται σε πλήθος επιστημονικών και επιχειρησιακών πεδίων.
στοχεύουν σε επαγγελματική πορεία σε τομείς όπως η επιστήμη δεδομένων, η μηχανική μάθηση, η τεχνολογία, τα χρηματοοικονομικά ή η έρευνα, όπου απαιτείται υψηλό επίπεδο ποσοτικής ανάλυσης.
ενδιαφέρονται για την ανάλυση μεγάλων και σύνθετων συνόλων δεδομένων, κατανοώντας τον ρόλο της μαθηματικής σκέψης στη λήψη τεκμηριωμένων αποφάσεων.
αναζητούν ένα πρόγραμμα με υψηλές επιστημονικές, αναλυτικές και υπολογιστικές απαιτήσεις, που καλλιεργεί ερευνητική σκέψη και προετοιμάζει για ακαδημαϊκή ή ερευνητική συνέχεια.
Συνολικά, το ΠΜΣ Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση απευθύνεται σε υποψηφίους με ισχυρή αναλυτική ικανότητα, άνεση στα μαθηματικά και σαφή επαγγελματικό προσανατολισμό σε ποσοτικές και υπολογιστικές προσεγγίσεις αιχμής. Αν επιθυμείς να αξιοποιήσεις τη μαθηματική σκέψη για την κατανόηση, πρόβλεψη και επίλυση σύνθετων προβλημάτων σε έναν ψηφιακά μετασχηματιζόμενο κόσμο, το πρόγραμμα αυτό μπορεί να αποτελέσει ένα ιδιαίτερα ισχυρό ακαδημαϊκό και επαγγελματικό βήμα.
Πανεπιστήμιο Θεσσαλίας
Σχολή Θετικών Επιστημών
Τμήμα Μαθηματικών
ΠΜΣ: «Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση»
(Applied Mathematics and Machine Learning)
Έδρα:
Διεύθυνση – Πόλη διεξαγωγής: Τμήμα Μαθηματικών 3ο χλμ.Π.Ε.Ο. Λαμίας-Αθηνών, ΤΚ 35 100, Λαμία
Τηλέφωνα: 22310 60196 E-mail : g-math@uth.gr
Γνωστικό Αντικείμενο – Σκοπός :
Το Π.Μ.Σ. με τίτλο «Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση» είναι ένα πρόγραμμα το οποίο οδηγεί σε μεταπτυχιακό τίτλο προσφέροντας σπουδές σε προηγμένες μαθηματικές έννοιες, υπολογιστικές τεχνικές και αλγόριθμους μηχανικής μάθησης για την επίλυση σύνθετων προβλημάτων και τη λήψη αποφάσεων σε διάφορους τομείς.
Το Π.Μ.Σ. στα Εφαρμοσμένα Μαθηματικά και τη Μηχανική Μάθηση είναι ένα πολυεπιστημονικό Π.Μ.Σ. που συνδυάζει προηγμένες μαθηματικές τεχνικές και αλγόριθμους μηχανικής μάθησης για την επίλυση πολύπλοκων προβλημάτων του πραγματικού κόσμου. Αυτό το Π.Μ.Σ. παρέχει στους φοιτητές μια ισχυρή βάση στη μαθηματική μοντελοποίηση, στις υπολογιστικές μεθόδους και τη στατιστική ανάλυση, μαζί με εξειδικευμένες γνώσεις στους αλγόριθμους μηχανικής μάθησης και τις εφαρμογές τους.
Το Π.Μ.Σ. καλύπτει μια σειρά θεμάτων, όπως γραμμική άλγεβρα, λογισμός, θεωρία πιθανοτήτων, στατιστική, αριθμητική ανάλυση, βελτιστοποίηση, δομές δεδομένων, αλγόριθμοι και προγραμματισμός υπολογιστών. Οι φοιτητές εμβαθύνουν επίσης σε προηγμένα θέματα όπως η βαθιά μάθηση, η αναγνώριση προτύπων, η εξόρυξη δεδομένων, η επεξεργασία φυσικής γλώσσας, η όραση υπολογιστή και η ανάκτηση πληροφοριών. Οι φοιτητές θα εξειδικευθούν σε ανάπτυξη μαθηματικών μοντέλων και υπολογιστικών τεχνικών σε ανάλυση και ερμηνεία μεγάλου όγκου δεδομένων, σε δημιουργία μοντέλων πρόβλεψης και αποφάσεων βάσει δεδομένων. Οι φοιτητές θα αποκτήσουν επίσης δεξιότητες σε γλώσσες προγραμματισμού και σε δημοφιλή περιβάλλοντα που χρησιμοποιούνται συνήθως στη μηχανική εκμάθηση. Σε όλο το μεταπτυχιακό πρόγραμμα, οι φοιτητές αποκτούν πρακτική εμπειρία μέσω πρακτικών έργων και ευκαιριών έρευνας.
Με την ολοκλήρωση του Π.Μ.Σ., οι απόφοιτοι είναι καλά εξοπλισμένοι για σταδιοδρομία σε διάφορους το μείς όπως η επιστήμη δεδομένων, η μηχανική μάθηση, η έρευνα τεχνητής νοημοσύνης, η ποσοτική ανάλυση και η συμβουλευτική. Μπορούν να εργαστούν σε κλάδους που σχετίζονται με την τεχνολογία και τα οικονομικά έως την υγειονομική περίθαλψη, το ηλεκτρονικό εμπόριο και την ψυχαγωγία. Οι απόφοιτοι μπορούν επίσης να συνεχίσουν περαιτέρω έρευνα ή διδακτορικές σπουδές σε συναφείς τομείς.
Σκοπός του Π.Μ.Σ. είναι η παροχή σύγχρονων γνώσεων στα Εφαρμοσμένα Μαθηματικά και τη Μηχανική Μάθηση, παρέχει στους φοιτητές μια γερή βάση στις μαθηματικές και υπολογιστικές τεχνικές, εξοπλίζοντάς τους με τις δεξιότητες που απαιτούνται για την αντιμετώπιση σύνθετων προβλημάτων και την αξιοποίηση γνώσεων που βασίζονται σε δεδομένα προερχόμενα από διάφορους τομείς.
Τίτλος Σπουδών:
Το Π.Μ.Σ. απονέμει Δίπλωμα Μεταπτυχιακών Σπουδών (Δ.Μ.Σ.) «Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση/Applied Mathematics and Machine Learning».
Μαθησιακά αποτελέσματα του Προγράμματος Σπουδών
Το Πρόγραμμα Μεταπτυχιακών Σπουδών «Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση» (MSc in Applied Mathematics and Machine Learning) του Τμήματος Μαθηματικών του Πανεπιστημίου Θεσσαλίας παρέχει σύγχρονες και προχωρημένες γνώσεις στα Εφαρμοσμένα Μαθηματικά, την Πληροφορική και τη Μηχανική Μάθηση, συνδέοντας τη μαθηματική θεμελίωση με τις υπολογιστικές τεχνικές και την αξιοποίηση δεδομένων από διαφορετικά πεδία. Το Πρόγραμμα εστιάζει στη μαθηματική μοντελοποίηση, την Υπολογιστική Νοημοσύνη, τη Μηχανική Μάθηση και τη Βαθιά Μάθηση, ενώ μέσα από τα μαθήματα επιλογής παρέχει δυνατότητες εμβάθυνσης σε στατιστικές μεθόδους, πιθανότητες, ανάλυση δεδομένων, αριθμητική ανάλυση, λογισμό πολλών μεταβλητών, δυναμικά συστήματα, κρυπτογραφία, ανάλυση διαστημάτων, προγραμματισμό, αλγεβρική θεωρία κωδίκων και ανάλυση επιβίωσης. Ιδιαίτερη έμφαση δίνεται στην ανάπτυξη μαθηματικών μοντέλων και υπολογιστικών τεχνικών για την ανάλυση και ερμηνεία μεγάλου όγκου δεδομένων, στη δημιουργία μοντέλων πρόβλεψης και στη λήψη αποφάσεων βάσει δεδομένων. Μέσα από τη θεωρητική κατάρτιση, την υπολογιστική εφαρμογή και τη δυνατότητα εκπόνησης μεταπτυχιακής διπλωματικής εργασίας, οι φοιτητές αναπτύσσουν προηγμένη επιστημονική και ερευνητική επάρκεια για εφαρμογές στην επιστήμη δεδομένων, τη μηχανική μάθηση, την ποσοτική ανάλυση και συναφή πεδία.
Με την ολοκλήρωση των σπουδών τους, οι απόφοιτοι αναμένεται να έχουν αποκτήσει τις ακόλουθες γνώσεις, δεξιότητες και ικανότητες:
Επιστημονικό πεδίο UNESCO ISCED-F: Μαθηματικά και στατιστική
Γνώσεις
- Κατανοούν σε προχωρημένο επίπεδο τις αρχές της μαθηματικής μοντελοποίησης και τη μετάβαση από πραγματικά προβλήματα σε μαθηματικές αναπαραστάσεις.
- Γνωρίζουν προχωρημένες έννοιες γραμμικής άλγεβρας, λογισμού πολλών μεταβλητών και μαθηματικής ανάλυσης που υποστηρίζουν εφαρμοσμένα μαθηματικά και μηχανική μάθηση.
- Κατανοούν τις αρχές της θεωρίας πιθανοτήτων και της στατιστικής και τον ρόλο τους στη μοντελοποίηση αβεβαιότητας και στην ανάλυση δεδομένων.
- Γνωρίζουν σύγχρονες στατιστικές μεθόδους για την περιγραφή, συμπερασματολογία και μοντελοποίηση δεδομένων.
- Κατανοούν τις αρχές της αριθμητικής ανάλυσης και τη σημασία της προσέγγισης, της σύγκλισης, της ευστάθειας και του υπολογιστικού σφάλματος.
- Γνωρίζουν τις βασικές αρχές της βελτιστοποίησης και τη σύνδεσή της με μαθηματικά μοντέλα, υπολογιστικές μεθόδους και αλγορίθμους μηχανικής μάθησης.
- Κατανοούν τις αρχές της Υπολογιστικής Νοημοσύνης και τη χρήση υπολογιστικών προσεγγίσεων για την επίλυση σύνθετων προβλημάτων.
- Γνωρίζουν τις θεωρητικές βάσεις της Μηχανικής Μάθησης και τις κύριες κατηγορίες μεθόδων μάθησης από δεδομένα.
- Κατανοούν τις αρχές της Βαθιάς Μάθησης και τη λειτουργία σύγχρονων αρχιτεκτονικών νευρωνικών δικτύων.
- Γνωρίζουν βασικές και προχωρημένες τεχνικές ανάλυσης δεδομένων, αναγνώρισης προτύπων, εξόρυξης δεδομένων και δημιουργίας προβλεπτικών μοντέλων.
- Κατανοούν τη μαθηματική περιγραφή γραμμικών και μη γραμμικών δυναμικών συστημάτων και τη σημασία της για τη μελέτη σύνθετης συμπεριφοράς.
- Γνωρίζουν εξειδικευμένες μαθηματικές προσεγγίσεις όπως η ανάλυση διαστημάτων, η αλγεβρική θεωρία κωδίκων και η ανάλυση επιβίωσης και τις περιοχές εφαρμογής τους.
- Κατανοούν τις αρχές αλγορίθμων, δομών δεδομένων και προγραμματισμού που απαιτούνται για την υπολογιστική υλοποίηση μαθηματικών και μαθησιακών μοντέλων.
- Γνωρίζουν σύγχρονες εφαρμογές μηχανικής μάθησης σε πεδία όπως επεξεργασία φυσικής γλώσσας, όραση υπολογιστή, ανάκτηση πληροφοριών και ανάλυση μεγάλου όγκου δεδομένων.
- Κατανοούν τις αρχές της επιστημονικής έρευνας, της ερευνητικής μεθοδολογίας και της τεκμηριωμένης παραγωγής γνώσης στα εφαρμοσμένα μαθηματικά και τη μηχανική μάθηση.
Δεξιότητες
- Μετατρέπουν προβλήματα από διαφορετικά πεδία εφαρμογής σε κατάλληλα μαθηματικά μοντέλα, προσδιορίζοντας μεταβλητές, παραμέτρους, περιορισμούς και υποθέσεις.
- Αναλύουν μαθηματικά μοντέλα και επιλέγουν κατάλληλες αναλυτικές ή υπολογιστικές μεθόδους για τη διερεύνηση και επίλυσή τους.
- Εφαρμόζουν τεχνικές λογισμού πολλών μεταβλητών, γραμμικής άλγεβρας και μαθηματικής ανάλυσης σε σύνθετα προβλήματα εφαρμοσμένων μαθηματικών.
- Χρησιμοποιούν μεθόδους πιθανοτήτων και στατιστικής για τη μοντελοποίηση αβεβαιότητας, την εκτίμηση παραμέτρων και την εξαγωγή συμπερασμάτων από δεδομένα.
- Εφαρμόζουν αριθμητικές μεθόδους και αξιολογούν την ακρίβεια, τη σύγκλιση, την ευστάθεια και το υπολογιστικό κόστος των αποτελεσμάτων.
- Συλλέγουν, καθαρίζουν, μετασχηματίζουν και οργανώνουν δεδομένα ώστε να είναι κατάλληλα για στατιστική ανάλυση και μηχανική μάθηση.
- Διερευνούν δεδομένα, εντοπίζουν πρότυπα και σχέσεις και επιλέγουν κατάλληλες μεταβλητές και αναπαραστάσεις για την ανάπτυξη μοντέλων.
- Σχεδιάζουν, εκπαιδεύουν και αξιολογούν μοντέλα Μηχανικής Μάθησης ανάλογα με τη φύση των δεδομένων και τον στόχο της εφαρμογής.
- Αναπτύσσουν και αξιολογούν μοντέλα Βαθιάς Μάθησης και ρυθμίζουν αρχιτεκτονικές και υπερπαραμέτρους με συστηματικό τρόπο.
- Χρησιμοποιούν τεχνικές βελτιστοποίησης για την επίλυση μαθηματικών προβλημάτων και την εκπαίδευση υπολογιστικών μοντέλων.
- Αναπτύσσουν αλγορίθμους και προγράμματα για την υλοποίηση μαθηματικών, στατιστικών και μαθησιακών μεθόδων.
- Εφαρμόζουν υπολογιστική νοημοσύνη και συναφείς τεχνικές για την αντιμετώπιση σύνθετων προβλημάτων πρόβλεψης, ταξινόμησης ή λήψης αποφάσεων.
- Αναλύουν γραμμικά και μη γραμμικά δυναμικά συστήματα και διερευνούν τη συμπεριφορά τους με μαθηματικά και υπολογιστικά εργαλεία.
- Εφαρμόζουν εξειδικευμένες μεθόδους, όπως ανάλυση διαστημάτων, ανάλυση επιβίωσης ή αλγεβρικές τεχνικές, όταν το αντικείμενο και τα δεδομένα το απαιτούν.
- Συγκρίνουν εναλλακτικά μαθηματικά και μαθησιακά μοντέλα με κατάλληλα κριτήρια και αξιολογούν την εγκυρότητα, τη γενίκευση και τους περιορισμούς τους.
- Αναζητούν, αξιολογούν κριτικά και συνθέτουν διεθνή επιστημονική βιβλιογραφία στα εφαρμοσμένα μαθηματικά, τη στατιστική και τη μηχανική μάθηση.
- Διατυπώνουν ερευνητικές υποθέσεις, σχεδιάζουν μεθοδολογικά συνεπείς μελέτες και αναλύουν και ερμηνεύουν τα αποτελέσματά τους.
- Σχεδιάζουν και εκπονούν αυτόνομη μεταπτυχιακή έρευνα, τεκμηριώνοντας το πρόβλημα, τη μεθοδολογία, τους υπολογισμούς, τα αποτελέσματα, τους περιορισμούς και τα συμπεράσματα.
Ικανότητες
- Συνθέτουν προχωρημένες γνώσεις εφαρμοσμένων μαθηματικών, στατιστικής, υπολογιστικών μεθόδων και μηχανικής μάθησης για την αντιμετώπιση σύνθετων προβλημάτων.
- Αντιμετωπίζουν νέα και μη οικεία προβλήματα με μαθηματική αφαίρεση, υπολογιστική σκέψη και επιστημονικά τεκμηριωμένη προσέγγιση.
- Επιλέγουν αυτόνομα κατάλληλα μαθηματικά μοντέλα, στατιστικές μεθόδους, αλγορίθμους και υπολογιστικά εργαλεία ανάλογα με το πρόβλημα και τα διαθέσιμα δεδομένα.
- Λαμβάνουν τεκμηριωμένες αποφάσεις υπό συνθήκες αβεβαιότητας, συνεκτιμώντας ποιότητα δεδομένων, παραδοχές μοντέλων και περιορισμούς των χρησιμοποιούμενων μεθόδων.
- Αξιολογούν κριτικά τη μαθηματική συνέπεια, την υπολογιστική απόδοση και την εμπειρική εγκυρότητα ενός μοντέλου πριν από την αξιοποίησή του.
- Συνδυάζουν θεωρητικές, αριθμητικές, στατιστικές και μαθησιακές προσεγγίσεις όταν η πολυπλοκότητα του προβλήματος δεν επιτρέπει μονοδιάστατη αντιμετώπιση.
- Μεταφέρουν μαθηματικές και υπολογιστικές μεθόδους σε δεδομένα και προβλήματα διαφορετικών επιστημονικών, τεχνολογικών ή οικονομικών πεδίων.
- Αναγνωρίζουν περιπτώσεις υπερπροσαρμογής, μεροληψίας ή ανεπαρκούς πληροφορίας και αποφεύγουν την άκριτη ερμηνεία προβλεπτικών αποτελεσμάτων.
- Σχεδιάζουν λύσεις που συνδέουν μαθηματική μοντελοποίηση, δεδομένα, αλγορίθμους και υπολογιστική υλοποίηση σε ενιαία αναλυτική διαδικασία.
- Αξιολογούν κριτικά προβλέψεις και αποφάσεις που βασίζονται σε δεδομένα και τεκμηριώνουν την αξιοπιστία και τα όριά τους.
- Συνεργάζονται αποτελεσματικά σε διεπιστημονικές ομάδες, επικοινωνώντας μαθηματικές και υπολογιστικές έννοιες σε επιστήμονες διαφορετικών ειδικοτήτων.
- Αναλαμβάνουν πρωτοβουλία και ευθύνη για τον σχεδιασμό, την οργάνωση και την ολοκλήρωση σύνθετων αναλυτικών, υπολογιστικών και ερευνητικών έργων.
- Διεξάγουν αυτόνομη έρευνα με μεθοδολογική συνέπεια, αναπαραγωγιμότητα, κριτική αξιολόγηση πηγών και σεβασμό στην επιστημονική και ερευνητική δεοντολογία.
- Επικοινωνούν σύνθετα μαθηματικά μοντέλα, αλγοριθμικές μεθόδους και αποτελέσματα ανάλυσης δεδομένων με σαφήνεια σε επιστημονικό και επαγγελματικό κοινό.
- Παρακολουθούν κριτικά τις εξελίξεις στα εφαρμοσμένα μαθηματικά, την επιστήμη δεδομένων και τη μηχανική μάθηση και οργανώνουν αυτόνομα τη συνεχή επιστημονική και επαγγελματική τους εξέλιξη.
Σημείωση τεκμηρίωσης:
Η παρουσίαση βασίζεται στον ισχύοντα Οδηγό Σπουδών. Η επιλογή, η ομαδοποίηση και η διατύπωση των μαθησιακών αποτελεσμάτων αποτελούν συνθετική επεξεργασία του mysep, σύμφωνα με το Ελληνικό Πλαίσιο Προσόντων και τους περιγραφικούς δείκτες του Δουβλίνου.
Διάρκεια σπουδών :
Το Π.Μ.Σ. με τίτλο «Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση» έχει διάρκεια τριών εξαμήνων πλήρους φοίτησης (90 ECTS), δηλαδή 2 εξάμηνα μαθημάτων (60 ECTS) και εκπόνηση της μεταπτυχιακής διπλωματικής εργασίας (30 ECTS).
Γλώσσα Διδασκαλίας:
Η γλώσσα διδασκαλίας του Π.Μ.Σ. με τίτλο «Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση» είναι η ελληνική. Η γλώσσα εκπόνησης διπλωματικής εργασίας είναι η ελληνική ή/και η αγγλική.
Η διδασκαλία των μαθημάτων πραγματοποιείται με μέσα εξ αποστάσεως εκπαίδευσης σε ποσοστό 100%.
Δίδακτρα:
τέλη φοίτησης 1800 ευρώ (600 € για το Α’ εξάμηνο, 600 € για το Β’ εξάμηνο και 600 € για το Γ ’εξάμηνο)
Κατηγορίες και αριθμός εισακτέων:
Στο Π.Μ.Σ. με τίτλο «Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση» γίνονται δεκτοί κάτοχοι τίτλου του πρώτου κύκλου σπουδών Α.Ε.Ι. της ημεδαπής ή ομοταγών ιδρυμάτων της αλλοδαπής, συναφούς με τα αντικείμενα σπουδών Τμημάτων των Πολυτεχνικών Σχολών, Οικονομικών Επιστημών, Διοίκησης Επιχειρήσεων, Θετικών Επιστημών, Επιστημών του Περιβάλλοντος, Γεωπονικών Επιστημών και Τεχνολογίας.
Ως μέγιστος ετήσιος αριθμός νέων μεταπτυχιακών φοιτητών που γίνονται δεκτοί στο Π.Μ.Σ. με τίτλο «Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση» ορίζονται οι σαράντα (40), συμπεριλαμβανομένων των φοιτητών που δικαιούνται απαλλαγής των τελών φοίτησης.
Διαδικασία επιλογής:
Η αξιολόγηση των υποψηφίων και η επιλογή των εισακτέων γίνεται με βάση τη συνολική βαθμολόγηση (σε κλίμακα 1 – 100) στα παρακάτω κριτήρια:
Α/Α ΚΡΙΤΗΡΙΑ ΕΠΙΛΟΓΗΣ ΜΟΡΙΑ
1. Βαθμός πτυχίου/διπλώματος Έως 20
2. Επαγγελματική εμπειρία Έτη εργασίας x 1 (γενική εμπειρία), Έτη εργασίας x 2 (αν υπάρχει συνάφεια με το αντικείμενο του Π.Μ.Σ. έως 10)
3. Γνώση αγγλικής γλώσσας έως 10, όταν συνοδεύεται από την απόκτηση σχετικού πτυχίου
4. Συνάφεια του υποβαλλόμενου πρώτου πτυχίου, της πτυχιακής εργασίας ή σχετικών μαθημάτων αναλόγως της κατεύθυνσης του Π.Μ.Σ έως 20
5. Δημοσιεύσεις σε Επιστημονικά Περιοδικά/ Συνέδρια με διαδικασία κρίση Έως 25
6. Συνέντευξη Έως 15
ΣΥΝΟΛΟ 100
Πρόγραμμα Σπουδών (Μαθήματα – ECTS)
Η επιτυχής ολοκλήρωση του προγράμματος περιλαμβάνει τρία εξάμηνα πλήρους φοίτησης (90 ECTS). Η διάρθρωση του προγράμματος είναι η ακόλουθη:
Α’ εξάμηνο:
Υποχρεωτικά μαθήματα
-
- Μαθηματική Μοντελοποίηση I
- Υπολογιστική Νοημοσύνη
- Μάθημα επιλογής
- Μάθημα επιλογής
Μαθήματα Επιλογής
-
- Στατιστικές Μέθοδοι
- Κρυπτογραφία
- Ανάλυση Διαστημάτων
- Ανάλυση Δεδομένων
- Εφαρμοσμένος Διαφορικός Λογισμός Πολλών Μεταβλητών
- Ανάλυση για την Διδακτική
- Γραμμικά και μη Γραμμικά Δυναμικά Συστήματα
- Ειδικά Θέματα Πιθανοτήτων και Στατιστικής
Β’ εξάμηνο:
Υποχρεωτικά μαθήματα
-
- Μαθηματική Μοντελοποίηση II
- Μηχανική Μάθηση – Βαθιά Μάθηση
- Μάθημα επιλογής
- Μάθημα επιλογής
Μαθήματα Επιλογής
-
- Ειδικά Θέματα Μηχανική Μάθηση
- Ειδικά Θέματα Αριθμητικής Ανάλυσης και Εφαρμοσμένων Μαθηματικών
- Μεθοδολογία της Έρευνας
- Θέματα Προγραμματισμού Η/Υ
- Εφαρμοσμένος Ολοκληρωτικός Λογισμός Πολλών Μεταβλητών
- Γεωμετρία για τη Διδακτική
- Αλγεβρική Θεωρία Κωδίκων
- Ανάλυση Επιβίωσης
Γ’ εξάμηνο:
-
- Εκπόνηση Μεταπτυχιακής Διπλωματικής Εργασίας
Τι άλλο πρέπει να ξέρω :
Χρήσιμα Έντυπα:
- Προκήρυξη – Πρόσκληση εκδήλωσης ενδιαφέροντος (ακαδ. έτος 2026-2027)
- ΦΕΚ ίδρυσης & Κανονισμός Σπουδών: ΦΕΚ 5412 τ.Β’/10.10.2025
Περισσότερα στοιχεία :
- Ηλεκτρονική διεύθυνση του τμήματος: Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση
Διάρκεια Λειτουργίας:
Το Π.Μ.Σ. με τίτλο «Εφαρμοσμένα Μαθηματικά και Μηχανική Μάθηση» θα λειτουργήσει τουλάχιστον μέχρι και το ακαδημαϊκό έτος 2029-2030 με την επιφύλαξη της μη πιστοποίησής του κατά την περιοδική αξιολόγησή του.