ΔΠΜΣ: Επιστήμη Δεδομένων και Μηχανική Μάθηση

Κατηγορίες και αριθμός εισακτέων:

Στο ΔΠΜΣ «Επιστήμη Δεδομένων και Μηχανική Μάθηση» γίνονται δεκτοί α) απόφοιτοι των Σχολών του ΕΜΠ,  β) απόφοιτοι λοιπών Τμημάτων διπλωματούχων Μηχανικών ή και πτυχιούχοι άλλων ειδικοτήτων ΑΕΙ της ημεδαπής ή ομοταγών ιδρυμάτων της αλλοδαπής αναγνωρισμένων ως ισότιμων των ελληνικών ΑΕΙ, συγγενούς με το πρόγραμμα γνωστικού αντικειμένου, για τους οποίους η απόκτηση Διπλώματος Μεταπτυχιακών Σπουδών (ΔΜΣ) δεν συνεπάγεται και την απόκτηση του βασικού διπλώματος του ΕΜΠ, γ) τελειόφοιτοι του ΕΜΠ ή ΑΕΙ των παραπάνω κατηγοριών, εφόσον καταθέσουν αποδεικτικά στοιχεία ότι η απόκτηση του διπλώματος/πτυχίου τους θα προηγηθεί της έναρξης του ΔΠΜΣ. Μέχρις ότου αρθεί η εκκρεμότητα αυτή δεν θα εκδίδεται κανένα πιστοποιητικό στον ενδιαφερόμενο, δ) Απόφοιτοι άλλων Τμημάτων, σύμφωνα με τις κείμενες διατάξεις. Ο αριθμός των εισακτέων μεταπτυχιακών φοιτητών ορίζεται σε σαράντα (40).

Διαδικασία επιλογής και εγγραφή επιτυχόντων

Ως κριτήρια επιλογής λαμβάνονται υπόψη τα παρακάτω:

i. ο γενικός βαθμός του διπλώματος/πτυχίου,

ii. η σειρά του βαθμού του διπλώματος/πτυχίου σε σχέση με τους βαθμούς των υπολοίπων αποφοίτων στην ίδια Σχολή/Τμήμα και ακαδημαϊκό έτος,

iii. η βαθμολογία στα προπτυχιακά μαθήματα που είναι σχετικά με πρόγραμμα μεταπτυχιακών σπουδών,

iv. η επίδοση στη διπλωματική εργασία, όπου αυτή προβλέπεται στο προπτυχιακό επίπεδο,

v. άλλοι τυχόν μεταπτυχιακοί τίτλοι σπουδών που σχετίζονται με το αντικείμενο του ΔΠΜΣ,

vi. η ερευνητική, επαγγελματική ή και τεχνολογική δραστηριότητα του υποψηφίου,

vii. οι γνώσεις ξένων γλωσσών και τουλάχιστον της αγγλικής, για δε τους αλλοδαπούς και η γνώση της ελληνικής γλώσσας,

viii. οι συστατικές επιστολές, και

ix. εφόσον ο υποψήφιος είναι υπάλληλος, οι ανάγκες και προοπτικές του φορέα από τον οποίο προέρχεται.

Η ΕΔΕ καθορίζει, με απόφασή της, τις λεπτομέρειες εφαρμογής των κριτηρίων αυτών, περιλαμβανομένου του επιπέδου γλωσσομάθειας, τον ορισμό συμπληρωματικών κριτηρίων ή τη διεξαγωγή εξετάσεων ή συνεντεύξεων, τα αποτελέσματα των οποίων συνεκτιμώνται κατά την επιλογή. Στην περίπτωση διεξαγωγής συνέντευξης αυτή διεξάγεται από τριμελή επιτροπή μελών ΔΕΠ, διδασκόντων στο ΔΠΜΣ, εκ των οποίων ο ένας είναι μέλος της ΕΔΕ ή και της ΣΕ, και η οποία προγραμματίζεται από την ΕΔΕ.

Πρόγραμμα Σπουδών (Μαθήματα – ECDS)

Για την απόκτηση του ΔΜΣ απαιτούνται:

• η παρακολούθηση και η επιτυχής εξέταση σε 12 μαθήματα (6 έως 8 υποχρεωτικά από τα μαθήματα της ομάδας Α-κορμού και 4 έως 6 κατ’ επιλογήν της ομάδας Β) που συνολικά αντιστοιχούν σε 60 πιστωτικές μονάδες (30 ανά εξάμηνο),
• η εκπόνηση και η επιτυχής εξέταση της μεταπτυχιακής ΔΕ που ισοδυναμεί με άλλες 30 μονάδες.
• Διπλωματική Μεταπτυχιακή Εργασία: Η εγγραφή στο 3ο εξάμηνο σπουδών και η ανάληψη μεταπτυχιακής ΔΕ μπορούν να γίνουν μετά το τέλος του πρώτου έτους σπουδών, με την προϋπόθεση ότι ο μεταπτυχιακός φοιτητής έχει ως τότε εξεταστεί επιτυχώς τουλάχιστον στα μισά από τα μεταπτυχιακά μαθήματα του ΔΠΜΣ.

Α’ Εξάμηνο: (επιλογή 6 μαθημάτων)

• • • ΜΑΘΗΜΑΤΑ ΥΠΟΧΡΕΩΤΙΚΑΚΟΡΜΟΥ (ΟΜΑΔΑ Α)
    • ΜΑΘΗΜΑΤΑ ΚΑΤ’ ΕΠΙΛΟΓΗΝ (ΟΜΑΔΑ Β)

Β’ Εξάμηνο: (επιλογή 6 μαθημάτων)

• • • ΜΑΘΗΜΑΤΑ ΥΠΟΧΡΕΩΤΙΚΑΚΟΡΜΟΥ (ΟΜΑΔΑ Α)
    • ΜΑΘΗΜΑΤΑ ΚΑΤ’ ΕΠΙΛΟΓΗΝ (ΟΜΑΔΑ Β)

Γ’ Εξάμηνο:

• • • ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ 30

Ενδεικτικό πρόγραμμα μαθημάτων:
ΜΑΘΗΜΑΤΑ ΥΠΟΧΡΕΩΤΙΚΑ – ΚΟΡΜΟΥ (ΟΜΑΔΑ Α) ECTS
ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ

• • • Μηχανική Μάθηση
    • Αναγνώριση Προτύπων
    • Προγραμματιστικά Εργαλεία και Τεχνολογίες για την Επιστήμη Δεδομένων
    • Εξόρυξη Γνώσης από Δεδομένα

ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ

• • • Διαχείριση Δεδομένων Μεγάλης Κλίμακας
    • Παράλληλες Αρχιτεκτονικές Υπολογισμού για Μηχανική Μάθηση
    • Υπολογιστική Στατιστική και Στοχαστική Βελτιστοποίηση
    • Αλγοριθμική Επιστήμη Δεδομένων

ΜΑΘΗΜΑΤΑ ΚΑΤ’ ΕΠΙΛΟΓΗΝ (ΟΜΑΔΑ Β) ECTS
ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ

• • • Στοχαστικές Διεργασίες και Βελτιστοποίηση
    • Υπολογιστική Γραμμική Άλγεβρα
    • Στατιστική Μοντελοποίηση
    • Ασφάλεια Δεδομένων και Ιδιωτικότητα
    • Ανάλυση Κοινωνικών Δικτύων
    • Κατανεμημένα Συστήματα
    • Απεικόνιση Δεδομένων

ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ

• • • Βαθιά Μηχανική Μάθηση
    • Τεχνητή Νοημοσύνη και Ανάλυση Δεδομένων
    • Επεξεργασία Φυσικής Γλώσσας
    • Όραση Υπολογιστών
    • Κυρτή Βελτιστοποίηση με Εφαρμογές στη Μηχανική Μάθηση
    • Ανάλυση Βιο-δεδομένων
    • Ανάλυση και Επεξεργασία Γεωχωρικών Δεδομένων
    • Εφαρμογές Επιστήμης Δεδομένων
    • Μοντέλα Οδηγούμενα από τα Δεδομένα σε Προβλήματα Μηχανικού
    • Βελτιστοποίηση σε Προβλήματα Μηχανικού.

Τι άλλο πρέπει να ξέρω :