ΔΠΜΣ: Υπολογιστική Δεδομένων και Αποφάσεων

Κατηγορίες και αριθμός εισακτέων:

Στο Π.Μ.Σ. γίνονται δεκτοί πτυχιούχοι της ημεδαπής και αναγνωρισμένων ομοταγών Ιδρυμάτων της αλλοδαπής Τμημάτων Μηχανικών Η/Υ και Πληροφορικής, Τμημάτων Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών, Ηλεκτρολόγων/Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών, Τμημάτων Πληροφορικής Πανεπιστημίων, Τμημάτων Θετικών και Τεχνολογικών Επιστημών με κατεύθυνση είτε την Πληροφορική είτε τη Στατιστική, Τμημάτων Πολυτεχνικών Σχολών καθώς και Τμημάτων Σχολών Οικονομικών Επιστημών με υπόβαθρο είτε στην Πληροφορική είτε στην Στατιστική. Γίνονται επίσης δεκτοί απόφοιτοι Ανώτατων Στρατιωτικών Σχολών, καθώς και πτυχιούχοι Τμημάτων Α.Τ.Ε.Ι συναφούς γνωστικού αντικειμένου. Η διαδικασία εισαγωγής (προϋποθέσεις και κριτήρια) καθορίζεται αναλυτικά στον κανονισμό λειτουργίας του προγράμματος. Ο αριθμός εισακτέων στο πρόγραμμα κατ’ έτος ορίζεται κατ’ ανώτατο όριο σε σαράντα (40).

Διαδικασία επιλογής:

Για την εισαγωγή ΜΦ διενεργείται προκήρυξη (Πρόσκληση Εκδήλωσης Ενδιαφέροντος) με εισήγηση της ΣΕ και απόφαση της ΕΔΕ του ΔΠΜΣ, κάθε ακαδημαϊκό έτος με καταληκτική ημερομηνία υποβολής αιτήσεων και δικαιολογητικών το αργότερο εντός Σεπτεμβρίου. Η εκάστοτε τελική ημερομηνία υποβολής των αιτήσεων και όλων των δικαιολογητικών ορίζεται από την ΕΔΕ. Η δημοσίευση της προκήρυξης γίνεται από το Πανεπιστήμιο Πατρών με ευθύνη του  ΤΜΗΥΠ.

Η επιλογή γίνεται κυρίως με συνεκτίμηση των εξής κριτηρίων που συνολικά τεκμηριώνουν ισχυρό μαθηματικό υπόβαθρο και γνώσεις προγραμματισμού και στατιστικής: το γενικό βαθμό του πτυχίου/διπλώματος, τη βαθμολογία στα προπτυχιακά μαθήματα που είναι σχετικά με το γνωστικό αντικείμενο του ΔΤΤΜΣ, την επίδοση σε διπλωματική εργασία, όπου αυτή προβλέπεται στο προπτυχιακό επίπεδο και την τυχούσα ερευνητική ή επαγγελματική δραστηριότητα του/της υποψηφίου.

Συγκεκριμένα, συνεκτιμώνται τα παρακάτω στοιχεία, όπως παρουσιάζονται στην αίτηση του/της υποψηφίου και, εφόσον θεωρηθεί απαραίτητο από την ΕΑΥ, σε προσωπική συνέντευξη:

Ο γενικός βαθμός πτυχίου του/της υποψηφίου, που πρέπει να είναι τουλάχιστον ίσος με 6,5 στα 10 (6,5/10). Σε περίπτωση που ο/η υποψήφιος/α δεν έχει ακόμα αποφοιτήσει, λαμβάνεται υπόψη ο γενικός βαθμός στα μαθήματα που έχει ολοκληρώσει επιτυχώς.

Η επαρκής γνώση της Αγγλικής γλώσσας, που είναι απολύτως απαραίτητη.

Η επίδοση στην προπτυχιακή διπλωματική εργασία ή πτυχιακή εργασία καθώς και η περιοχή ενδιαφέροντος στην οποία εκπονήθηκε η εργασία.

Ερευνητική δραστηριότητα, όπως αυτή προκύπτει από δημοσιευμένο έργο και πιθανή επαγγελματική εμπειρία σχετική με το αντικείμενο του ΔΤΤΜΣ.

Δύο (2) συστατικές επιστολές.

Η ΕΑΥ καταρτίζει πίνακα αξιολογικής σειράς των επιτυχόντων/επιτυχουσών, ο οποίος (με τη σύμφωνη γνώμη της ΣΕ) επικυρώνεται από την ΕΔΕ, Λαμβάνοντας υπόψη τα κριτήρια επιλογής όπως αυτά περιγράφονται ανωτέρω.

Πρόγραμμα Σπουδών (Μαθήματα – ECDS)

Το σύνολο των Πιστωτικών Μονάδων (ECTS) που απαιτούνται για την απόκτηση του ΔΜΣ ανέρχεται σε ενενήντα (90). Από αυτές, τριάντα (30) μονάδες αντιστοιχούν στα τέσσερα (4) μαθήματα του Α΄ εξαμήνου [δύο (2) υποχρεωτικά και δύο (2) κατ’ επιλογή μαθήματα], τριάντα (30) μονάδες στα τέσσερα (4) μαθήματα του Β’ εξαμήνου [τρία (3) υποχρεωτικά και ένα (1) επιλογής] και, τριάντα (30) μονάδες, αντιστοιχούν στην εκπόνηση της μεταπτυχιακής διπλωματικής εργασίας του Γ΄ εξαμήνου. Τα μαθήματα του ΠΜΣ είναι εξαμηνιαία.

Για τη λήψη Διπλώματος Μεταπτυχιακών Σπουδών ΔΜΣ οι φοιτητές υποχρεούνται να παρακολουθήσουν και να εξεταστούν επιτυχώς σε όλα τα υποχρεωτικά μαθήματα, σε δύο (2) από τα προσφερόμενα ως κατ’ επιλογή μαθήματα και να εκπονήσουν επιτυχώς διπλωματική εργασία κατά το Γ΄ εξάμηνο. Το πρόγραμμα των μαθημάτων διαμορφώνεται ανά εξάμηνο ως εξής:

Α’ εξάμηνο:

Υποχρεωτικά μαθήματα

• • Στατιστικές Μέθοδοι στην Επιστήμη Δεδομένων (Methods for Statistical Data Analysis)
  • Αλγόριθμοι Επιστήμης Δεδομένων (Algorithms for Data Science)

Μαθήματα Επιλογής (2)

• • Ανάλυση και Διαχείριση Χωροχρονικών Δεδομένων (Analysis and management of spatial-temporal data)
  • Μέθοδοι Μητρώων και Υπολογιστικά Εργαλεία στην Επιστήμη Δεδομένων (Matrix Methods and Tools in Data Driven Science)
  • Ανάλυση της Απόδοσης Πληροφοριακών Συστημάτων (Performance Evaluation of Information Systems)
  • Μηχανισμοί Ποιότητας Υπηρεσίας σε Δίκτυα (Quality of Service in Networks)
  • Ειδικά Θέματα Τεχνητής Νοημοσύνης (Special Topics in Artificial Intelligence)

Β’ εξάμηνο:

Υποχρεωτικά μαθήματα

• • Τεχνικές διαχείρισης και εξόρυξης για δεδομένα μεγάλου όγκου (Big Data Management and Mining Methods)
  • Ζητήματα Στρατηγικής στη Λήψη Αποφάσεων (Strategic Aspects of Decision Making)
  • Μεθοδολογία Έρευνας και Μελέτη Περιπτώσεων στη Λήψη Αποφάσεων από Δεδομένα (Research Methodology and Case Studies in Data Driven Decision Making)

Μαθήματα Επιλογής (1)

• • Αποκεντρωμένα Συστήματα Διαχείρισης Δεδομένων Μεγάλου Όγκου (Decentralized systems for Big Data Management)
  • Προηγμένα Θέματα Τεχνολογιών Υλοποίησης Αλγορίθμων (Advanced Topics in Algorithm Engineering)
  • Υπολογιστική Υψηλών Επιδόσεων Επιστήμης Δεδομένων (High Performance Computing for Data Sciences)
  • Εφαρμοσμένη Μπεϋσιανή Στατιστική και Προσομοίωση (Applied Bayesian Statistics and Simulation)
  • Πιθανοτικά Μοντέλα με Χρήση Δεδομένων στη Διαδικασία Λήψης Αποφάσεων (Probabilistic Models for Data Driven Decision Making)
  • Ευφυή Συστήματα Αποφάσεων (Intelligent Decision Making Systems)
  • Πολυμεταβλητή Αναλυτική Δεδομένων και Στατιστική Συμπερασματολογία (Multivariate Data Analysis and Statistical Inference)
  • Πιθανοτικοί Αλγόριθμοι για Πολύπλοκα Δίκτυα και Δεδομένα (Probabilistic Algorithms for Complex Networks and Data)

Γ’ εξάμηνο:

• • Εκπόνηση Μεταπτυχιακής Διπλωματικής Εργασίας (MSc Thesis).

Τι άλλο πρέπει να ξέρω :