ΔΠΜΣ: Επιστήμη δεδομένων

Κατηγορίες και αριθμός εισακτέων:

Το ΠΜΣ απευθύνεται σε πτυχιούχους Τμημάτων Θετικών και Τεχνολογικών Επιστημών, Πολυτεχνικών Σχολών και Τμημάτων συναφούς γνωστικού αντικειμένου Πανεπιστημίων της ημεδαπής και αναγνωρισμένων ομοταγών Ιδρυμάτων της αλλοδαπής, Τμημάτων Α.Τ.Ε.Ι. συναφούς γνωστικού αντικειμένου και Στρατιωτικών Σχολών.

Διαδικασία επιλογής:

Το ΔΠΜΣ σε ημερομηνίες που ορίζονται από την ΕΔΕ προβαίνει σε πρόσκληση εκδήλωσης ενδιαφέροντος για το επόμενο ακαδημαϊκό έτος λειτουργίας του ΔΠΜΣ. Η πρόσκληση δημοσιεύεται στην ιστοσελίδα του ΔΠΜΣ. Στην πρόσκληση αναφέρονται οι προϋποθέσεις εισαγωγής, κατηγορίες πτυχιούχων και αριθμός εισακτέων, τρόπος εισαγωγής, κριτήρια επιλογής, κ.λπ., οι προθεσμίες υποβολής αιτήσεων, καθώς και τα δικαιολογητικά που απαιτούνται.

Κριτήρια επιλογής: Η επιλογή των υποψηφίων γίνεται σύμφωνα με τα κριτήρια που ορίζονται στην ελληνική νομοθεσία, καθώς και με βάση τυχόν συμπληρωματικά κριτήρια και άλλες διαδικασίες (π.χ. εξετάσεις) που μπορεί να καθορίζει η ΕΔΕ. Συγκεκριμένα, τα κριτήρια επιλογής είναι τα ακόλουθα:

1. Το αντικείμενο πτυχίου.
2. Η βαθμολογία πτυχίου.
3. Η βαθμολογία των προπτυχιακών μαθημάτων που είναι σχετικά με το αντικείμενο του ΔΠΜΣ.
4. Η επίδοση στην πτυχιακή ή διπλωματική εργασία ειδικά αν είναι σχετική με το αντικείμενο του ΔΠΜΣ.
5. Η κατοχή μεταπτυχιακού τίτλου σπουδών.
6. Η κατοχή πιστοποιητικού τεκμηρίωσης για την επάρκεια στην Αγγλική γλώσσα.
7. Η εργασιακή ή ερευνητική εμπειρία.

Με βάση τα οριζόμενα κριτήρια, η Επιτροπή Επιλογής καταρτίζει τον Πίνακα Αξιολόγησης των υποψηφίων και τον καταθέτει προς έγκριση στην ΕΔΕ. Ειδικότερα:

1. Η Επιτροπή Επιλογής καταρτίζει αρχικά έναν πλήρη κατάλογο όσων έχουν υποβάλει αίτηση.

2. Απορρίπτει τους υποψηφίους που δεν πληρούν τα ελάχιστα τυπικά κριτήρια (σε περίπτωση που έχουν τεθεί τέτοια), από την ΕΔΕ.

3. Καλεί σε συνέντευξη τους υποψηφίους εκείνους για τους οποίους, κατά την κρίση της Επιτροπής, απαιτούνται περαιτέρω αποσαφηνίσεις σχετικά με την υποψηφιότητά τους. Η συνέντευξη πραγματοποιείται από τα μέλη της Επιτροπής Επιλογής και κατά τη διάρκειά της τηρούνται πρακτικά.

4. Κατατάσει τους υποψηφίους και εισηγείται την τελική επιλογή.

5. Καταρτίζει τον τελικό πίνακα επιλογής. Ο τελικός πίνακας των επιτυχόντων εγκρίνεται και επικυρώνεται από την ΕΔΕ.

Σε περίπτωση ισοδυναμίας υποψηφίων και αδυναμίας επιλογής όλων των ισοδυνάμων υποψηφίων λόγω υπέρβασης του μεγίστου αριθμού των εισακτέων, διεξάγεται κλήρωση κατά τη συνεδρίαση της ΕΔΕ στην οποία γίνεται η επικύρωση του καταλόγου επιτυχόντων. Επιπλέον των εισακτέων, με απόφαση της ΕΔΕ, μπορεί να επιτραπεί η παρακολούθηση επιμέρους μαθημάτων από εξωτερικούς παρατηρητές μη εγγεγραμμένους στο ΔΠΜΣ, καθώς και να οριστούν οι αντίστοιχοι όροι παρακολούθησης.

Πρόγραμμα Σπουδών (Μαθήματα – ECDS)

Για την απόκτηση του Μεταπτυχιακού Διπλώματος Ειδίκευσης (ΜΔΕ) απαιτείται η συγκέντρωση 120 πιστωτικών μονάδων ECTS (ΠΜ−ECTS) και η φοίτηση και η επιτυχής ολοκλήρωση των συναφών υποχρεώσεων των φοιτητών κατά τη διάρκεια τριών διδακτικών εξαμήνων τα οποία ακολουθούνται από ένα εξάμηνο κατά τη διάρκεια του οποίου εκπονείται μεταπτυχιακή διατριβής. Οι 90 ΠΜ−ECTS αντιστοιχούν στις κάθε μορφής εκπαιδευτικές δραστηριότητες των τριών διδακτικών εξαμήνων (ανά 30 ΠΜ−ECTS σε κάθε εξάμηνο), ενώ οι υπόλοιπες 30 ΠΜ−ECTS αντιστοιχούν στην μεταπτυχιακή διατριβή.

Το Πρόγραμμα Σπουδών περιλαμβάνει στα δύο πρώτα εξάμηνα τα μαθήματα των δύο πρώτων θεματικών ενοτήτων, τα οποία παρέχουν το γνωστικό υπόβαθρο πάνω στην επιστήμη των δεδομένων, δηλαδή αφ’ ενός τις θεμελιώδεις έννοιες και πεδία εφαρμογής της επιστήμης των δεδομένων και αφ’ ετέρου τους αλγόριθμους, τις επιστημονικές μεθοδολογίες, τα εργαλεία και τις υποδομές για την επιστήμη των δεδομένων. Εξαίρεση  αποτελεί το μάθημα «Μεθοδολογία έρευνας», το οποίο τοποθετείται στο τρίτο εξάμηνο, ως προπαρασκευή για την εκπόνηση της μεταπτυχιακής διατριβής. Η κάθε μία από τις θεματικές ενότητες 1 και 2 είναι απαραίτητο να διδάσκεται τμηματικά στα δύο εξάμηνα, λόγω της γνωσιακής αλληλουχίας και των γνωστικών προϋποθέσεων των μαθημάτων της. Στο τρίτο εξάμηνο οι φοιτητές –πέραν του υποχρεωτικού μαθήματος της μεθοδολογίας έρευνας- επιλέγουν μία από τις θεματικές ενότητες 5 έως 8, οι οποίες παρέχουν την εξειδίκευση στους διάφορους τομείς εφαρμογών ή στην περιοχή της επιστήμης της πληροφορικής που αποτελεί το υπόβαθρο της επιστήμης των δεδομένων, και ένα μάθημα από τη θεματική ενότητα 3, το οποίο πραγματεύεται γενικότερα ζητήματα που αφορούν στην επιστήμη των δεδομένων. Τέλος στο τέταρτο εξάμηνο εκπονείται η μεταπτυχιακή διατριβή.

Α’ εξάμηνο:

Υποχρεωτικές Θεματικές Ενότητες (τμήματα θεματικών ενοτήτων)

• • Θεμελιώδεις έννοιες και πεδία εφαρμογής της επιστήμης των δεδομένων
  • Αλγόριθμοι, επιστημονικές μεθοδολογίες, εργαλεία και υποδομές για την επιστήμη των δεδομένων.

Β’ εξάμηνο:

Υποχρεωτικές Θεματικές Ενότητες (τμήματα θεματικών ενοτήτων)

• • Θεμελιώδεις έννοιες και πεδία εφαρμογής της επιστήμης των δεδομένων
  • Αλγόριθμοι, επιστημονικές μεθοδολογίες, εργαλεία και υποδομές για την επιστήμη των δεδομένων

Γ’ εξάμηνο:

Α. Υποχρεωτικές Θεματικές Ενότητες (τμήματα θεματικών ενοτήτων)

• • Αλγόριθμοι, επιστημονικές μεθοδολογίες, εργαλεία και υποδομές για την επιστήμη των δεδομένων

Β. Υποχρεωτικές Κατ’ Επιλογήν Θεματικές Ενότητες

• • Ζητήματα στην επιστήμης των μεγάλων δεδομένων.  Επιλέγεται ένα από τα δύο αντικείμενα

Γ. Κατ’ Επιλογήν Θεματικές Ενότητες. Επιλέγεται μία από τις τρεις ακόλουθες θεματικές ενότητες:

• • Η επιστήμη των δεδομένων στην περιοχή της ενέργειας
  • Η επιστήμη των δεδομένων στους τομείς της διατροφής και της γεωργίας
  • Μηχανική δεδομένων στην επιστήμη δεδομένων
  • Η επιστήμη των δεδομένων στις βιο-επιστήμες

Δ’ εξάμηνο:

Α. Υποχρεωτικές Θεματικές Ενότητες

• • Διπλωματική εργασία.

Τα μαθήματα του προγράμματος σπουδών διαμορφώνονται ως εξής :

Α’ εξάμηνο:

• • Introduction to Big Data systems
  • Advanced and large-scale statistical methods
  • Machine learning
  • Data lifecycle management
  • Introduction to data intensive science

Β’ εξάμηνο:

• • Computation for Big Data
  • Distributed databases
  • Data Summarization and Visualization
  • High performance computing and parallel systems
  • Thematic implementations of data intensive science

Γ’ εξάμηνο: Θεματική energy/environment

• • Data value chain in energy/environment
  • Sensors and Internet of Things
  • Event recognition in sequential data
  • Multi-modal data fusion
  • Research methodology
  • Επιλογή ενός από τα ακόλουθα μαθήματα: α) Legal and Ethical issues of big data analysis β) Linked open data applications

Γ’ εξάμηνο: Θεματική food and agriculture

• • Data value chain in food and agriculture
  • Sensors and Internet of Things
  • Risk identification and crisis management through data
  • Decision support tools for policy making
  • Research methodology
  • Επιλογή ενός από τα ακόλουθα μαθήματα: α) Legal and Ethical issues of big data analysis β) Linked open data applications

Γ’ εξάμηνο: Θεματική biosciences

• • Health Information Systems (HIS)
  • Bioinformatics
  • Biomedical data science
  • Data value chain in biosciences
  • Research methodology
  • Επιλογή ενός από τα ακόλουθα μαθήματα: α) Legal and Ethical issues of big data analysis β) Linked open data applications

Γ’ εξάμηνο:

• • Advanced and distributed machine learning methods
  • Sensors and Internet of Things
  • Advanced topics in big data
  • Επιλογή ενός μαθήματος από άλλη θεματική
  • Research methodology
  • Επιλογή ενός από τα ακόλουθα μαθήματα: α) Legal and Ethical issues of big data analysis β) Linked open data applications

Δ’ εξάμηνο:

• • Μεταπτυχιακή διατριβή.

Τι άλλο πρέπει να ξέρω :