διδάσκων: Κωνσταντίνος Βεργίδης, Καθηγητής, Τμήμα Εφαρμοσμένης Πληροφορικής
Καλώς ήρθατε στην ιστοσελίδα του μαθήματος επιλογής Επιχειρηματική Αναλυτική - Η’ εξαμήνου (κατεύθυνση ΠΣ) του Τμήματος Εφαρμοσμένης Πληροφορικής του Πανεπιστήμιου Μακεδονίας.
Εδώ θα βρείτε όλες τις πληροφορίες που χρειάζεστε για την επιτυχή παρακολούθηση και εξέταση του μαθήματος.
Το μάθημα πραγματεύεται την οπτικοποίηση, ανάλυση και ερμηνεία του τεράστιου όγκου δεδομένων που αφορούν σύγχρονα, σύνθετα επιχειρησιακά προβλήματα και εφαρμογές της διοικητικής επιστήμης. Στο πλαίσιο του μαθήματος θα εξεταστούν τεχνικές οπτικοποίησης και ερμηνείας δεδομένων, καθώς και ποσοτικές μέθοδοι, τεχνικές και εργαλεία λογισμικού για τη λήψη αποφάσεων που βασίζονται σε δεδομένα (data-driven decision making). Στόχος είναι η βελτιστοποίηση των επιχειρησιακών διαδικασιών και της συνολικής απόδοσης των σύγχρονων επιχειρήσεων και οργανισμών.
Σκοπός του μαθήματος είναι να εισάγει τους φοιτητές στην επιστήμη της επιχειρηματικής αναλυτικής. Θα παρέχει τις απαραίτητες βάσεις για την εφαρμογή της ανάλυσης δεδομένων στις πραγματικές προκλήσεις που αντιμετωπίζουν καθημερινά οι επιχειρήσεις. Οι φοιτητές θα μάθουν να επιλέγουν την κατάλληλη αναλυτική μεθοδολογία και εργαλείο ανάλογα με τις ανάγκες του προβλήματος, ενώ θα κατανοήσουν αξιόπιστους τρόπους συλλογής, ανάλυσης και οπτικοποίησης δεδομένων για τη λήψη τεκμηριωμένων αποφάσεων.
Για το εαρινό εξάμηνο του ακαδημαϊκού έτους 2025-26, το μάθημα προσφέρεται κάθε Τρίτη, 18:00-21:00 στο εργαστήριο 334. Οι συνολικές διαλέξεις που θα πραγματοποιηθούν είναι δεκατρείς (13).
Το ημερολόγιο του μαθήματος ****θα ενημερώνεται σε εβδομαδιαία βάση, ώστε να έχετε μια συνολική επισκόπηση της διδαχθείσας ύλης.
⬇️ Το εκπαιδευτικό υλικό του μαθήματος θα γίνεται διαθέσιμο στους αντίστοιχους συνδέσμους στις εβδομαδιαίες καταχωρήσεις του ημερολογίου ⬇️
Η εκφώνηση της εβδομαδιαίας εργασίας θα ανακοινώνεται κάθε εβδομάδα στο 🔗**google space** του μαθήματος και θα αναρτάται και στο Ημερολόγιο.
| εβδομάδα | ημερομηνία | θεωρία | εργαστήριο | εβδομαδιαία εργασία |
|---|---|---|---|---|
| 1 | 17/02 | ‣ | ||
| ‣ | ||||
| ‣ |
https://modernstatisticswithr.com/ https://r4ds.had.co.nz/ | ‣
| | 3 | 03/03 | ‣ ‣
https://www.youtube.com/watch?v=oTahLEX3NXo https://www.youtube.com/watch?v=xm-RiXrJ4Hw https://academy.notion.com/ | ‣
https://edav.info/learning_ggplot2.html | ‣ ** | | 4 | 10/03 | ‣ ‣
https://eds-notes.zakvarty.com/302-edav-analysis | ‣
https://lookerstudio.google.com/u/0/navigation/reporting
https://www.youtube.com/watch?v=ZBoFvaWr-Dk | ‣
| | 5 | 17/03 | ‣
‣ ‣ | ‣
https://rmarkdown.rstudio.com/articles_intro.html https://www.youtube.com/watch?v=v048ru5v0BE https://www.youtube.com/watch?v=K418swtFnik | ‣
| | 6 | 24/03 | ‣ ‣ | ‣
https://www.telusdigital.com/insights/data-and-ai/article/10-open-datasets-for-linear-regression
https://drive.google.com/drive/folders/132vuNuZ7OT8zhjDz1eShdfWz6q1POn1k?usp=sharing (lab files) | ‣ | | 7 | 31/03 | ‣ ‣ | ‣
https://modernstatisticswithr.com/regression.html#generalised-linear-models
https://drive.google.com/drive/folders/1b3-NLqSrV11F70L-MDh8JjWZlLMdgeiS?usp=sharing (lab files) | ‣
ΠΡΟΘΕΣΜΙΑ ΥΠΟΒΟΛΗΣ: Δευτέρα, 20 Απριλίου 2026, ώρα 23:59 | | 8 | 21/04 | Συσταδοποίηση (Clustering) | | | | 9 | 28/04 | Δέντρα απόφασης (Decision trees) | | | | 10 | 05/05 | Random Forests & Gradient Boosting (XGBoost, LightGBM) | | | | 11 | 12/05 | A/B Testing & Causal Inference | | | | 12 | 19/05 | Ανάλυση Χρονοσειρών (Time series analysis) | | | | 13 | 26/05 | Eπαναληπτικό μάθημα / επισκόπηση ύλης | | |
Αναλυτικές οδηγίες για την υποβολή των εργασιών θα δοθούν στο πρώτο μάθημα.