Αλγοριθμικές Τεχνικές Επιστήμης δεδομένων¶

Επίσημο περίγραμμα μαθήματος του ΤΜΗΥΠ (Πανεπιστήμιο Πατρών), όπως δημοσιεύεται στη σελίδα του μαθήματος και στο συνημμένο αρχείο «Περίγραμμα Μαθήματος». Το κείμενο παρατίθεται αυτούσιο, χωρίς τα πρότυπα οδηγιών του εντύπου.

Στόχοι¶

(ξεχωριστό αρχείο στο e-mail)

Με την ολοκλήρωση της διδασκαλίας του μαθήματος οι φοιτητές θα είναι ικανοί να:
Κατανοούν τεχνικές και εφαρμογές θεμελιωδών και προηγμένων αλγοριθμικών τεχνικών για διαχείριση μεγάλου όγκου δεδομένων.
Εφαρμόζουν αλγοριθμικές τεχνικές και αποδοτικές υλοποιήσεις για την ανάλυση μεγάλου όγκου δεδομένων.
Εφαρμόζουν μεθοδολογίες για εκτενή πειραματική ανάλυση μεγάλου όγκου δεδομένων καθώς και για πειραματική αξιολόγηση αλγορίθμων σε σύνολα μεγάλου όγκου δεδομένων του πραγματικού κόσμου.

Με την ολοκλήρωση της διδασκαλίας του μαθήματος οι φοιτητές θα έχουν αναπτύξει τις ακόλουθες δεξιότητες:

Πάτρα, Ιούλιος 2024

Ικανότητα συσχέτισης των δεδομένων με φαινόμενα που παρατηρούνται στον πραγματικό κόσμο, αλλά και να αντιμετωπίζουν κριτικά τα συμπεράσματα που προκύπτουν από την ανάλυση μεγάλου όγκου δεδομένων.
Ικανότητα δημιουργίας και αξιοποίησης αφαιρετικών μοντέλων και διεργασιών που επιτρέπουν την ενσωμάτωση διαδικασιών εξαγωγής συμπερασμάτων σε αλγόριθμους για επεξεργασία μεγάλου όγκου δεδομένων, με τρόπο που να εξασφαλίζεται καλύτερη κλιμάκωση, ανθεκτικότητα και κατανόησή τους.
Εμπειρία στον πειραματισμό με διαχείριση μεγάλου όγκου δεδομένων του πραγματικού κόσμου, όπως οικονομικά δεδομένα, συλλογές εγγράφων, γεωγραφικά δεδομένα, δεδομένα κοινωνικών δικτύων, κ.λπ.

Περιεχόμενο (ύλη)¶

Εισαγωγή σε προγραμματιστικές τεχνικές επεξεργασίας μεγάλου όγκου δεδομένων
Πολυπλοκότητα αλγορίθμων μεγάλου όγκου δεδομένων
Εξερεύνηση κανόνων συσχέτισης μέσω συχνών ομάδων αντικειμένων
Κατακερματισμός Ευαίσθητος ως προς την Τοπικότητα
Συσταδοποίηση Δεδομένων (clustering)
Μείωση Διάστασης
Ανάλυση συνδέσμων και συσχετίσεων σε τεράστια γραφήματα (π.χ., PageRank)
Ανάλυση κοινωνικών δικτύων και εντοπισμός κοινοτήτων
Συστήματα Παροχής Συστάσεων
Αλγόριθμοι ρευματοροών μεγάλου όγκου δεδομένων

Αξιολόγηση¶

Γλώσσα αξιολόγησης: Ελληνική (Αγγλικά αν χρειαστεί)

Αξιολόγηση (τα κριτήρια βρίσκονται στην ιστοσελίδα του μαθήματος):

Προγραμματιστικές ασκήσεις (30% του τελικού βαθμού). Οι ασκήσεις αυτές είναι υποχρεωτικές και έχουν στόχο την εξοικείωση, εξάσκηση και απόκτηση εμπειρίας στην πρακτική διαχείριση μεγάλων συνόλων δεδομένων του πραγματικού κόσμου.
Τελική εξέταση (70% του τελικού βαθμού). Η τελική εξέταση είναι προφορική ή γραπτή σε θέματα διαβαθμισμένης δυσκολίας, η οποία περιλαμβάνει ερωτήσεις σύντομης απάντησης, επίλυση προβλημάτων με εφαρμογή ή/και ανάπτυξη αλγορίθμων, αποδείξεις ορθότητας και πολυπλοκότητας αλγορίθμων, καθώς και μοντελοποίηση και επίλυση προβλημάτων.

Βιβλιογραφία¶

Jure Leskovec, Anand Rajaraman, Jeffrey D. Ullman: Mining of Massive Datasets, 3rd edition, Cambridge University Press (2019).
Steven Skienna. The Data Science Design Manual, Springer (2017).
Avrim Blum, John Hopcroft and Ravindran Kannan: Foundations of Data Science (2017).
Reza Zafarani, Mohammad Ali Abbasi, Huan Liu: Social Media Mining – An Introduction. Cambridge University Press (2014)
Jimmy Lin and Chris Dyer: Data-Intensive Text Processing with MapReduce. Morgan & Claypool Publishers (2010).
Διδακτικές σημειώσεις και διαφάνειες που αναρτώνται στην ιστοσελίδα του μαθήματος.

-Συναφή επιστημονικά περιοδικά:

IEEE Transactions on Data Engineering.
Algorithmica, Springer.
VLDB Journal
IEEE Trans. on Pattern Analysis and Machine Intelligence
Machine Learning, Springer
Data Mining and Knowledge Discovery
Data Science Journal
International Journal of Data Science and Analytics, Springer
Artificial Intelligence, Elsevier
Journal of Big Data, Springer
Big Data Research, Elsevier

-Συναφή πρακτικά επιστημονικών συνεδρίων:

IEEE Int’l Conference on Data Engineering
IEEE Int’l Conference on Data Mining
Intl. Conf. on Very Large Databases
ACM SIGIR Conference on Research and Development in Information Retrieval
ACM Symposium on Principles of Database Systems
Int’l World Wide Web Conference

Πάτρα, Ιούλιος 2024

ACM SIGMOD Int’l Conference on Management of Data
ACM SIGKDD Int’l Conference on Knowledge Discovery and Data Mining
ACM Int’l Conference on Web Search and Data Mining
SIAM Int’l Conference on Data Mining
Int’l Conference on Computational Statistics