Παρουσίαση/Προβολή
(MFINAU173) - Βασίλης Νικολαΐδης
Περιγραφή Μαθήματος
Ημερομηνία δημιουργίας
Τρίτη 23 Φεβρουαρίου 2021
-
Περιεχόμενο μαθήματος (Syllabus)
Το μάθημα προετοιμάζει φοιτητές/τριες χωρίς σπουδές πληροφορικής για την αντιμετώπιση υπολογιστικών προβλημάτων (στατιστικής, ανάλυσης δεδομένων, επιχειρησιακών, οικονομετρίας κ.α.) που θα διαχειριστούν στο μέλλον. Έτσι γίνεται εισαγωγή στον προγραμματισμό με έμφαση σε ειδικές γλώσσες προγραμματισμού (γλώσσα προγραμματισμού R). Επιπρόσθετα, ένα μικρό μέρος των διαλέξεων και ασκήσεων εργαστηρίου αφιερώνεται σε γενικότερα θέματα προγραμματισμού (αντικειμενοστραφής σύνταξη, δομές δεδομένων κλπ) ώστε να ενισχύσει την ικανότητα χρήσης και εκμετάλλευσης από τον/την φοιτητή/τρια ευρύτερου πεδίου εργαλείων που παρέχονται από τις Τεχνολογίες της Πληροφορίας και Επικοινωνιών.
Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα μπορεί να:
• Επιλύσει απλά οικονομικά και επιχειρησιακά προβλήματα αναλύοντας τα σε υλοποιήσιμα μέρη, μοντέλα, αλγοριθμικά βήματα.
• Εφαρμόσει την επίλυση, εμπράγματώνοντας τη σε λογισμικό μέσω κατάλληλων εργαλείων.
• Εκμεταλλευτεί τις δυνατότητες που προσφέρουν οι προγραμματιστικές προσεγγίσεις στην επίλυση προβλημάτων.
• Αναγνωρίσει τις δυνατότητες διαφόρων ετεροειδών προσεγγίσεων και εργαλείων ανάπτυξης υπολογιστικών λύσεων (R, Octave/Matlab, Java/C#/Python).
• Διαθέτει εφαρμόσιμες γνώσεις και δεξιότητες σε υπολογιστικές τεχνικές.
• Διαθέτει βασικές γνώσεις σε προγραμματιστικά θέματα όπως δομές δεδομένων και αντικειμενοστραφής προγραμματισμός.
• Έχει βελτιώσει το υπόβαθρο που θα χρειαστεί για την αντιμετώπιση υπολογιστικών προβλημάτων (στατιστικής, ανάλυσης δεδομένων, επιχειρησιακών, οικονομετρίας κ.α.) σε ακόλουθα μαθήματα, πτυχιακή εργασία, αλλά και στο μέλλον.Περιεχόμενο μαθήματος
Το μάθημα αναπτύσσεται σε 13 ενότητες.
1. Εισαγωγή στη γλώσσα R και περιβάλλον ανάπτυξης RStudio.
2. Κανόνες σύνταξης, πράξεις, μεταβλητές. Βιβλιοθήκες και πακέτα επέκτασης.
3. Διανύσματα, σειρές, ακολουθίες.
4. Δημιουργία συναρτήσεων.
5. Έλεγχος ροής, λογικές συναρτήσεις.
6. Ενσωματωμένες δομές δεδομένων και αξιοποίηση τους (1): πίνακες, λίστες κ.α..
7. Ενσωματωμένες Δομές δεδομένων και αξιοποίηση τους (2): πλαίσια δεδομένων κ.α.
8. Δεδομένα από εξωτερικές πηγές και αρχεία, missing values κλπ.
9. Γραφήματα, διαγράμματα, visualization.
10. Στατιστικές συναρτήσεις, παράγοντες (factor) και εφαρμογές τους.
11. Μοντέλα, παλινδρομήσεις, επίλυση κλπ.
12. Ενδεικτικές εφαρμογές στην οικονομία.
13. Άλλες δυνατότητες, δημοφιλείς βιβλιοθήκες, θέματα για εμβάθυνση.Η αρίθμηση αναφέρεται στην αντίστοιχη εβδομάδα του μαθήματος.
Μέθοδοι αξιολόγησης
Γλώσσα Αξιολόγησης : Ελληνικά
I. Γραπτή Τελική Εξέταση (70%-100%) η οποία περιλαμβάνει: Ερωτήσεις πολλαπλής επιλογής ή σωστού-λάθους. Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης
▪ Σκοπός αξιολόγησης: Ο έλεγχος κατανόησης των βασικών στοιχείων του μαθήματος.
▪ Κριτήρια αξιολόγησης: Η ορθότητα, η πληρότητα και σαφήνεια των απαντήσεων.
ΙΙ. Προεραιτική ατομική πρόοδος (0-30%) %) η οποία περιλαμβάνει γραπτή εργασία.
Σκοπός αξιολόγησης: Ο έλεγχος των δεξιοτήτων που ανέπτυξαν οι φοιτητές στην επίλυση προβλημάτων.