Εξόρυξη Δεδομένων στη Λογιστική

Γενικά

• Κωδικός: 190601
• Εξάμηνο: 6ο
• Επίπεδο Σπουδών: Προπτυχιακό
• Τύπος μαθήματος: Γενικού υποβάθρου
• Γλώσσα διδασκαλίας και εξετάσεων: Ελληνικά
• Το μάθημα διατίθεται σε φοιτητές Erasmus
• Μέθοδοι Διδασκαλίας (Ώρες/εβδ.): Διαλέξεις- Ασκήσεις Πράξης (3)
• Μονάδες ECTS: 6
• Σελίδα μαθήματος: https://moodle.teithe.gr/
• Διδάσκοντες: Κύρκος Ευστάθιος, Τιάκας Ελευθέριος

Περιεχόμενα μαθήματος

Εισαγωγή στο Data Mining, Είδη Εξαγόμενης Γνώσης, Στάδια στην Εξαγωγή της Γνώσης, Είδη Δεδομένων για Εξόρυξη, Εφαρμογές του Data Mining στα Οικονομικά και την Λογιστική Προεπεξεργασία Δεδομένων, Χαμένες τιμές, Θόρυβος, Κανονικοποίηση Δεδομένων Εξόρυξη Κανόνων Σχέσης, Αντικειμενοσύνολα, Apriori, Support, Confidence, Lift, Πολυδιάστατοι Κανόνες Σχέσης, Αριθμητικά Πεδία Κατηγοριοποίηση και Πρόβλεψη, Επιβλεπόμενη Μάθηση, Επικύρωση, Data Overfitting, Στάδια στην Κατηγοριοποίηση, Κριτήρια Αποτίμησης Μεθόδων Κατηγοριοποίησης Δένδρα Αποφάσεων, ID3, C4.5, Εντροπία, Κέρδος Πληροφορίας, Κλάδεμα, Θρυμματισμός, Επανάληψη, Πλεονεκτήματα και Μειονεκτήματα Δένδρων Αποφάσεων Μπαϋεσινά Δίκτυα Πίστεως, Θεώρημα Bayes, Αφελείς Μπαϋεσιανοί Κατηγοριοποιητές, Μπαϋεσιανά Δίκτυα, Ακυκλικοί Γράφοι, Conditional Probability Tables, Πλεονεκτήματα και Μειονεκτήματα Μπαϋεσιανών Δικτύων Instance Based Classifiers, k-Πλησιέστεροι Γείτονες, Ευκλείδεια Απόσταση και εναλλακτικές, Πλεονεκτήματα και Μειονεκτήματα IBCs, Στατιστική Παλινδρόμηση, Γραμμική και Πολυωνυμική Παλινδρόμηση, Logistic Regression, Πλεονεκτήματα και Μειονεκτήματα. Μηχανές Διανυσμάτων Υποστήριξης,, χώρος Hilbert, Περιθώρια, Βέλτιστη Καμπύλη, Πλεονεκτήματα και Μειονεκτήματα, Γενετικοί Αλγόριθμοι, Πληθυσμοί, Γενετικοί Τελεστές, Πλεονεκτήματα και Μειονεκτήματα Κατηγοριοποίηση – Ειδικά Θέματα, Επικύρωση, Holdout set, Cross validation, Jackknife, Bootstrap, Ανά Κλάση Επιδόσεις, Καμπύλες ROC, Αύξηση Επιδόσεων, Bagging Εφαρμογές Data Mining στη Λογιστική, Πρόβλεψη Χρεοκοπίας, Going Concern, Πρόβλεψη Σχολίων Εξωτερικών Ελεγκτών, Εντοπισμός Απάτης, Εκτίμηση Πιστοληπτικού Κινδύνου, Πρόβλεψη Επιδόσεων Επιχειρήσεων.

Μαθησιακοί Στόχοι

Η Εξόρυξη Δεδομένων αποτελεί τεχνολογία αιχμής με αναγνωρισμένες εφαρμογές στον χώρο της Λογιστικής και των Οικονομικών. Το μάθημα δίνει την δυνατότητα στους φοιτητές να εντρυφήσουν στις μεθοδολογίες της Εξόρυξης Δεδομένων, να κατανοήσουν τις δυνατότητες και τους περιορισμούς τους και να γνωρίσουν τα πεδία και τους τρόπους εφαρμογής τους για σκοπούς που άπτονται της Λογιστικής και της Χρηματοοικονομικής Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής/τρια θα είναι σε θέση να

• Κατανοεί τα χαρακτηριστικά, τις δυνατότητες και τους περιορισμούς των μεθόδων Εξόρυξης Δεδομένων
• Γνωρίζει τα διακριτά στάδια στην διαδικασία απόκτησης γνώσης
• Γνωρίζει τις αναγκαίες εργασίες που πρέπει να εκτελεστούν στα πλαίσια της προεπεξεργασίας των δεδομένων
• Γνωρίζει τις μεθόδους κατηγοριοποίησης καθώς και τους τρόπους εφαρμογής τους για την ανάκτηση γνώσης
• Αξιολογεί και αναλύει τα αποτελέσματα και την ανακτηθείσα γνώση
• Σχεδιάζει και υλοποιεί εργασίες ανάλυσης δεδομένων με χρήση τεχνικών data mining και αξιοποιεί τα αποτελέσματα για την λήψη αποφάσεων
• Εφαρμόζει μεθόδους data mining για την αντιμετώπιση προβλημάτων όπως η πρόβλεψη χρεοκοπίας, η αναγνώριση παραποίησης χρηματοοικονομικών καταστάσεων, ο εντοπισμός περιπτώσεων όπου οι εξωτερικοί ελεγκτές εκδίδουν δυσμενή σχόλια, η εκτίμηση πιστοληπτικής ικανότητας (credit scoring), η πρόβλεψη του τύπου του εξωτερικού ελεγκτή ως ενδεικτικό του της επιδιωκόμενης ποιότητας ελέγχου.

Γενικές Ικανότητες

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
• Λήψη αποφάσεων
• Αυτόνομη εργασία
• Ομαδική εργασία
• Εργασία σε διεθνές περιβάλλον
• Εργασία σε διεπιστημονικό περιβάλλον
• Παραγωγή νέων ερευνητικών ιδεών
• Σχεδιασμός και διαχείριση έργων
• Άσκηση κριτικής και αυτοκριτικής
• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

Μέθοδοι Διδασκαλίας

Πρόσωπο με πρόσωπο, Εξ αποστάσεως ασύγχρονη εκπαίδευση, Ασκήσεις Πράξης

Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών

Χρήση διαφανειών Power Point, ανάρτηση του εκπαιδευτικού υλικού στο Moodle, ηλεκτρονική επικοινωνία με τους φοιτητές.

Οργάνωση Διδασκαλίας

Αξιολόγηση Φοιτητών

Η αξιολόγηση των φοιτητών γίνεται κατά 60% με γραπτές εξετάσεις που περιλαμβάνουν ερωτήσεις πολλαπλής επιλογής, ερωτήσεις Σωστού/Λάθους και ερωτήσεις σύντομης ανάπτυξης Κατά 40% η τελική βαθμολογία προκύπτει από εκπόνηση εργασίας.

Συνιστώμενη Βιβλιογραφία

Επιχειρηματική Ευφυΐα και Εξόρυξη Δεδομένων, Κύρκος Ε., ΣΕΑΒ Han and Camber, Data Mining concepts and techniques, Morgan Kaufman

Συναφή επιστημονικά περιοδικά

• Expert Systems with Applications (Elsevier)
• Intelligent Systems in Accounting Finance and Management (Wiley)
• Journal of Emerging Technologies in Accounting (American Accounting Association)