ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

Εφαρμογές Εξόρυξης Δεδομένων

1. ΓΕΝΙΚΑ

ΣΧΟΛΗ Σχολή Οικονομίας και Διοίκησης
ΤΜΗΜΑ Τμήμα Λογιστικής και Πληροφοριακών Συστημάτων
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ 190609 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 6ο
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Εφαρμογές Εξόρυξης Δεδομένων
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
σε περίπτωση που οι πιστωτικές μονάδες απονέμονται σε διακριτά μέρη του μαθήματος π.χ. Διαλέξεις, Εργαστηριακές Ασκήσεις κ.λπ. Αν οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος αναγράψτε τις εβδομαδιαίες ώρες διδασκαλίας και το σύνολο των πιστωτικών μονάδων. 		ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ
ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ 3 4
Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο 4.    
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ
Γενικής Υποδομής (ΓΥ),Ειδικής Υποδομής (ΕΥ), Γενικών Γνώσεων (ΓΓΔ) και Επιστημονικής Περιοχής (ΔΔΤΝ, ΕΔ, ΕΥΣ, ΗΛ, ΠΑ) . 		 Γενικού υποβάθρου
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:  
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:  Ελληνικά
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS Ναι
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) https://moodle.teithe.gr/

2. ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μαθησιακά Αποτελέσματα
Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες  γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος.

Η Εξόρυξη Δεδομένων αποτελεί τεχνολογία αιχμής με αναγνωρισμένες εφαρμογές στον χώρο της Λογιστικής και των Οικονομικών. Το μάθημα δίνει την δυνατότητα στους φοιτητές να εφαρμόσουν στην πράξη μεθοδολογίες Εξόρυξης Δεδομένων για την αντιμετώπιση λογιστικών και χρηματοοικονομικών προβλημάτων με τη χρήση εξειδικευμένου λογισμικού data mining Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής/τρια θα είναι σε θέση να

  • Εκτελεί εργασίες προεπεξεργασίας δεδομένων.
  • Αναλύει οικονομικά δεδομένα χρησιμοποιώντας κανόνες συσχέτισης.
  • Εφαρμόζει μεθόδους κατηγοριοποίησης για τη δημιουργία μοντέλων πρόβλεψης οικονομικών δεδομένων.
  • Εφαρμόζει μεθόδους αξιολόγησης αποτελεσμάτων κατηγοριοποιητών.
  • Σχεδιάζει και υλοποιεί εργασίες ανάλυσης δεδομένων με χρήση τεχνικών data mining και αξιοποιεί τα αποτελέσματα για την λήψη αποφάσεων.
  • Χειρίζεται το λογισμικό data mining “WEKA”
  • Χειρίζεται το λογισμικό data mining “TANAGRA”
  • Χειρίζεται το λογισμικό data mining “BN POWER PREDICTOR”
Γενικές Ικανότητες
Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;.
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών με τη χρήση και των απαραίτητων τεχνολογιών - Προσαρμογή σε νέες καταστάσεις - Λήψη αποφάσεων - Αυτόνομη εργασία - Ομαδική εργασία - Εργασία σε διεθνές περιβάλλον - Εργασία σε διεπιστημονικό περιβάλλον - Παράγωγή νέων ερευνητικών ιδεών Σχεδιασμός και διαχείριση έργων - Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα - Σεβασμός στο φυσικό περιβάλλον - Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου - Άσκηση κριτικής και αυτοκριτικής - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • 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

3. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

  • Γνωριμία με τα λογισμικά WEKA, TANAGRA, BN POWER PREDICTOR
  • Προεπεξεργασία δεδομένων με χρήση του EXCEL και λογισμικών data mining
  • Κανόνες Συσχέτισης
  • Δένδρα Αποφάσεων
  • Νευρωνικά
  • Δίκτυα Μπαϋεσιανοί Κατηγοριοποιητές
  • Μηχανές Διανυσμάτων Υποστήριξης
  • Λογιστική Παλινδρόμηση
  • Κατηγοριοποιητές βασισμένοι σε παραδείγματα
  • Χρήση όλων των παραπάνω τεχνικών για τη δημιουργία μοντέλων πρόβλεψης με ανάλυση χρηματοοικονομικών δεδομένων
  • Αποτίμηση αποτελεσμάτων κατηγοριοποιητών
  • Σύνθετοι κατηγοριοποιητές – Bagging
  • Εφαρμογή των παραπάνω μεθόδων στα περιβάλλοντα WEKA, TANAGRA, BN POWER PREDICTOR
  • Χρήση των παραπάνω μεθόδων για δημιουργία μοντέλων πρόβλεψης χρεοκοπίας, αναγνώρισης παραποίησης χρηματοοικονομικών καταστάσεων, εντοπισμού περιπτώσεων όπου οι εξωτερικοί ελεγκτές εκδίδουν δυσμενή σχόλια, εκτίμησης πιστοληπτικής ικανότητας κλπ.

4. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ
Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ.

Εργαστηριακές ασκήσεις
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές

Διεξαγωγή εργαστηριακών ασκήσεων με χρήση υπολογιστών, χρήση διαφανειών Power Point, ανάρτηση του εκπαιδευτικού υλικού στο Moodle, ηλεκτρονική επικοινωνία με τους φοιτητές.
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας. Διαλέξεις, Σεμινάρια, Εργαστηριακή Άσκηση, Άσκηση Πεδίου, Μελέτη & ανάλυση βιβλιογραφίας, Φροντιστήριο, Πρακτική (Τοποθέτηση), Κλινική Άσκηση, Καλλιτεχνικό Εργαστήριο, Διαδραστική διδασκαλία, Εκπαιδευτικές επισκέψεις, Εκπόνηση μελέτης (project), Συγγραφή εργασίας / εργασιών, Καλλιτεχνική δημιουργία, κ.λπ. Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης ώστε ο συνολικός φόρτος εργασίας σε επίπεδο εξαμήνου να αντιστοιχεί στα standards του ECTS

Οργάνωση Διδασκαλίας

ΔραστηριότηταΦόρτος εργασίας εξαμήνου
Εργαστηριακές Ασκήσεις26
Αυτοτελής Μελέτη74
Σύνολο100
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ
Περιγραφή της διαδικασίας αξιολόγησης Γλώσσα Αξιολόγησης, Μέθοδοι αξιολόγησης, Διαμορφωτική ή Συμπερασματική, Δοκιμασία Πολλαπλής Επιλογής, Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης Δοκιμίων, Επίλυση Προβλημάτων, Γραπτή Εργασία, Έκθεση / Αναφορά, Προφορική Εξέταση, Δημόσια Παρουσίαση, Εργαστηριακή Εργασία, Κλινική Εξέταση Ασθενούς, Καλλιτεχνική Ερμηνεία, Άλλη / Άλλες. Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές.

Η αξιολόγηση των φοιτητών γίνεται με εξετάσεις που περιλαμβάνουν εκτέλεση εργαστηριακών ασκήσεων.

5. ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Συγγράμματα

  • Σημειώσεις μαθήματος διανεμόμενες ηλεκτρονικά
  • 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)