
- fmos uom.edu.gr
Μοσχίδης Οδυσσέας
Αφυπηρετήσας Καθηγητής
Τμήμα Οργάνωσης & Διοίκησης Επιχειρήσεων
Καθηγητής, Διδακτικό Προσωπικό (Π.Μ.Σ. στις Διεθνείς Επιχειρηματικές Δραστηριότητες)
Καθηγητής, Διδακτικό Προσωπικό (Π.Μ.Σ. στην Αναλυτική των Επιχειρήσεων και Επιστήμη των Δεδομένων)
Καθηγητής, Διδακτικό Προσωπικό (Δ.Π.Μ.Σ. στα Πληροφοριακά Συστήματα - MIS)
Γνωστικό Αντικείμενο
Εφαρμοσμένη Στατιστική με έμφαση στη Διοίκηση Επιχειρήσεων
Βιογραφικό
Ακαδημαϊκοί Τίτλοι
- Πτυχιακές Σπουδές: Μαθηματικός ΑΠΘ
- Μεταπτυχιακές Σπουδές: Εφαρμοσμένη Στατιστική & Εφαρμοσμένα Μαθηματικά με Διδακτορικό: «Συμβολή στη μελέτη κλιμάκων αξιολόγησης με μεθόδους της πολυδιάστατης ανάλυσης δεδομένων», Τμήμα Εφαρμοσμένης Πληροφορικής, Πανεπιστήμιο Μακεδονίας
Ερευνητικά Ενδιαφέροντα
- Διερευνητική Πολυδιάστατη Εφαρμοσμένη Στατιστική
- Κατηγορικά δεδομένα, Κλίμακες αξιολόγησης και Συγκριτική Αξιολόγηση με τη Διερευνητική Στατιστική
- Aνάλυση μεικτών πολυμεταβλητών δεδομένων Επιχειρήσεων
Διδασκόμενα Μαθήματα
- ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΠΡΟΧΩΡΗΜΕΝΕΣ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΠΤΙΚΗΣ ΑΝΑΛΥΤΙΚΗΣ
(ΑΕ201)
Τύπος
ΥΠΟΧΡΕΩΤΙΚΟ
Κωδικός Τμήματος
MBADS
Τμήμα
Π.Μ.Σ. ΣΤΗΝ ΑΝΑΛΥΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ ΚΑΙ ΕΠΙΣΤΗΜΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ
Περιγραφή
Εξόρυξη Δεδομένων και προχωρημένες τεχνικές Προβλεπτικής Αναλυτικής (Advanced Predictive Analytics and Data Mining)
Κωδικός μαθήματος: |
1022-ΑΕ201 |
Εξάμηνο: |
Β’ |
Είδος: |
Υποχρεωτικό |
Θεωρία – Πρακτική (ποσοστά): |
50 – 50 |
Γλώσσα διδασκαλίας: |
Ελληνικά – Αγγλική ορολογία και βιβλιογραφία |
Ώρες διδασκαλίας: |
3 ώρες την εβδομάδα |
ECTS: |
7,5 |
Σελίδα μαθήματος |
Compus |
Υπεύθυνος/οι μαθήματος
Τμήμα: |
Οργάνωσης και Διοίκησης Επιχειρήσεων |
Τομέας: |
Ποσοτικές Μέθοδοι – Διερευνητική Στατιστική |
Υπεύθυνος (συνδιδασκαλία): |
Οδυσσέας Μοσχίδης (Καθηγητής) |
Email: |
|
Web: |
users.uom.gr/~fmos |
Τηλ: |
2310-891592 |
Γραφείο |
403, Κτήριο ΗΘ |
Ώρες Γραφείου |
Ανακοινώνονται στην ιστοσελίδα |
Υπεύθυνος (συνδιδασκαλία): |
Άγγελος Μάρκος (Επίκουρος Καθηγητής) |
Email: |
|
Web: |
|
Τηλ: |
|
Γραφείο |
|
Ώρες Γραφείου |
Ανακοινώνονται στην ιστοσελίδα |
Βιβλιογραφία
Gareth, J., Witten, D., Hastie, T. and Tibshirani, R. An Introduction to Statistical Learning: With Applications in R. New York: Springer, 2013.
Kuhn, M., and Johnson, K. Applied Predictive Modeling. New York: Springer, 2013.
Larose, D. T., and Larose, C. D. Data mining and predictive analytics. John Wiley & Sons, 2015.
Λογισμικό
R, Excel, Spss
Συνοπτική Περιγραφή και Μαθησιακοί Στόχοι
Η αυξημένη δραστηριότητα σε τομείς όπως το διαδίκτυο, το ηλεκτρονικό εμπόριο, το ηλεκτρονικό επιχειρείν, τα ηλεκρονικά μεγάλου πλήθους ερωτηματολόγια κλπ, έχουν αυξήσει σημαντικά τον όγκο και την πολυπλοκότητά των δεδομένων που συλλέγονται και αποθηκεύονται, αυξάνοντας τη σημασία και αξία τους στη λήψη επιχειρησιακών αποφάσεων. Η Εξόρυξη Δεδομένων (Data Mining) αναφέρεται στην εξεύρεση της υπάρχουσας ενδιαφέρουσας δομής σε μεγάλα σύνολα δεδομένων με χρήση τεχνικών της στατιστικής, της τεχνητής νοημοσύνης και της μηχανικής μάθησης. Στόχος της εξόρυξης δεδομένων είναι η πληροφορία που θα εξαχθεί και τα πρότυπα που θα προκύψουν να έχουν δομή κατανοητή έτσι ώστε να συμβάλλουν στη διαδικασία λήψης αποφάσεων. Οι τεχνικές της Προβλεπτικής Αναλυτικής (Predictive Analytics) υπερβαίνουν την απλή περιγραφή των δεδομένων και βασίζονται στο παρελθόν για να κάνουν προβλέψεις για το μέλλον. Οι τεχνικές αυτές είναι ιδιαίτερα σημαντικές καθώς διευκολύνουν τους λήπτες επιχειρησιακών αποφάσεων στην αξιολόγηση όλων των πιθανών ενδεχομένων π.χ για έσοδα, κέρδη, μερίδιο αγοράς, πιθανότητα πραγματοποίησης μιας πώλησης, πιθανότητα απώλειας ενός πελάτη, κ.ά, αφού πρώτα λάβουν υπόψη μια σειρά από προβλεπτικούς παράγοντες όπως έξοδα μάρκετινγκ, διαδικασίες διασφάλισης ποιότητας, αριθμός πωλητών, κ.ά. Το μάθημα αυτό εστιάζει σε προχωρημένες μεθόδους εξόρυξης δεδομένων και προβλεπτικής αναλυτικής, παρουσιάζοντας με τρόπο συστηματικό τις πιο σημαντικές προβλεπτικές τεχνικές μοντελοποίησης, καθώς και εφαρμογές τους σε πραγματικά δεδομένα management, operations, marketing κλπ. Με την ολοκλήρωση του μαθήματος αναμένεται ότι οι φοιτητές και οι φοιτήτριες θα είναι σε θέση να αντλούν και να διαμορφώνουν σύνολα δεδομένων από συναφείς πηγές, να διατυπώνουν ορθά ερευνητικά ερωτήματα και να καταστρώνουν σχεδιασμούς για αυτά, να επιλέγουν τις κατάλληλες τεχνικές μοντελοποίησης και ανάλυσης δεδομένων που οδηγούν στην εξαγωγή χρήσιμων προτύπων γνώσης, τη διατύπωση προβλέψεων καθώς και τη διαδικασία λήψης αποφάσεων. Επίσης να αξιολογούν και να συγκρίνουν την αποτελεσματικότητα των μεθόδων και να επικοινωνούν τα ευρήματα των αναλύσεων σε στελέχη οργανισμών και επιχειρήσεων.
Περιεχόμενο – Σχέδιο διαλέξεων
- Introduction – Data Exploration and Data Pre-processing
- Linear Regression
- Cluster Analysis (Hierarchical and k-means)
- Dimension Reduction (Principal Components Analysis)
- Dimension Reduction (Correspondence Analysis)
- Logistic Regression, Discriminant Analysis
- Model Evaluation (Resampling Methods) – K-Nearest Neighbors, Naïve Bayes
- Model Selection, Regularization and Model Tuning
- Tree-based methods: Classification and regression trees
- Association Rules
- Support Vector Machines
- Case Studies
- Final Exam
Αξιολόγηση Επίδοσης
[1] Γραπτές Εξετάσεις 70%
[2] Ασκήσεις-εργασίες 30%
- ΕΠΙΧΕΙΡΗΜΑΤΙΚΗ ΜΕΛΕΤΗ (BUSINESS CASE STUDY)
(ΟΔ0809-1)
Τύπος
ΕΠΙΛΟΓΗΣ
Κωδικός Τμήματος
BA
Τμήμα
ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
Περιγραφή
- ΓΕΝΙΚΑ
ΣΧΟΛΗ |
ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ |
|||||
ΤΜΗΜΑ |
ΟΡΓΑΝΩΣΗΣ & ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ |
|||||
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ |
ΠΡΟΠΤΥΧΙΑΚΟ |
|||||
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ |
ΟΔ0809-1 |
ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ |
Η’ |
|
||
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ |
ΕΠΙΧΕΙΡΗΜΑΤΙΚΗ ΜΕΛΕΤΗ |
|
||||
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ |
ΕΒΔΟΜΑΔΙΑΙΕΣ |
ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ |
|
|||
|
3 |
5 |
|
|||
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ
|
ΕΠΙΛΟΓΗΣ |
|
||||
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:
|
- |
|
||||
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ: |
ΕΛΛΗΝΙΚΗ ΚΑΙ ΑΓΓΛΙΚΗ |
|
||||
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS |
ΝΑΙ |
|
||||
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) |
|
2. ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ
Μαθησιακά Αποτελέσματα |
|
ΓΝΩΣΕΙΣ:
ΔΕΞΙΟΤΗΤΕΣ:
ΙΚΑΝΟΤΗΤΕΣ:
|
|
Γενικές Ικανότητες |
|
|
3. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
14. Εισαγωγή στις μελέτες περίπτωσης (προδρομικές, αναδρομικές, διαμήκεις) 15. Ενότητες πληροφόρησης (SWOT, PEST_LE) 16. Εταιρικό προφίλ 17. Είδη στρατηγικής 18. Ανάλυση δομών και συστημάτων 19. Χαρακτηριστικά ποιοτικών μελετών 20. Χαρακτηριστικά ποσοτικών μελετών 21. Πτυχές επιχειρηματικής μελέτης 22. Χαρακτηριστικά επιχειρηματικής μελέτης 23. Παραδείγματα επιχειρηματικών μελετών 24. Ερωτήματα επιχειρηματικών μελετών 25. Διαμόρφωση και συγγραφή επιχειρηματικής μελέτης 26. Παρουσίαση επιχειρηματικής μελέτης |
4. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ
ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ |
Διά ζώσης |
||||||||||||
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ |
|
||||||||||||
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
|
|
||||||||||||
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ
|
Η αξιολόγηση του φοιτητή γίνεται στην ελληνική ή αγγλική γλώσσα με τη βοήθεια:
|
5. ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ
Προτεινόμενη Βιβλιογραφία : · Βακόλα, Μ. (2009) Διοικώντας τις Αλλαγές. Έκδοση Β΄, Αθήνα: ΑΝΔΡΕΑΣ ΣΙΔΕΡΗΣ-ΙΩΑΝΝΗΣ ΣΙΔΕΡΗΣ & ΣΙΑ Ο.Ε.· Ellet, W. (2018) The Case Study Handbook, Revised Edition: A Student's Guide. Harvard Business Publishing.
-Συναφή επιστημονικά περιοδικά: Journal of Business Case Studies Journal of Business Case Studies and Applications Journal of Case Studies International Journal of Cases Studies |
- ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ
(ΟΔ0103)
Τύπος
ΥΠΟΧΡΕΩΤΙΚΟ
Κωδικός Τμήματος
BA
Τμήμα
ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
Περιγραφή
1. ΓΕΝΙΚΑ
ΣΧΟΛΗ |
ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ |
||||
ΤΜΗΜΑ |
ΟΡΓΑΝΩΣΗ ΚΑΙ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ |
||||
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ |
ΠΡΟΠΤΥΧΙΑΚΟ |
||||
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ |
ΟΔ0103 |
ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ |
Α΄ |
||
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ |
ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ |
||||
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ |
ΕΒΔΟΜΑΔΙΑΙΕΣ |
ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ |
|||
|
4 |
6 |
|||
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ |
Μάθημα Γενικού Υποβάθρου (Υποχρεωτικό) |
||||
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ: |
- |
||||
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ: |
Ελληνική |
||||
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS |
ΟΧΙ |
||||
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) |
2. ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ
Μαθησιακά Αποτελέσματα |
|
Σκοπός του μαθήματος αυτού είναι η μύηση των φοιτητών στα εφαρμοσμένα μαθηματικά της Διοίκησης και Οικονομίας και ακριβέστερα η εμπέδωση από αυτούς βασικών αρχών διαφορικού και ολοκληρωτικού λογισμού καθώς και Γραμμικής Άλγεβρας μέσω οικονομικών εφαρμογών. Η ισόρροπη ανάπτυξη των βασικών εννοιών - τεχνικών των Μαθηματικών και η εφαρμογή τους στην επίλυση προβλημάτων της επιστήμης της Διοίκησης και Οικονομίας αποτελεί βασικό χαρακτηριστικό του μαθήματος. Το περιεχόμενο του μαθήματος παρουσιάζεται οργανωτικά σε τέσσερα κεφάλαια: Α. Διαφορικός Λογισμός μιας μεταβλητής Β. Διαφορικός Λογισμός πολλών μεταβλητών Γ. Ολοκληρωτικός Λογισμός Δ. Βασική Γραμμική Άλγεβρα Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές θα είναι ικανοί: να αναπτύξουν και να εφαρμόσουν τις διδαχθείσες τεχνικές των Μαθηματικών στα επιστημονικά πεδία που προαναφέρθηκαν στην επίλυση προβλημάτων της επιστήμης της Διοίκησης και Οικονομίας |
|
Γενικές Ικανότητες |
|
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών Λήψη αποφάσεων Παραγωγή νέων ερευνητικών ιδεών Αυτόνομη Εργασία Άσκηση κριτικής και αυτοκριτικής Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης |
3. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
Το περιεχόμενο του μαθήματος ανά διάλεξη: Διάλεξη 1. Eπαναλήψεις Ορίων-Συνέχειας και Παραγώγων. Ασκήσεις- εφαρμογές Διάλεξη 2. Γραμμική και πολυωνυμική προσέγγιση συναρτήσεως. Ασκήσεις- εφαρμογές Διάλεξη 3. Η παράγωγος αντίστροφης, πλεγμένης και παραμετρικής συναρτήσεως μιας μεταβλητής. Ασκήσεις Διάλεξη 4. Ποσοστιαίος ρυθμός, Ελαστικότητα και Βελτιστοποίηση. Ασκήσεις- εφαρμογές Διάλεξη 5. Συναρτήσεις πολλών μεταβλητών. Γραφική παράσταση. Ισοσταθμικές. Μερική παράγωγος. Ασκήσεις- εφαρμογές Διάλεξη 6. Γραμμική προσέγγιση συναρτήσεως πολλών μεταβλητών. Παραγώγιση σύνθετων και πλεγμένων συναρτήσεων. Ασκήσεις- εφαρμογές Διάλεξη 7.Βελτιστοποίηση δίχως περιορισμούς. Εφαρμογές στη Διοίκηση και οικονομία Διάλεξη 8. Αόριστο ολοκλήρωμα και Εφαρμογές στη Διοίκηση και οικονομία Διάλεξη 9. Ορισμένο και Γενικευμένο ολοκλήρωμα με Εφαρμογές στη Διοίκηση και οικονομία Διάλεξη 10. Ο Ευκλείδειος Πραγματικός Διανυσματικός χώρος Rn .Ασκήσεις- εφαρμογές Διάλεξη 11. Πίνακες. Ασκήσεις- εφαρμογές Διάλεξη 12. Γραμμικά συστήματα(Επίλυση συστημάτων με τη μέθοδο Gauss και τη Gauss-Jordan). Ασκήσεις και εφαρμογές Διάλεξη 13. Αντίστροφος πίνακας, Ορίζουσα πίνακα και η μέθοδος επίλυσης συστημάτων Cramer . Ασκήσεις- εφαρμογές |
4. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ
ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ |
Διά ζώσης |
||||||||||||||||||||||
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ |
Υποστήριξη Μαθησιακής διαδικασίας μέσω: α) της Ιδρυματικής Ηλεκτρονικής πλατφόρμας https://openeclass.uom.gr/ β) του e-mail |
||||||||||||||||||||||
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
|
|
||||||||||||||||||||||
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ
|
Ο τελικός βαθμός του μαθήματος προκύπτει από τις επιδόσεις των φοιτητών και των φοιτητριών στις γραπτές τελικές εξετάσεις Οι γραπτές τελικές εξετάσεις περιλαμβάνουν: Ερωτήσεις σωστού -λάθους, πολλαπλής επιλογής, ερμηνεία αποτελεσμάτων και επίλυση προβλημάτων. Γλώσσα εξέτασης η ελληνική |
5. ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ
-Προτεινόμενη Βιβλιογραφία : 1)ΜΑΘΗΜΑΤΙΚΑ ΔΙΟΙΚΗΤΙΚΩΝ ΚΑΙ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΗΜΩΝ, ΜΟΣΧΙΔΗΣ ΟΔΥΣΣΕΑΣ 2) ΜΑΘΗΜΑΤΙΚΕΣ ΜΕΘΟΔΟΙ ΟΙΚΟΝΟΜΙΚΗΣ ΑΝΑΛΥΣΗΣ, ALPHA C. CHIANG, KEVIN WAINWRIGHT 3) Μαθηματικά Οικονομικών Επιστημών, Hoy Michael, Livernois John, McKenna Chris, Stengos Thanasis, Κυρίτσης Ιωάννης |
- ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΔΕΔΟΜΕΝΩΝ
(MHM0206)
Τύπος
ΕΠΙΛΟΓΗΣ
Κωδικός Τμήματος
MHM
Τμήμα
Π.Μ.Σ. ΣΤΗ ΔΙΟΙΚΗΣΗ ΥΠΗΡΕΣΙΩΝ ΥΓΕΙΑΣ
Περιγραφή
Η περιγραφή του μαθήματος δεν είναι διαθέσιμη
- ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
(MTF0108)
Τύπος
ΕΠΙΛΟΓΗΣ
Κωδικός Τμήματος
MTF
Τμήμα
Π.Μ.Σ. ΦΟΡΟΛΟΓΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΔΙΟΙΚΗΣΗ ΣΤΡΑΤΗΓΙΚΩΝ ΑΠΟΦΑΣΕΩΝ
Περιγραφή
ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
(1) ΓΕΝΙΚΑ
ΣΧΟΛΗ |
ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ |
||||
ΤΜΗΜΑ |
ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ |
||||
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ |
ΜΕΤΑΠΤΥΧΙΑΚΟ |
||||
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ |
MTF0108 |
ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ |
Β’ |
||
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ |
Χρηματοοικονομική Στατιστική
|
||||
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ |
ΕΒΔΟΜΑΔΙΑΙΕΣ |
ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ |
|||
|
3 |
6 |
|||
Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο (δ). |
|
|
|||
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ γενικού υποβάθρου, γενικών γνώσεων, ανάπτυξης δεξιοτήτων |
ΕΙΔΙΚΟΥ ΥΠΟΒΑΘΡΟΥ |
||||
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:
|
ΟΧΙ |
||||
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ: |
ΕΛΛΗΝΙΚΗ |
||||
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS |
ΟΧΙ |
||||
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) |
https://www.uom.gr/mtf/programma-spoydon/programma-spoydon-analytikh-perigrafh-mathhmaton?semester=1 |
||||
(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. Συμβουλευτείτε το Παράρτημα Α
|
|
Στόχος του μαθήματος είναι η θεωρητική και πρακτική εισαγωγή των φοιτητών στις έννοιες των μεγάλων δεδομένων, στον χώρο της Χρηματοοικονομικής, της Τραπεζικής και της Διαχείρισης Κινδύνου. Μετά την ολοκλήρωση του μαθήματος οι φοιτητές θα είναι σε θέση να:
Η διδασκαλία του μαθήματος θα περιλαμβάνει μελέτες περιπτώσεων και παραδείγματα με χρήση εργαλείων λογισμικού.
|
|
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 …… Άλλες… ……. |
Το μάθημα αποσκοπεί στην ανάπτυξη των παρακάτω γενικών ικανοτήτων:
|
(3) ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ |
||||||||||||||||||||||||||
|
(4) ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ
ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ |
ΠΡΟΣΩΠΟ ΜΕ ΠΡΟΣΩΠΟ ΚΑΙ ΕΞ ΑΠΟΣΤΑΣΕΩΣ |
||||||||||||||||||||||
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ |
ΧΡΗΣΗ ΠΑΡΟΥΣΙΑΣΕΩΝ POWERPOINT, ΚΑΙ ΤΗΣ ΠΛΑΤΦΟΡΜΑΣ eclass |
||||||||||||||||||||||
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 σύμφωνα με τις αρχές του ECTS |
|
||||||||||||||||||||||
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. |
Γραπτές Εξετάσεις 70% Εργασίες 30% |
(5) ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ
- Προτεινόμενη Βιβλιογραφία:
- - Συναφήεπιστημονικάπεριοδικά:
|