Μοσχίδης Οδυσσέας
  • 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:

    fmos@uom.edu.gr

    Web:

    users.uom.gr/~fmos

    Τηλ:

    2310-891592

    Γραφείο

    403, Κτήριο ΗΘ

    Ώρες Γραφείου

    Ανακοινώνονται στην ιστοσελίδα

     

    Υπεύθυνος (συνδιδασκαλία):

    Άγγελος Μάρκος (Επίκουρος Καθηγητής)

    Email:

    amarkos@eled.duth.gr

    Web:

    http://amarkos.gr

    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 

    1. Introduction – Data Exploration and Data Pre-processing
    2. Linear Regression
    3. Cluster Analysis (Hierarchical and k-means)
    4. Dimension Reduction (Principal Components Analysis)
    5. Dimension Reduction (Correspondence Analysis)
    6. Logistic Regression, Discriminant Analysis
    7. Model Evaluation (Resampling Methods) – K-Nearest Neighbors, Naïve Bayes
    8. Model Selection, Regularization and Model Tuning
    9. Tree-based methods: Classification and regression trees
    10. Association Rules
    11. Support Vector Machines
    12. Case Studies
    13. 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

    1. 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
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    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)

    https://openeclass.uom.gr/courses/BA205/

     

    2.       ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    ΓΝΩΣΕΙΣ:

    • Διαθέτουν ένα συνεκτικό και ολοκληρωμένο σώμα γνώσεων, στο οποίο εμπεριέχονται στοιχεία από τις επιστημονικές ή άλλες εξελίξεις αιχμής και κατανοούν τις έννοιες, μεθόδους και πρακτικές της Επιχειρηματικής Μελέτης  που εμπεριέχει στοιχεία από τα αντίστοιχα επαγγελματικά πεδία ώστε να εμβαθύνουν, να διευρύνουν και να προσαυξάνουν τις προγενέστερες γνώσεις τους.
    • Διαθέτουν αντίληψη της εξελικτικής της Επιχειρηματικής Μελέτης  και των συνδεόμενων τρεχουσών ή/και καινοτόμων εφαρμογών.
    • Κατέχουν αναλυτική και προηγμένη γνώση της Επιχειρηματικής Μελέτης , συμπεριλαμβανομένης της κριτικής κατανόησης των θεωριών, βασικών εννοιών, αρχών και μεθοδολογιών του επιστημονικού ή εφαρμοσμένου γνωστικού πεδίου.

    ΔΕΞΙΟΤΗΤΕΣ:

    • Αναλύουν και προσαρμόζουν τις αποκτηθείσες γνώσεις τους ώστε να τις εφαρμόζουν σε ποικίλα θέματα της Επιχειρηματικής Μελέτης  ή και του επαγγελματικού πεδίου, καθώς και για να αποκτήσουν νέα γνώση.
    • Εφαρμόζουν ορθά τα κατάλληλα εργαλεία και τις κατάλληλες τεχνικές ανάλυσης στη διερεύνηση των βασικών θεμάτων της Επιχειρηματικής Μελέτης .
    • Επιλύουν σύνθετα ή νέα προβλήματα της Επιχειρηματικής Μελέτης , αναπτύσσοντας ολοκληρωμένες, καθώς και δημιουργικές ή καινοτόμες λύσεις και προσεγγίσεις, ενώ παράλληλα υποστηρίζουν τις λύσεις και απόψεις τους με τρόπο μεθοδικό και επιστημονικό.
    • Χρησιμοποιώντας επιστημονικές πηγές ή και πηγές εξειδικευμένες σε θεωρητικά, τεχνικά και επαγγελματικά θέματα, συγκεντρώνουν, αναλύουν και επιλέγουν με τρόπο κριτικό και υπεύθυνο τις ιδέες και τις πληροφορίες για τα στοιχεία εκείνα τα οποία τους αφορούν.
    • Αναπτύσσουν ζητήματα, κυρίως στο πλαίσιο της Επιχειρηματικής Μελέτης , βάσει επιστημονικής τεκμηρίωσης και διαμορφώνουν έγκυρες κρίσεις, οι οποίες λαμβάνουν υπόψη τις κατά περίπτωση συναφείς κοινωνικές, οικονομικές, πολιτιστικές και ηθικές διαστάσεις του θέματος.
    • Επικοινωνούν με εξειδικευμένες και μη ομάδες και κοινό, ώστε να μεταφέρουν προφορικά, γραπτά και με άλλα μέσα, πληροφορίες, ιδέες, προβλήματα και λύσεις σε συγκεκριμένα θέματα της Επιχειρηματικής Μελέτης .

    ΙΚΑΝΟΤΗΤΕΣ:

    • Σχεδιάζουν, διαχειρίζονται και υλοποιούν ερευνητικές εργασίες με επίβλεψη στο πλαίσιο της Επιχειρηματικής Μελέτης , τόσο σε ατομικό όσο και σε συλλογικό επίπεδο.
    • Μεταφέρουν τις γνώσεις και τις ικανότητες που απέκτησαν σε επαγγελματικό ή επιχειρηματικό πλαίσιο και τις εφαρμόζουν με αυτονομία και με τρόπο που δείχνει επαγγελματισμό και κοινωνική υπευθυνότητα, έτσι ώστε να σχεδιάζουν και να διαχειρίζονται σύνθετες τεχνικές ή επαγγελματικές δραστηριότητες ή εργασίες.
    • Λαμβάνουν αποφάσεις, τις αξιολογούν και αναλαμβάνουν την ευθύνη τους σε σύνθετα επαγγελματικά και επιχειρηματικά πλαίσια τα οποία μεταβάλλονται και εξελίσσονται.
    • Είναι σε θέση να αναλάβουν, εντός καθορισμένων πλαισίων, την ευθύνη της ανάπτυξης των γνώσεων, δεξιοτήτων και ικανοτήτων ατόμων και ομάδων.

    Γενικές Ικανότητες

    • 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
    • Παραγωγή 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

    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

    • Χρήση Power Point, Excel και Word στην εργασία
    • Επικοινωνία με τους φοιτητές με email και Open eclass

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Προσωπική επαφή (13x4)

    52

    Μελέτη & ανάλυση βιβλιογραφίας (12x3)

    36

    Εκπόνηση μελέτης (project) (12x3)

    36

    Συγγραφή εργασίας

    26

    Σύνολο Μαθήματος

    150

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

    •  Αξιολόγηση:

    Η αξιολόγηση του φοιτητή γίνεται στην ελληνική ή αγγλική  γλώσσα με τη βοήθεια:

    1. Γραπτής εργασίας: Η εργασία κατατίθεται σε μορφή Word έκτασης 3000 περίπου λέξεων, για ατομική εργασία, και για ομαδική εργασία αυξάνεται κατά 500 λέξεις για κάθε ένα επιπλέον φοιτητή.
    2. Προφορικής παρουσίασης: Οι φοιτητές παρουσιάζουν την εργασία τους σε μορφή Power Point έκτασης 15 διαφανειών.
    •   Παρατηρήσεις:
    Όλοι οι φοιτητές που θα λάβουν μέρος σε ομαδική επιχειρηματική μελέτη λαμβάνουν τον ίδιο βαθμό.

     

    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
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    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)

    https://openeclass.uom.gr/

    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

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    75

    Αυτοτελής Μελέτη - Ασκήσεις

    75

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    ΣύνολοΜαθήματος

    150

     

    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
    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

     

    3

    6

    Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο (δ).

     

     

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

    γενικού υποβάθρου,
    ειδικού υποβάθρου, ειδίκευσης,

    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

    • Περιγραφή του Επιπέδου των Μαθησιακών Αποτελεσμάτων για κάθε ένα κύκλο σπουδών σύμφωνα με το Πλαίσιο Προσόντων του Ευρωπαϊκού Χώρου Ανώτατης Εκπαίδευσης
    • Περιγραφικοί Δείκτες Επιπέδων 6, 7 & 8 του Ευρωπαϊκού Πλαισίου Προσόντων Διά Βίου Μάθησης και το Παράρτημα Β
    • Περιληπτικός Οδηγός συγγραφής Μαθησιακών Αποτελεσμάτων

    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:

    • Εξηγούν τις σύγχρονες εξελίξεις στην χρήση μεγάλων δεδομένων στον χώρο της Χρηματοοικονομικής.
    • Να εντοπίζουν τα απαραίτητα χρηματοοικονομικά δεδομένα και να συντάσσουν αναλυτικές αναφορές που θα χρησιμεύουν ως πολύτιμες πηγές πληροφοριών για την επιχείρηση.
    • Αξιοποιούν μεγάλα δεδομένα για την πραγματοποίηση προβλέψεων και επιλογή των αποδοτικότερων επενδυτικών σχεδίων.
    • Περιγράφουν τη διαδικασία, μεθόδους, και εργαλεία για την διαχείριση κινδύνου με χρήση μεγάλων δεδομένων.
    • Κατανοούν τη χρήση εργαλείων λογισμικού για την αξιοποίηση της αναλυτικής  μεγάλων δεδομένων στον χώρο της Χρηματοοικονομικής.

    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:

    1. Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
    2. Προσαρμογή σε νέες καταστάσεις
    3. Λήψη αποφάσεων
    4. Αυτόνομη εργασία
    5. Ομαδική εργασία
    6. Εργασία σε διεπιστημονικό περιβάλλον
    7. Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

    (3)    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

     

    ΤΙΤΛΟΣ ΕΝΟΤΗΤΑΣ

    1

    Χρηματοοικονομικός σχεδιασμός και ανάλυση

    2

    Ανάλυση Χρηματοοικονομικών Καταστάσεων

    3

    Χρήση Ποσοτικών Μεθόδων στην Χρηματοοικονομική και στην Διαχείριση Κινδύνου

    4

    Εργαλεία Λογισμικού για την Ανάλυση Μεγάλων Δεδομένων στην Χρηματοοικονομική

    5

    Αναλυτική Δεδομένων με χρήση Excel

    6

    Αναλυτική Δεδομένων στις Επιχειρήσεις Παροχής Χρηματοοικονομικών Υπηρεσιών και στις Ασφαλιστικές Εταιρίες

    7

    Νευρωνικά Δίκτυα, Μεγάλα Δεδομένα και αξιοποίησή τους για την αξιολόγηση πιστοληπτικής ικανότητας

    8

    Μελέτη Χρήσης Μεγάλων Δεδομένων για την τμηματοποίηση πελατών

    9

    Περιπτώσεις χρήσης Big Data σε τραπεζικές και χρηματοοικονομικές υπηρεσίες, εξατομικευμένο μάρκετινγκ

    10

    Μελέτες Περιπτώσεων Χρήσης Μεγάλων Δεδομένων για την Διαχείριση Κινδύνου

    11

    Χρήση μεγάλων δεδομένων για την πρόληψη της απάτης

    12

    Μεγάλα δεδομένα και η αξιοποίησή τους από τις επιχειρήσεις Fintech

     

     

    (4)    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

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

    ΠΡΟΣΩΠΟ ΜΕ ΠΡΟΣΩΠΟ ΚΑΙ ΕΞ ΑΠΟΣΤΑΣΕΩΣ

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

    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

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    39 ώρες

    Διαδραστική διδασκαλία

    20 ώρες

    Συγγραφή εργασίας

    40 ώρες

    Παρουσίαση εργασίας

    10 ώρες

    Μελέτη

    51 ώρες

     

     

     

     

     

     

     

     

    Σύνολο Μαθήματος

    160 ώρες

     

    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:

    1. Analytics for Insurance: The Real Business of Big Data (The Wiley Finance Series) 1st Edition.,
    2. Predictive Data Mining Models (Computational Risk Management) 1st ed. 2017 Edition, Kindle Edition,
    3. Tableau Your Data!: Fast and Easy Visual Analysis with Tableau Software 2nd Edition,
    4. Business Risk and Simulation Modelling in Practice: Using Excel, VBA and @RISK (The Wiley Finance Series) 1st Edition
    5. Financial Data Analytics: Theory and Application (Contributions to Finance and Accounting) 1st ed. 2022 Edition by Sinem Derindere Köseoğlu
    6. Haskell Financial Data Modeling and Predictive Analytics, Pavel Ryzhov, 2013, Packt Publishing
    7. Financial Analysis and Risk Management: Data Governance, Analytics and Life Cycle Management, Victoria L. Lemieux, Victoria Lemieux, 2013, Springer-Verlag Berlin Heidelberg
    8. ICDL Professional Data Analytics - Financial Spreadsheets
    9. Financial Analytics with R: Building a Laptop Laboratory for Data Science (Instructor's Resources - Lecture, Solution Manual) (Solutions), Mark J. Bennett, Dirk L. Hugen, 2013, Cambridge University Press
    10. Analysis of Financial Data, Gary Koop, 2006, John Wiley & Sons Inc
    11. Fraud analytics using descriptive, predictive, and social network techniques : a guide to data science for fraud detection, Bart Baesens, Veronique Van Vlasselaer, Wouter Verbeke, 2015, John Wiley & Sons
    12. Using Analytics to Detect Possible Fraud: Tools and Techniques,Pamela S. Mantone(eds.), 2013, Wiley
    13. Benford's Law: Applications for Forensic Accounting, Auditing, and Fraud Detection, Mark Nigrini, 2013, Wiley
    14. The Future of FinTech: Integrating Finance and Technology in Financial Services, Bernardo Nicoletti, 2017, Palgrave Macmillan

    - - Συναφήεπιστημονικάπεριοδικά:

    1. 1.       Financial Analysts Journal
    2. 2.       Journal of Financial and Quantitative Analysis
    3. Journal of Risk and Uncertainty
    Wheelchair Blue
    Accessibility Tools
    Fonts PlusIncrease Text
    Fonts MinusDecrease Text
    ContrastHigh Contrast
    GrayscaleGrayscale
    Readable FontReadable Font