Κολωνιάρη Γεωργία
  • 2310 891.887
  • gkoloniari uom.edu.gr
  • Γραφείο: Γ4, 423

    Κολωνιάρη Γεωργία

    Επίκουρη Καθηγήτρια
    Τμήμα Εφαρμοσμένης Πληροφορικής

    Επίκουρη Καθηγήτρια, Διδακτικό Προσωπικό (Π.Μ.Σ. στην Τεχνητή Νοημοσύνη και Αναλυτική Δεδομένων)


    Γνωστικό Αντικείμενο

    "Δομές και Βάσεις Δεδομένων"

    Βιογραφικό
    Ακαδημαϊκοί Τίτλοι
    • Πτυχίο του Τμήματος Πληροφορικής της Σχολής Θετικών Επιστημών του Πανεπιστημίου Ιωαννίνων (2001)
    • Μεταπτυχιακό Δίπλωμα Ειδίκευσης του Τμήματος Πληροφορικής της Σχολής Θετικών Επιστημών του Πανεπιστημίου Ιωαννίνων (2003)
    • Διδακτορικό Δίπλωμα του Τμήματος Πληροφορικής της Σχολής Θετικών Επιστημών του Πανεπιστημίου Ιωαννίνων (2009)
    Ερευνητικά Ενδιαφέροντα
    • Διαχείριση χρονικής πληροφορίας σε κοινωνικά δίκτυα
    • Διαχείριση δεδομένων σε συστήματα ομότιμων
    • Κατανεμημένη επεξεργασία XML εγγράφων

    Διδασκόμενα Μαθήματα


    • ΑΝΑΚΑΛΥΨΗ ΓΝΩΣΗΣ ΑΠΟ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ
      (AIE701)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    AI

    Τμήμα
    ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    Περιγραφή

    ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ

    ΤΜΗΜΑ

    ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    AIE701

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Ζ

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΑΝΑΚΑΛΥΨΗ ΓΝΩΣΗΣ ΑΠΟ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ

    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

    5

     

     

     

     

     

     

    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:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    ΕΛΛΗΝΙΚΑ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/DAI147/

    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

    Με την ολοκλήρωση του μαθήματος ο φοιτητής θα μπορεί:
    (α) να κατανοεί την έννοια της ανακάλυψης γνώσης από βάσεις δεδομένων (knowledge discovery from databases),
    (β) να κατανοεί την αξία της διερευνητικής ανάλυσης και οπτικοποίησης των δεδομένων ως στάδιο προεπεξεργασίας,
    (γ) να κατανοεί και να εφαρμόζει τεχνικές απομείωσης των δεδομένων,
    (γ) να κατανοεί και να  εφαρμόζει τεχνικές εξόρυξης γνώσης από δεδομένα όπως κατηγοριοποίηση (classification), συσταδοποίηση (clustering), κανόνες συσχέτισης (association rules) με τη χρήση διαδεδομένων εργαλείων (π.χ., WEKA, R, Python),
    (δ) να κατανοεί και να εφαρμόζει τεχνικές εξόρυξης γνώσης στον παγκόσμιο ιστό.

    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…

    …….

    - Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
    - Λήψη αποφάσεων
    - Αυτόνομη εργασία
    - Σχεδιασμός και διαχείριση έργων
    - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ [Syllabus]

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    1. Εισαγωγή στις έννοιες της ανακάλυψης γνώσεις από βάσεις δεδομένων
    2. Διερευνητική ανάλυση και οπτικοποίηση δεδομένων
    3. Έννοιες εξόρυξης γνώσης από δεδομένα
    4. Κατηγοριοποίηση
    5. Συσταδοποίηση
    6. Κανόνες συσχέτισης
    7. Εισαγωγή στην εξόρυξη από τον παγκόσμιο ιστό
    8. Εξόρυξη από κείμενο, κατηγοριοποίηση κειμένου
    9. Εξόρυξη γνώμης
    10. Ανάλυση συνδέσμων
    11. Εξόρυξη από γράφους
    12. Εξόρυξη από δεδομένα χρήσης

    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

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

    Πρόσωπο με πρόσωπο

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

    Χρήση λογισμικών ανοιχτού κώδικα (Mondrian Pentaho, PALO, Weka, R, Orange, RapidMiner, Gephi) για την επίδειξη και πρακτική εξάσκηση των τεχνικών OLAP καθώς και των αλγορίθμων εξόρυξης γνώσης από δεδομένα.

    Διαφάνειες και επιδείξεις λογισμικών μέσω υπολογιστή και προβολικού.

    Η εκπαιδευτική πλατφόρμα eclass χρησιμοποιείται για την επικοινωνία με τους φοιτητές, ανάρτηση εργασιών και ανακοινώσεων, και επίλυση αποριών στην περιοχή συζητήσεων.

    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

    26

    Εργαστηριακή Άσκηση

    13

    Μη καθοδηγούμενη μελέτη

    66

    Προετοιμασία  και συγγραφή εργασιών παράδοσης στην διάρκεια του εξαμήνου

    40

    Σύνολο Μαθήματος

    145

     

    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.


    - Γραπτή Εξέταση στο τέλος του εξαμήνου που περιλαμβάνει επίλυση προβλημάτων, δοκιμασία πολλαπλής επιλογής και ερωτήσεις σύντομης απάντησης (50%)

    - 6 Ατομικές Εργασίες (50%)

    Ο τρόπος αξιολόγησης περιγράφεται και στην ιστοσελίδα του μαθήματος.

    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία:
    Tan Pang - Ning, Steinback Michael, Kumar Vipin, “Εισαγωγή στην εξόρυξη δεδομένων”, (επιμέλεια Βερύκιος Βασίλειος), Τζιόλα, 2018.
    Anand Rajaraman, Jeffrey David Ullman, Jure Leskovec, "Εξόρυξη από Μεγάλα Σύνολα Δεδομένων", Εκδόσεις Νέων Τεχνολογιών, 2020.
    Mohammed J. Zaki, Wagner Meira Jr.,  “Εξόρυξη και Ανάλυση Δεδομένων: Βασικές Έννοιες και Αλγόριθμοι”, Κλειδάριθμος ΕΠΕ, 2017.

    Επιπλέον Βιβλιογραφία :
    - Συναφή επιστημονικά περιοδικά:
    - TKDE – IEEE Transactions on Knowledge and Data Engineering
    - Journal of Knowledge Management
    - TKDD – ACM Transactions on Knowledge Discovery From Data
    - VLDB – The Vldb Journal
    - Sigkdd Explorations
    - Journal of Knowledge Management
    - KAIS – Knowledge and Information Systems
    • ΑΝΑΚΤΗΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ
      (AIE702)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    AI

    Τμήμα
    ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    Περιγραφή

    ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ

    ΤΜΗΜΑ

    ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    AIE702

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Ζ

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΑΝΑΚΤΗΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ

    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

    5

     

     

     

     

     

     

    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:

     

    ΑΛΓΟΡΙΘΜΟΙ, ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    ΕΛΛΗΝΙΚΑ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/DAI148/

    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


    Με την ολοκλήρωση του μαθήματος ο φοιτητής θα μπορεί:
    (α) να κατανοεί και να περιγράφει τους αλγορίθμους, τις μεθόδους και τις εφαρμογές που χρησιμοποιούνται τόσο στην ανάκτηση πληροφορίας όσο και στις μηχανές αναζήτησης στον παγκόσμιο ιστό,
    (β) να επιλέγει την κατάλληλη μέθοδο ή αλγόριθμο ανάλογα με τις απαιτήσεις της εφαρμογής ανάκτησης πληροφορίας και αναζήτησης που σχεδιάζει,
    (γ) να αξιολογεί και να συγκρίνει εφαρμογές ανάκτησης πληροφορίας, και
    (δ) να συνθέτει και να προσαρμόζει τους αλγορίθμους ανάκτησης πληροφορίας για να επιλύσει νέα προβλήματα.










    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…

    …….


    - Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
    - Προσαρμογή σε νέες καταστάσεις
    - Λήψη αποφάσεων
    - Αυτόνομη εργασία
    - Παραγωγή νέων ερευνητικών ιδεών
    - Άσκηση κριτικής και αυτοκριτικής
    - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ [Syllabus]


    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
    Εισαγωγή - Λογικό μοντέλο - Ανεστραμμένο ευρετήριο
    Λεξιλόγιο και λίστες καταχωρίσεων - Ευρετήρια φράσεων
    Λεξικά και ανάκτηση ανεκτική σε σφάλματα
    Κατασκευή ευρετηρίου
    Συμπίεση ευρετηρίου
    Διαβαθμισμένη Ανάκτηση, Διανυσματικό μοντέλο
    Αξιολόγηση συστημάτων ανάκτησης πληροφορίας
    Ανάδραση συνάφειας και διεύρυνση ερωτημάτων
    Εισαγωγή στην αναζήτηση στον παγκόσμιο ιστό - Ανιχνευτές ιστού
    Ανάλυση συνδέσμων
    Διαφήμιση στον Παγκόσμιο Ιστό
    Συστήματα Συστάσεων
    Ημιδομημένα δεδομένα - XML και Ανάκτηση XML δεδομένων

    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

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

    Πρόσωπο με πρόσωπο

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

    Το εργαλείο RapidMiner για την επεξεργασία δεδομένων κειμένου. Το εργαλείο Gephi για την ανάλυση και οπτικοποίηση κοινωνικών δικτύων και γράφων.

    Διαφάνειες και επιδείξεις λογισμικών μέσω υπολογιστή και προβολικού

    Η εκπαιδευτική πλατφόρμα eclass χρησιμοποιείται για την επικοινωνία με τους φοιτητές, ανάρτηση εργασιών και ανακοινώσεων, και επίλυση αποριών στην περιοχή συζητήσεων.

    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

    26

    Εργαστηριακή Άσκηση

    13

    Μη καθοδηγούμενη μελέτη

    40

    Προετοιμασία  και συγγραφή εργασιών παράδοσης στην διάρκεια του εξαμήνου

                                    66

    Σύνολο Μαθήματος

    145

     

    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 στο τέλος του εξαμήνου που περιλαμβάνει επίλυση προβλημάτων και ερωτήσεις σύντομης απάντησης (50%)

    Ατομικές εργασίες εφαρμογής τεχνικών και επίλυσης προβλημάτων (20%)
    Ατομικές εργασίες ανάπτυξης κώδικα και παρουσίαση αποτελεσμάτων (30%)

    Ο τρόπος αξιολόγησης περιγράφεται και στην ιστοσελίδα του μαθήματος



    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία:
    - Manning, Christopher D.; Raghavan, Prabhakar; Schutze, Hinrich. Εισαγωγή στην Ανάκτηση Πληροφοριών. Εκδόσεις Κλειδάριθμος, 2012.
     - Baeza-Yates, Ricardo; Ribeiro-Neto, Berthier. Ανάκτηση Πληροφορίας, 2η Έκδοση. Εκδόσεις Τζιόλα, 2014.
    - Langiville, Amy; Meyer, Carl. Η επιστήμη των μεθόδων κατάταξης στις μηχανές αναζήτησης. ΙΤΕ-Πανεπιστημιακές Εκδόσεις Κρήτης, 2010.
    - Παπαδόπουλος, Απόστολος. Ανάκτηση Πληροφορίας. Ελληνικά Ακαδημαϊκά Συγγράμματα και Βοηθήματα- Αποθετήριο «Κάλλιπος», 2016

    - Συναφή επιστημονικά περιοδικά:
    - ACM Transactions on Information Systems (TOIS) (https://tois.acm.org/)
    - Information Retrieval Journal (https://link.springer.com/journal/10791)
    - International Journal of Information Retrieval Research (IJIRR) (https://www.igi-global.com/journal/international-journal-information-retrieval-research/1178)
    - Information Processing  Management (https://www.journals.elsevier.com/information-processing-and-management/)
    - Information Processing Letters (https://www.journals.elsevier.com/information-processing-letters)
    • ΑΝΑΛΥΣΗ ΔΙΚΤΥΩΝ ΚΑΙ ΕΞΟΡΥΞΗ ΓΝΩΣΗΣ ΑΠΟ ΤΟΝ ΠΑΓΚΟΣΜΙΟ ΙΣΤΟ
      (AIDA204)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    ΜΤΝΑΔ

    Τμήμα
    Π.Μ.Σ. ΣΤΗΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΑΝΑΛΥΤΙΚΗ ΔΕΔΟΜΕΝΩΝ

    Περιγραφή

    Τίτλος

    Aνάλυση Δικτύων και Εξόρυξη Γνώσης από τον Παγκόσμιο Ιστό

    (Network Analysis and Web Mining)

    Στόχοι

    Στόχος είναι η μελέτη, ανάλυση και εξόρυξη γνώσης από τον παγκόσμιο ιστό αλλά και τα κοινωνικά δίκτυα. Το μάθημα θα κινηθεί σε δύο άξονες την ανάλυση δικτύων και την εξόρυξη γνώσης από το web. Ο πρώτος άξονας εστιάζεται στη μέτρηση, ανάλυση και απεικόνιση των σχέσεων και των ροών ανάμεσα στις οντότητες που συμμετέχουν σε ένα δίκτυο με έμφαση στις ιδιότητες και εφαρμογές στον παγκόσμιο ιστό και τα κοινωνικά δίκτυα. Στο πλαίσιο της εξόρυξης γνώσης από τον ιστό, θα γίνει μελέτη μεθόδων και εργαλείων για την εξόρυξη γνώσης τόσο από το περιεχόμενο, τη δομή αλλά και τα δεδομένα χρήσης του παγκόσμιου ιστού με έμφαση στην διαχείριση μη σχεσιακών δεδομένων, όπως ήμι-δομημένα με μορφή γραφημάτων ή και αδόμητα όπως το κείμενο.

    Δεξιότητες

    Χρήση εργαλείων εξόρυξης γνώσης από δεδομένα και ανάλυσης δεδομένων όπως Python (NetworkX) και Rapidminer, και εργαλείων διαχείρισης και  οπτικοποίησης γραφημάτων όπως Neo4j , Pajekκαι Gephi.

    Προαπαιτήσεις

    -

    Πώς θα καλυφτούν οι προαπαιτήσεις

    Θα δοθεί βιβλιογραφία στα πλαίσια του μαθήματος, και θα υπάρξει επίβλεψη/καθοδήγηση από τον διδάσκοντα.

    Περιεχόμενο μαθήματος

    Η αρχιτεκτονική του ιστού, Εκκεντρικότητα και άλλες μετρικές δικτύων, Ομοφιλία και εντοπισμός κοινοτήτων, Ανάλυση συνδέσμων και αναζήτηση στον παγκόσμιο ιστό, Σχηματισμός, εξέλιξη κοινωνικών δικτύων και πρόβλεψη συνδέσεων, Επιρροή και διάχυση πληροφορίας, Οπτικοποίηση κοινωνικών δικτύων, Εξόρυξη κειμένου, Εξόρυξη γνώμης, Εξόρυξη από δεδομένα χρήσης στον παγκόσμιο ιστό , Διαφήμιση στον ιστό, Συστήματα συστάσεων 

    Προτεινόμενα βιβλία

    David Easley, Jon Kleinberg, “Networks, Crowds, and Markets -Reasoning about a Highly Connected World”, Cambridge University Press, 2010.

    Bing Liu, “Web Data Mining - Exploring Hyperlinks, Contents, and Usage Data”, Springer 2011.

    Jure Leskovec, Anand Rajaraman, Jeff Ullman, “Mining of Massive Datasets”, 2nd Edition, Cambridge University Press, 2014.

    Steve Borgatti, Martin Everett and Jeff Johnson, “Analyzing Social Networks”, 2nd Edition, Sage, 2018.

    Mohammed Zuhair Al-Taie, Seifedine Kadry, “Python for Graph and Network Analysis”, Springer, 2017.

    Dmitry Zinoviev, “Complex Network Analysis in Python: Recognize - Construct - Visualize - Analyze – Interpret”, Pragmatic Bookshelf , 2018.

    Μέθοδοι αξιολόγησης

    Εργασίες & τελική γραπτή εξέταση

    Ιστοσελίδα μαθήματος

    Το μάθημα θα φιλοξενηθεί στο http://compus.uom.gr

     

    • ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ
      (AIC202)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    AI

    Τμήμα
    ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    Περιγραφή

    ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ

    ΤΜΗΜΑ

    ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    AIC202

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Β

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ

    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

    5

     

     

     

     

     

     

    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:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    ΕΛΛΗΝΙΚΑ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/DAI104/

    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

    Με την ολοκλήρωση του μαθήματος ο φοιτητής θα μπορεί:
    (α) να σχεδιάζει διαγράμματα ER βάσεων δεδομένων που να είναι σύμφωνα με την ανάλυση απαιτήσεων συγκεκριμένων εφαρμογών,
    (β) να μετατρέπει τα διαγράμματα ER σε σχεσιακά σχήματα,
    (γ) να εκτελεί τα παραπάνω με τη βοήθεια εργαλείων CASE για μοντελοποίηση Βάσεων Δεδομένων,
    (δ) να σχεδιάζει ένα σχεσιακό σχήμα με τη μέθοδο της διάσπασης με κανονικοποίηση,
    (ε) να υλοποιεί σχεσιακά σχήματα σε εμπορικά DBMS (Oracle) και DBMS ανοιχτού κώδικα (MySQL),
    (στ) να κατανοεί τη σχεσιακή άλγεβρα και να χρησιμοποιεί τη γλώσσα SQL για να διαχειρίζεται μια βάση δεδομένων.

    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…

    …….

    - Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
    - Λήψη αποφάσεων
    - Αυτόνομη εργασία
    - Σχεδιασμός και διαχείριση έργων
    - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ [Syllabus]

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
    1. Εισαγωγή στις Βάσεις Δεδομένων
    2. Το μοντέλο Οντοτήτων/Συσχετίσεων (Entity/Relationship, ER)
    3. Το σχεσιακό μοντέλο – Μετατροπή Ο/Σ σε σχεσιακό
    4. Εργαλεία μοντελοποίησης λογικού και φυσικού μοντέλου
    5. Σχεσιακή Άλγεβρα
    6. SQL (απλά, εμφωλευμένα, συναθροιστικά και προχωρημένα  αιτήματα), QBE
    7. Κανονικοποίηση (Συναρτησιακές εξαρτήσεις, BCNF, 1NF, 2NF, 3NF,  4NF)
    8. Διαχείριση Βάσεων Δεδομένων (διαχείριση συστήματος και δεδομένων, χρήστες, δικαιώματα, backup, restore)

    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

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

    Πρόσωπο με πρόσωπο

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

    Open Source DBMS MySQL, PostgreSQL, CASE tool MySQLWorkbench, DB administration tool and client DBeaver, Oracle XE, Dia Diagram Editor.

    Διαφάνειες και επιδείξεις λογισμικών μέσω υπολογιστή και προβολικού.

    Η εκπαιδευτική πλατφόρμα openeclass χρησιμοποιείται για την επικοινωνία με τους φοιτητές, ανάρτηση εργασιών και ανακοινώσεων, και επίλυση αποριών στην περιοχή συζητήσεων.

    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

    26

    Εργαστηριακή Άσκηση

    13

    Μη καθοδηγούμενη μελέτη

    66

    Προετοιμασία και συγγραφή εργασιών παράδοσης στην διάρκεια του εξαμήνου

    40

    Σύνολο Μαθήματος

    145

     

    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.

    - Γραπτή Εξέταση στο τέλος του εξαμήνου που περιλαμβάνει επίλυση προβλημάτων, δοκιμασία πολλαπλής επιλογής και ερωτήσεις σύντομης απάντησης.

    - Ατομικές Εργασίες:  Έξι σύνολα εργασιών επίλυσης προβλημάτων και ανάπτυξης κώδικα ανά φοιτητή.

    O τελικός βαθμός προκύπτει κατά 70% από την τελική εξέταση και κατά 30% από τις ασκήσεις.

    Ο τρόπος αξιολόγησης περιγράφεται και στην ιστοσελίδα του μαθήματος.

    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία:
    - Ramakrishnan Raghu, Gehrke Joahannes. Συστήματα Διαχείρισης Βάσεων Δεδομένων, 3η Έκδοση. Εκδ. Τζιόλα, 2012.
    - Connoly Thomas, Begg Carolyn E.. Βάσεις δεδομένων Α΄ Τόμος. Μια Πρακτική Προσέγγιση στο Σχεδιασμό, την Υλοποίηση και την Διαχείριση Συστημάτων Βάσεων Δεδομένων. Εκδ. Γκιούρδα, 2008.

    - Συναφή επιστημονικά περιοδικά:
    - The International Journal on Very Large Data Bases (VLDB Journal) (https://link.springer.com/journal/778)
    - ACM Transactions on Database Systems (TODS) (https://tods.acm.org/)
    - International Journal of Database Management Systems (IJDMS) (http://airccse.org/journal/ijdms/ijdms.html)
    • ΔΙΑΧΕΙΡΙΣΗ ΚΑΙ ΑΝΑΛΥΤΙΚΗ ΔΕΔΟΜΕΝΩΝ ΣΤΟ ΥΠΟΛΟΓΙΣΤΙΚΟ ΝΕΦΟΣ
      (SD0202)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    MAI

    Τμήμα
    Π.Μ.Σ. ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ

    Περιγραφή

    Η περιγραφή του μαθήματος δεν είναι διαθέσιμη

    • ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ
      (AIC205)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    AI

    Τμήμα
    ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    Περιγραφή

    ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ

    ΤΜΗΜΑ

    ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    AIC205

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Β

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ

    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

    5

     

     

     

     

     

     

    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:

     

    ΔΙΑΔΙΚΑΣΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ, ΑΛΓΟΡΙΘΜΟΙ

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    ΕΛΛΗΝΙΚΑ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/DAI182/

    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


    Ο στόχος του μαθήματος είναι η μελέτη των δομών δεδομένων και εστιάζεται σε δύο αλληλοσυμπληρούμενους άξονες: α) την αναγνώριση και ανάπτυξη χρήσιμων μαθηματικών μοντέλων (Αφηρημένοι Τύποι Δεδομένων, ΑΤΔ) και των πράξεων τους, καθώς και τον προσδιορισμό των κατηγοριών των προβλημάτων που μπορούν να επιλύσουν και β) την ανάπτυξη μεθόδων αναπαράστασης και υλοποίησης των ΑΤΔ και των πράξεων τους στη διαδικαστική γλώσσα προγραμματισμού C.
    Μετά την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι σε θέση:
    - να γνωρίζουν  την κατάλληλη χρήση των δομών δεδομένων. [Εξοικείωση]
    - να περιγράφουν  κοινές εφαρμογές για κάθε μία από τις ακόλουθες δομές δεδομένων: σύνολο , στοίβα, ουρά, συνδεδεμένη λίστα,  Δυαδικό Δένδρο Αναζήτησης, Σωρό, κατακερματισμό. (Εξοικείωση)
    - να αναπτύσσουν προγράμματα όπου θα χρησιμοποιούν κάθε μία από τις παραπάνω δομές δεδομένων. (Χρήση)
    - να συγκρίνουν τις εναλλακτικές υλοποιήσεις των δομών δεδομένων σε σχέση με τις επιδόσεις. (Εκτίμηση)
    - να συγκρίνουν και να αντιπαραβάλουν το κόστος και τα οφέλη των υλοποιήσεων των δυναμικών και στατικών  δομών δεδομένων. (Εκτίμηση)
    - να επιλέγουν  την κατάλληλη δομή δεδομένων για τη μοντελοποίηση ενός δεδομένου προβλήματος. (Εκτίμηση)
    - να υλοποιούν έργα (projects) που απαιτούν την εφαρμογή  των παραπάνω δομών δεδομένων (Εφαρμογή)

    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 στις ακόλουθες γενικές ικανότητες:
    - Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
    - Λήψη αποφάσεων
    - Αυτόνομη εργασία
    - Εργασία σε διεθνές περιβάλλον
    - Εργασία σε διεπιστημονικό περιβάλλον
    - Παράγωγή νέων ερευνητικών ιδεών
    - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ [Syllabus]


    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
    Εισαγωγή στις δομές δεδομένων, Αφηρημένος Τύπος Δεδομένων (ΑΤΔ).
    Στοίβα (stack), βασικές πράξεις, υλοποίηση στοίβας με πίνακα, εφαρμογές με τη χρήση στοίβας.
    Ουρά (queue), βασικές πράξεις, υλοποίηση ουράς με πίνακα, εφαρμογές με τη χρήση ουράς.
    Λίστα (list), βασικές πράξεις, υλοποίηση λίστας με σειριακή αποθήκευση.
    Συνδεδεμένη Λίστα (ΣΛ, linked list) , υλοποίηση με χρήση δεικτών, υλοποίηση στοίβας, ουράς ως ΣΛ, εφαρμογές ΣΛ.
    Δέντρα, Δυαδικά Δέντρα (ΔΔ, binary trees), βασικές πράξεις, υλοποίηση ΔΔ με πίνακα, με δείκτες και με αναδρομή, εφαρμογές ΔΔ: κώδικες Huffman.
    Πλήρη ΔΔ, Μέγιστα/Ελάχιστα δέντρα, Σωρός.
    Κατακερματισμός (hashing), ανοιχτής διεύθυνσης (open probing) και αλυσίδες συνωνύμων (chaining),  υλοποίηση πίνακα κατακερματισμού (hash table).
    Β-Δέντρα, βασικές πράξεις.
    AVL - Δέντρα, βασικές πράξεις.

    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

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

    Πρόσωπο με πρόσωπο

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

    – Ολοκληρωμένο περιβάλλον προγραμματισμού ( Code::Blocks, ανοικτού κώδικα λογισμικό), gcc compiler
    – Διαφάνειες
    – Ιστοχώρος του μαθήματος με σημειώσεις.
    – Ανακοινώσεις και περιοχή συζητήσεων για επίλυση αποριών σε πλατφόρμα ασύγχρονης τηλεκπαίδευσης (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

    26

    Εργαστηριακή Ασκηση-Φροντιστήριο

    12

    Μη καθοδηγούμενη Μελέτη

    60

    Συγγραφή Εργασιών (Παράδοση Εβδομαδιαίων  Ασκήσεων)

    35

    Εξετάσεις

    2

    Σύνολο Μαθήματος

    145

     

    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.


    Εξέταση γραπτή στο τέλος του εξαμήνου που περιλαμβάνει επίλυση προβλημάτων
    Κατ’ οίκον εβδομαδιαίες εργασίες ανάπτυξης κώδικα. Περίπου 3 προγράμματα /βδομάδα Χ 12 βδομάδες = ~36 προγράμματα μικρού και μεσαίου μεγέθους αναπτύσσει κάθε φοιτητής το εξάμηνο
    Τόσο η τελική εξέταση όσο και οι εβδομαδιαίες εργασίες στοχεύουν στην επίλυση υπολογιστικών προβλημάτων μέσω της εφαρμογής των δομών δεδομένων με την ανάπτυξη αλγόριθμων και υλοποίηση τους σε πρόγραμμα με τη γλώσσα προγραμματισμού C.
    Προσδιορισμένα κριτήρια
    Το (1) συμβάλλει στο 80%
    Το (2) συμβάλλει στο 20%
    Προσβάσιμα στους φοιτητές μέσω της ιστοσελίδας τους μαθήματος

    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία:
    - Νικόλαος Μισυρλής. Δομές Δεδομένων με C. Εκδ. ΕΚΠΑ, 2008.
    - Μποζάνης Παναγιώτης Δ.. Δομές Δεδομένων, 2η Έκδοση. Εκδ. Τζιόλα, 2016.
    - Bruno R. Preiss, Επιστ. Επιμ. Κώστας Κοντογιάννης. Δομές Δεδομένων και Αλγόριθμοι με Αντικειμενοστρεφή Σχεδιαστικά Μορφήματα στη C++. Εκδ. Πεδίο, 2016.
    - Sahnii Sartaj. Δομές δεδομένων, αλγόριθμοι και εφαρμογές C++. Εκδ. Τζιόλα, 2004.
    - Συναφή επιστημονικά περιοδικά:
    - ACM Transactions on Computer Systems
    - Algorithms
    - Journal of Graph Algorithms and Applications
    - Theoretical Computer Science
    - Journal of Discrete Algorithms
    • ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΚΑΙ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ
      (MLI0103)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    ΜΔΠ

    Τμήμα
    Δ.Π.Μ.Σ. ΔΙΚΑΙΟ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗ

    Περιγραφή

    Η περιγραφή του μαθήματος δεν είναι διαθέσιμη

    • ΣΥΣΤΗΜΑΤΑ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ
      (CSC502)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    AI

    Τμήμα
    ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    Περιγραφή

    ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ

    ΤΜΗΜΑ

    ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    CSC502

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Ε

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΣΥΣΤΗΜΑΤΑ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ

    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

    5

     

     

     

     

     

     

    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:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    ΕΛΛΗΝΙΚΑ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/DAI207/

    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

    Με την ολοκλήρωση του μαθήματος ο φοιτητής θα μπορεί:
    (α) κατανοεί τα συστατικά μέρη ενός DBMS,
    (β) να γνωρίζει τους τρόπους οργάνωσης των αρχείων και τους τύπους ευρετηρίων,
    (γ) να κατανοεί τον τρόπο υλοποίησης της εξωτερικής ταξινόμησης και των σχεσιακών τελεστών
    (δ) να κατανοεί τη σημασία της βελτιστοποίησης αιτημάτων,
    (ε) να κατανοεί την έννοια της συναλλαγής και τα ζητήματα του ταυτοχρονισμού και της διαδικασίας επαναφοράς του συστήματος μετά από βλάβη,
    (στ) να κατανοεί τα είδη των NoSQL βάσεων δεδομένων και πότε χρησιμοποιούνται,
    (ζ) να κατανοεί τις σχεδιαστικές αρχές και να σχεδιάζει μία βάση δεδομένων σε βάσεις δεδομένων εγγράφων και βάσεις δεδομένων γράφων,
    (η) να κατανοεί και να χρησιμοποιεί τη γλώσσα Cypher για απάντηση ερωτημάτων πάνω σε μια βάση δεδομένων γράφων.

    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…

    …….

    - Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
    - Λήψη αποφάσεων
    - Αυτόνομη εργασία
    - Σχεδιασμός και διαχείριση έργων
    - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ [Syllabus]

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
    1. Αρχιτεκτονική του DBMS
    2. Αποθηκεύοντας Δεδομένα: Δίσκοι και Αρχεία
    3. Οργανώσεις Αρχείων και Ευρετήρια
    4. Δεντρικά Ευρετήρια και Ευρετήρια Κατακερματισμού
    5. Εξωτερική ταξινόμηση
    6. Υπολογισμός Σχεσιακών Πράξεων
    7. Βελτιστοποίηση Αιτημάτων
    8. Διαχείριση Συναλλαγών
    9. Έλεγχος Ταυτοχρονισμού
    10. Επαναφορά του Συστήματος
    11. NoSQL Βάσεις Δεδομένων
    12. Βάσεις Δεδομένων Εγγράφων (MongoDB)
    13. Βάσεις Δεδομένων Γράφων (Neo4j)
    14. Γλώσσες αιτημάτων για NoSQL βάσεις δεδομένων (Cypher)

    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

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

    Πρόσωπο με πρόσωπο

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

    Επίδειξη λογισμικών για την κατανόηση των B+trees (εκπαιδευτικό λογισμικό που
    αναπτύχθηκε στα πλαίσια ΕΠΕΑΕΚ), διάφορα εμπορικά και open source DBMS (Oracle XE, IBM DB2, MySQL, PostgreSQL) για την επίδειξη της
    ταυτόχρονης εκτέλεσης συναλλαγών και την επαναφορά του συστήματος. NoSQL DBMS όπως Neo4j και MongoDB.

    Διαφάνειες και επιδείξεις λογισμικών μέσω υπολογιστή και προβολικού.

    Η εκπαιδευτική πλατφόρμα eclass χρησιμοποιείται για την επικοινωνία με τους φοιτητές, ανάρτηση εργασιών και ανακοινώσεων, και επίλυση αποριών στην περιοχή συζητήσεων.

    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

    Μη καθοδηγούμενη μελέτη

    66

    Προετοιμασία  και συγγραφή εργασιών παράδοσης στην διάρκεια του εξαμήνου

    40

    Σύνολο Μαθήματος

    145

     

    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.


    - Γραπτή Εξέταση στο τέλος του εξαμήνου που περιλαμβάνει επίλυση προβλημάτων, δοκιμασία πολλαπλής επιλογής και ερωτήσεις σύντομης απάντησης.

     - Ατομικές Εργασίες

    O τελικός βαθμός προκύπτει κατά 70% από την τελική εξέταση και κατά 30% από τις ασκήσεις.

    Ο τρόπος αξιολόγησης περιγράφεται και στην ιστοσελίδα του μαθήματος.

    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία:
    - Ramakrishnan Raghu, Gehrke Joahannes. Συστήματα Διαχείρισης Βάσεων Δεδομένων, 3η Έκδοση. Εκδ. Τζιόλα, 2012.

    GARCIA-MOLINA, ULLMAN, WIDOM. ΣΥΣΤΗΜΑΤΑ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ - ΤΟΜΟΣ ΙΙ, Έκδοση 1η, 2011, ISBN: 978-960-524-311-1, Ίδρυμα Τεχνολογίας  Έρευνας-Πανεπιστημιακές Εκδόσεις Κρήτης

    Elmasri Ramez, Navathe Shamkant B. Θεμελιώδεις Αρχές Συστημάτων Βάσεων Δεδομένων, 7η Έκδοση Αναθεωρημένη, 2016, ISBN: 978-960-531-343-2, ΔΙΑΥΛΟΣ Α.Ε. ΕΚΔΟΣΕΙΣ ΒΙΒΛΙΩΝ

    - Συναφή επιστημονικά περιοδικά:
    - The International Journal on Very Large Data Bases (VLDB Journal) (https://link.springer.com/journal/778)
    - ACM Transactions on Database Systems (TODS) (https://tods.acm.org/)
    - International Journal of Database Management Systems (IJDMS) (http://airccse.org/journal/ijdms/ijdms.html)
    • ΤΕΧΝΟΛΟΓΙΕΣ ΝΕΦΟΥΣ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΔΕΔΟΜΕΝΩΝ ΣΤΟΝ ΠΑΓΚΟΣΜΙΟ ΙΣΤΟ
      (BC0109)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    MAI

    Τμήμα
    Π.Μ.Σ. ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ

    Περιγραφή

    Η περιγραφή του μαθήματος δεν είναι διαθέσιμη

    Δημοσιεύσεις


    • Βιβλία (3 εγγραφές)

    Περιλαμβάνει Βιβλία ή/και μονογραφίες σε διεθνείς ή ελληνικούς εκδοτικούς οίκους. Κεφάλαια ή άρθρα συλλογικών τόμων ή επιμέλεια τόμων σε διεθνείς ή ελληνικούς εκδοτικούς οίκους.

      2019

      • A. Karakasidis and G. Koloniari. 2019. Private entity resolution for big data on Apache Spark using multiple phonetic codes. Big Data Recommender Systems-Volume 1: Algorithms, Architectures, Big Data, Security and Trust, 283-301.

        Προβολή Δημοσίευσης

      • G. Koloniari and A. Sifaleras. 2019. Game-Theoretic Approaches in Cloud and P2P Networks: Issues and Challenges. Operational Research in the Digital Era – ICT Challenges. Springer Proceedings in Business and Economics. Springer, Cham

        Προβολή Δημοσίευσης

      2017

      • G. Koloniari, P. Lionakis and K. Stefanidis. 2017. Social Search and Querying. In: Alhajj R., Rokne J. (eds) Encyclopedia of Social Network Analysis and Mining. Springer, New York, NY.

        Προβολή Δημοσίευσης

      • Επιστημονικά Περιοδικά (6 εγγραφές)

      Περιλαμβάνει Άρθρα σε διεθνή ή ελληνικά επιστημονικά περιοδικά (με κριτές).

        2022

        • D. Sarakatsianou and G. Koloniari. 2022. Developing a Metadata Standard fro Orthodox Christian Canon Law Description: OrthoCCL Metadata Version 1.0. Journal of Religious & Theological Information

          Προβολή Δημοσίευσης

        2020

        • N, Sachependeris, G. Koloniari and A. Karakasidis. 2020. COTILES: Leveraging Content and Structure for Evolutionary Community Detection. Transactions on Large-Scale Data- and Knowledge-Centered Systems XLV:56-84.

          Προβολή Δημοσίευσης

        2012

        • G. Koloniari and E. Pitoura. A Game-Theoretic Approach to the Formation of Clustered Overlay Networks. IEEE Transactions on Parallel and Distributed Systems, Vol.:23(4), p. 589-597, 2012.

        2009

        • G. Koloniari and E. Pitoura. A Recall-Based Cluster Formation Game in Peer-to-Peer Systems. 35th International Conference on Very Large Data Bases, Proceedings of the VLDB Endowment (PVLDB), Vol.:2(1), p. 455-466, 2009.

        2005

        • G. Koloniari and E. Pitoura. Peer-to-Peer Management of XML Data: Issues and Research Challenges. Sigmod Record, Vol.:34(2), p. 6-17, 2005.

        2004

        • G. Koloniari and E. Pitoura. Filters for XML-based Service Discovery in Pervasive Computing. Computer Journal, Special Issue on Mobile and Pervasive Computing, Vol.:47(4), p. 461-474, 2004.
        • Συνέδρια (30 εγγραφές)

        Περιλαμβάνει Άρθρα σε δημοσιευμένα πρακτικά διεθνών ή ελληνικών συνεδρίων (με κριτές).

          2023

          • E. Tsoukanara, G. Koloniari and E. Pitoura. 2023. GraphTempo:An aggregation framework for evolving graphs. Proceedings of the 26th International Conference on Extending Database Technology (EDBT).

            Προβολή Δημοσίευσης

          2021

          • E. Tsoukanara, G. Koloniari, E. Pitoura. 2021. Should I Stay or Should I Go: Predicting Changes in Cluster Membership. Web and Big Data. APWeb-WAIM 2021 International Workshops. Communications in Computer and Information Science, vol 1505. Springer, Singapore.

            Προβολή Δημοσίευσης

          2020

          • A. Pentelas, A. Sifaleras and G. Koloniari. 2020. A Reduced Variable Neighborhood Search Approach for Feature Selection in Cancer Classification. In: Benmansour, R., Sifaleras, A., Mladenović, N. (eds) Variable Neighborhood Search. ICVNS 2019. Lecture Notes in Computer Science(), vol 12010. Springer, Cham.

            Προβολή Δημοσίευσης

          2019

          • N. Sachpenderis, A. Karakasidis, and G. Koloniari. 2019. Structure and Content based Community Detection in Evolving Social Networks. In Proceedings of the 11th International Conference on Management of Digital EcoSystems (MEDES '19). Association for Computing Machinery, New York, NY, USA, 1–8.

            Προβολή Δημοσίευσης

          • G. Koloniari, G. Evangelidis, N. Sachpenderis and I. Milonas. 2019. A Framework for Predicting Community Behavior in Evolving Social Networks. In Proceedings of the 9th Balkan Conference on Informatics (BCI'19), ACM, New York, NY, USA, Article 18, 4 pages.

            Προβολή Δημοσίευσης

          2018

          • A. Karakasidis and G. Koloniari. 2018. Phonetics-Based Parallel Privacy Preserving Record Linkage. In: Advances on P2P, Parallel, Grid, Cloud and Internet Computing. 3PGCIC 2017. Lecture Notes on Data Engineering and Communications Technologies, vol 13. Springer, Cham.

            Προβολή Δημοσίευσης

          • K. Stavridis, G. Koloniari and E. Keramopoulos. 2018 South-Eastern European Design Automation, Computer Engineering, Computer Networks and Society Media Conference (SEEDA_CECNSM), IEEE, pp. 1-6.

            Προβολή Δημοσίευσης

          • N. Sachpenderis and G. Koloniari. 2018. Determining Interesting Communities in Evolving Social Networks. Proceedings of the 22Nd Pan-Hellenic Conference on Informatics (PCI '18). ACM, 249-254.

            Προβολή Δημοσίευσης

          2017

          • G. Koloniari. 2017. Evaluating the Use of an Interactive Software Tool for Learning BCNF Normalization. In Proceedings of the 8th Balkan Conference in Informatics (BCI '17). ACM, New York, NY, USA, Article 27, 8 pages.

            Προβολή Δημοσίευσης

          2016

          • C. Stefanidis and G. Koloniari. 2016. An interactive tool for teaching and learning database normalization. In Proceedings of the 20th Pan-Hellenic Conference on Informatics (PCI '16). ACM, New York, NY, USA, Article 18, 4 pages.

            Προβολή Δημοσίευσης

          2015

          • A. Karakasidis, G. Koloniari and V.S. Verykios. 2015. PRIVATEER: A Private Record Linkage Toolkit. Proceedings of the CAiSE 2015 Forum at the 27th International Conference on Advanced Information Systems Engineering co-located with 27th International Conference on Advanced Information Systems Engineering (CAiSE 2015), pp. 197-2014.

            Προβολή Δημοσίευσης

          • A. Karakasidis, G. Koloniari, and V.S. Verykios. 2015. Scalable Blocking for Privacy Preserving Record Linkage. In Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD '15). ACM, New York, NY, USA, 527-536.

            Προβολή Δημοσίευσης

          • A. Karakasidis, G. Koloniari, V.S. Verykios. 2015. Privacy Preserving Blocking and Meta-Blocking. In: Machine Learning and Knowledge Discovery in Databases. ECML PKDD 2015. Lecture Notes in Computer Science, vol 9286. Springer, Cham

            Προβολή Δημοσίευσης

          • G. Koloniari and E. Pitoura. 2016. Transaction Management for Cloud-Based Graph Databases. In: Algorithmic Aspects of Cloud Computing. ALGOCLOUD 2015. Lecture Notes in Computer Science, vol 9511. Springer, Cham

            Προβολή Δημοσίευσης

          2014

          • P. Lionakis, K. Stefanidis and G. Koloniari. 2014. SQTime: Time-Enhanced Social Search Querying. In: Advances in Conceptual Modeling. ER 2014. Lecture Notes in Computer Science, vol 8823. Springer, Cham.

            Προβολή Δημοσίευσης

          • K. Stefanidis and G. Koloniari. 2014. Enabling Social Search in Time through Graphs. In Proceedings of the 5th International Workshop on Web-scale Knowledge Representation Retrieval & Reasoning (Web-KR '14). ACM, New York, NY, USA, 59-62.

            Προβολή Δημοσίευσης

          2013

          • G. Koloniari and E. Pitoura. Partial View Selection for Evolving Social Graphs. First International Workshop on Graph Data Management Experiences and Systems (GRADES), Article No. 9, 2013.
          • G. Koloniari and K. Stefanidis. Social Search Queries in Time. 7th International Workshop on Personalized Access, Profile Management, and Context Awareness in Databases (PersDB), in conjunction with VLDB, 2013.

          2012

          • G. Koloniari, D. Souravlias and E. Pitoura. On Graph Deltas for Historical Queries. First International Workshop on Online Social Systems (WOSS), in conjunction with VLDB, 2012.

          2011

          • G. Koloniari, N. Ntarmos, E. Pitoura and D. Souravlias. One is enough: distributed filtering for duplicate elimination. Proceedings of the 20th ACM International Conference on Information and Knowledge Management (CIKM), 2011.

          2010

          • G. Koloniari and E. Pitoura. LCA-based Selection for XML Document Collections. Proceedings of the 19th international conference on World Wide Web (WWW), 2010.

          2009

          • G. Koloniari and E. Pitoura. Distributed Structural Relaxation of XPath Queries. Proceedings of the 25th International Conference on Data Engineering (ICDE), 2009.

          2008

          • G. Koloniari and E. Pitoura. Recall-based cluster reformulation by selfish peers. Proceedings of the 24th International Conference on Data Engineering Workshops (NetDB ICDE Workshop, ICDEW) , 2008.
          • G. Koloniari and E. Pitoura. A Clustered Index Approach to Distributed XPath Processing. Poster in Proceedings of the 24th International Conference on Data Engineering (ICDE), 2008.

          2006

          • G. Koloniari and E. Pitoura. Workload-Aware Clustering of XML Peers. International Conference on Intelligent Systems and Computing: Theory and Applications (ISYC), 2006.

          2005

          • G. Koloniari, Y. Petrakis, E. Pitoura and T. Tsotsos. Query Workload-Aware Overlay Construction Using Histograms. Proceedings of the 2005 ACM International Conference on Information and Knowledge Management (CIKM), 2005.

          2004

          • G. Koloniari and E. Pitoura. Content-based Routing of Path Queries in Peer-to-Peer Systems. Proceedings of the 9th International Conference on Extending Database Technology (EDBT), 2004.
          • Y. Petrakis, G. Koloniari and E. Pitoura. On Using Histograms as Routing Indexes in Peer-to-Peer System. 2nd International Workshop on Databases, Information Systems and Peer-to-Peer Computing (DBISP2P), in conjunction with VLDB, 2004.

          2003

          • G. Koloniari and E. Pitoura. Multi-level Bloom Filters for Hierarchical Data. Proceedings of the 5th International Workshop on Distributed Data and Structures (WDAS), 2003.
          • G. Koloniari, Y. Petrakis and E. Pitoura. Content-Based Overlay Networks of XML Peers Based on Multi-Level Bloom Filters. International Workshop on Databases, Information Systems and Peer-to-Peer Computing (DBISP2P), in conjunction with VLDB, 2003.
          • Άλλα (8 εγγραφές)

          Περιλαμβάνει Παρουσιάσεις σε διεθνή ή ελληνικά συνέδρια χωρίς δημοσίευση σε πρακτικά.

            2013

            • A. Sifaleras and G. Koloniari. A Survey of Game-Theoretic Approaches in P2P Networks. Extended Abstract to appear in XI Balkan Conference on Operational Research (BALCOR), 2013.

            2012

            • D. Souravlias, G.Koloniari and E. Pitoura. InterSocialDB: An Infrastructure for Managing Social Data. Intersocial Workshop on Online Social Networks: Challenges and Perspectives (IWOSN), 2012.

            2010

            • G. Koloniari and E. Pitoura, LCA-based Selection for XML Document Collections. 9th Hellenic Data Management Symposium, 2010.

            2009

            • G. Koloniari and E. Pitoura, A Recall-Based Cluster Formation Game in Peer-to-Peer Systems. 8th Hellenic Data Management Symposium, 2009.

            2006

            • G. Koloniari, Y. Petrakis, E. Pitoura and T. Tsotsos. Query Workload-Aware Overlay Construction Using Histograms. 5th Hellenic Data Management Symposium, 2006.

            2004

            • G. Koloniari. Mobile Peer-to-Peer. Extended Abstract in Mobile Information Management, 2004.
            • J. Grunbauer, M. Klein, G. Koloniari, G. Samaras, C. Turker. 04441 Working Group - Description and Matching of Services in Mobile Environments. Mobile Information Management, 2004.

            2003

            • G. Koloniari and E. Pitoura. Routing Path Queries in Peer-to-Peer Systems. 2nd Hellenic Data Management Symposium, 2003.
            Wheelchair Blue
            Accessibility Tools
            Fonts PlusIncrease Text
            Fonts MinusDecrease Text
            ContrastHigh Contrast
            GrayscaleGrayscale
            Readable FontReadable Font