BI415 - Διαχείριση μεγάλων δεδομένων
Μεταπτυχιακό Δίπλωμα Επιστήμης στην Επιχειρηματική Ευφυΐα και την Ανάλυση Δεδομένων
Κύριο μάθημα
BI415 - Διαχείριση μεγάλων δεδομένων
Κωδικός Μονάδας Μαθήματος: BI415
Τύπος μονάδας: Πυρήνας
Επίπεδο Μονάδας Μαθήματος: Δεύτερος κύκλος
Έτος σπουδών: Πρώτη
Εξάμηνο: Κατά παραγγελία
Αριθμός μονάδων ECTS: 6
Ώρες επαφής με το μάθημα: 28
Τρόπος παράδοσης:
Πρόσωπο με πρόσωπο
Προαπαιτούμενα
Κανένα
Στόχοι του μαθήματος
Η πρόοδος των τεχνολογιών αποθήκευσης, επεξεργασίας, υπολογισμού και ανίχνευσης της πληροφορικής προσέθεσε νέες διαστάσεις πολυπλοκότητας στις ευρέως χρησιμοποιούμενες τεχνικές στατιστικής και μηχανικής μάθησης που χρησιμοποιούνταν μέχρι σήμερα στην ανάλυση δεδομένων. Οι εταιρείες και οι οργανισμοί αποθηκεύουν τεράστιους όγκους δεδομένων ποικίλων μορφών και δομών, που εισέρχονται με διαφορετικές ταχύτητες, προσθέτοντας περαιτέρω πολυπλοκότητα στο πρόβλημα της ανάλυσης δεδομένων. Το μάθημα αυτό θα διδάξει στους φοιτητές την αξία που θα μπορούσε να εξαχθεί από μεγάλα σύνολα δεδομένων (Big Data) προκειμένου να βελτιωθούν οι δυνατότητες λήψης αποφάσεων σε μια επιχείρηση. Με την ολοκλήρωση αυτού του μαθήματος, οι φοιτητές θα είναι εφοδιασμένοι τόσο με επιχειρηματικές όσο και με τεχνικές δεξιότητες που σχετίζονται με τον κόσμο των μεγάλων δεδομένων. Θα αποκτήσουν γνώσεις γύρω από τα σύγχρονα εργαλεία που χρησιμοποιούνται στην ανάλυση μεγάλων δεδομένων, όπως το Hadoop, το Pig και το Hive.
Μαθησιακά αποτελέσματα
- Κατανοήστε την αξία των μεγάλων δεδομένων, καθώς και τις θεμελιώδεις ιδιότητες όπως η ταχύτητα, η ποικιλία, η αληθοφάνεια και ο όγκος.
- Κατανοήστε την πολυπλοκότητα των έργων που σχετίζονται με την επιστήμη των μεγάλων δεδομένων.
- Επίδειξη κατανόησης των διαφόρων τύπων δεδομένων μη μοντελοποιημένων, πολυδομημένων, μη δομημένων κ.λπ.
- Απόκτηση τεχνικών ικανοτήτων για την αποθήκευση μεγάλων συνόλων δεδομένων με τη χρήση σύγχρονων αρχιτεκτονικών και λογισμικού.
- Απόκτηση τεχνικών ικανοτήτων για την αναζήτηση μεγάλων συνόλων δεδομένων για σκοπούς εξόρυξης και ανάλυσης δεδομένων.
Περιεχόμενο μαθήματος
Χαρακτηριστικά μαθήματος
Προγραμματισμένες μαθησιακές δραστηριότητες και μέθοδοι διδασκαλίας
διαλέξεις, ομαδική εργασία, εργαστηριακή εργασία, παιχνίδι ρόλων, μάθηση βάσει σχεδίου, εργασία για το σπίτι
Μέθοδοι και κριτήρια αξιολόγησης
10% Συμμετοχή στην τάξη
50% Ατομικές εργασίες
40% Εξέταση στην τάξη
Γλώσσα διδασκαλίας
Αγγλικά
Πρακτική άσκηση(ες)
Δεν ισχύει
Αναγνώσεις
Υποχρεωτικό ανάγνωσμα:
1. Bernard Marr. Big Data: Big Data, Analytics and Metrics to Make Better Decisions and Improve Performance (Χρήση έξυπνων μεγάλων δεδομένων, αναλύσεων και μετρήσεων για τη λήψη καλύτερων αποφάσεων και τη βελτίωση της απόδοσης). Wiley, 2015.
2. Tom White. Hadoop: Hadoop: Ο απόλυτος οδηγός. O'Reilly (4η έκδοση), 2015.
Συνιστώμενη ανάγνωση:
Συγγράμματα
3. Cindi Howson. Επιτυχημένη Επιχειρηματική Νοημοσύνη. Ξεκλειδώστε την αξία του BI και των μεγάλων δεδομένων. Mc Graw Hill Education (2η έκδοση), 2013.
Ερευνητικά άρθρα:
4. Chen Hsinchun, Roger Chiang και Veda Storey. Business Intelligence and Analytics: Από τα μεγάλα δεδομένα στον μεγάλο αντίκτυπο. MIS Quarterly, Vol. 36(4), p1165- 1188,2012.
5. Bart Baesens, Ravi Bapna, James Marsden, Jan Vanthienen και Leon Zhao. Μετασχηματιστικά ζητήματα των μεγάλων δεδομένων και της ανάλυσης στα δίκτυα επιχειρήσεων. MIS Quarterly. Vol. 40(4), p807-818, 2016.
6. Andrew Mcafee και Erik Brynjofsson. Μεγάλα δεδομένα: Η διοικητική επανάσταση. Harvard Business Review, Οκτώβριος 2012, 2012.
7. Maxwell Wessel. Δεν χρειάζεστε μεγάλα δεδομένα - Χρειάζεστε τα σωστά δεδομένα. Harvard Business Review, Νοέμβριος 2016, 2016.
English (UK) 
Ελληνικά