ΒΑ στις Επιστήμες Δεδομένων

Πρόγραμμα Σπουδών

1ο εξάμηνο/ semester 1	Μάθημα/ Module	ECTS credits
	Διεθνές μάρκετινγκ και branding/ International Marketing and Branding	10
	Εφαρμοσμένες Πωλήσεις/ Applied Sales	10
	Διαχείριση Εφοδιαστικής Αλυσίδας/Supply Chain Management	10
	Έξυπνο εργοστάσιο/ Smart Factory	10
	Συνεργατική εργασία/ Collaborative Work	5
	Στατιστική – Πιθανότητες και περιγραφική στατιστική/ Statistics – Probability and Descriptive Statistics	5
2ο εξάμηνο/ semester 2	Μάθημα/ Module	ECTS credits
	Αντικειμενοστραφής και λειτουργικός προγραμματισμός με Python/ Object-Oriented and Functional Programming with Python	5
	Μαθηματικά: Άλγεβρα: Γραμμική Άλγεβρα/ Mathematics: Linear Algebra	5
	Διαπολιτισμική και ηθική λήψη αποφάσεων/ Intercultural and Ethical Decision-Making	5
	Στατιστική – Επαγωγική στατιστική/Statistics – Inferential Statistics	5
	Μοντελοποίηση βάσεων δεδομένων και συστήματα βάσεων δεδομένων/ Database Modeling and Database Systems	5
	Εργασία:Δόμηση Data Mart σε SQL/ Project: Build a Data Mart in SQL	5
3ο εξάμηνο/ semester 3	Μάθημα/ Module	ECTS credits
	Επιχειρηματική ευφυΐα/ Business Intelligence	5
	Εργασία: Επιχειρηματική ευφυΐα/ Project: Business Intelligence	5
	Μηχανική Μάθηση – Μάθηση με επίβλεψη/ Machine Learning – Supervised Learning	5
	Μηχανική Μάθηση – Μάθηση χωρίς επίβλεψη και μηχανική χαρακτηριστικών/ Machine Learning – Unsupervised Learning and Feature Engineering	5
	Επιστήμη δεδομένων Μηχανική λογισμικού/ Data Science Software Engineering	5
	Εργασία: Από το μοντέλο στην παραγωγή/ Project: From Model to Production	5
4ο εξάμηνο/ semester 4	Μάθημα/ Module	ECTS credits
	Ευέλικτη διαχείριση έργων/ Agile Project Management	5
	Τεχνολογίες Big Data/ Big Data Technologies	5
	Ποιότητα δεδομένων και επεξεργασία δεδομένων/ Data Quality and Data Wrangling	5
	Explorative Data Analysis and Visualization	5
	Υπολογιστικό νέφος/ Cloud Computing	5
	Σεμινάριο: Data Science/ Seminar: Ethical Considerations in Data Science	5
5ο εξάμηνο/ semester 5	Μάθημα/ Module	ECTS credits
	Ανάλυση χρονοσειρών/ Time Series Analysis	5
	Νευρωνικά δίκτυα και βαθιά μάθηση/ Neural Nets and Deep Learning	5
	Επιλογής Α/ Electives A	10
	Επιλογής Β/Electives	10
6ο εξάμηνο/ semester 6	Μάθημα/ Module	ECTS credits
	Επιλογής Γ/ Electives C	10
	Εισαγωγή στην προστασία δεδομένων και την ασφάλεια πληροφορικής/ Introduction to Data Protection and IT Security	5
	Μοντέλο μηχανικής/ Model Engineering	5
	Πτυχιακή Εργασία/ Bachelor Thesis	10
Επιλογή Α/ Elective A	Μάθημα/ Module	ECTS credits
	Μηχανικός δεδομένων/ Data Engineer	10
	Αναλυτής Δεδομένων/ Data Analyst	10
	Ειδικός AI/ AI Specialist	10
	FinTech	10
	Παράγωγα και διαχείριση κινδύνων/ Derivatives and Risk Management	10
	Διεθνής χρηματοδότηση/ International Finance	10
Επιλογή Β/ Elective B	Μάθημα/ Module	ECTS credits
	Διεθνές μάρκετινγκ και branding/International Marketing and Brandin	10
	Εφαρμοσμένες πωλήσεις/Applied Sales	10
	Διαχείριση Εφοδιαστικής Αλυσίδας/Supply Chain Management	10
	Έξυπνο εργοστάσιο/ Smart Factory	10
	Μηχανική παραγωγής, αυτοματισμοί και ρομποτική / Production Engineering, Automation and Robotics	10
	Αυτόνομη οδήγηση/ Autonomous Driving	10
Επιλογή Γ/ Elective C	Μάθημα/ Module	ECTS credits
	Διεθνές μάρκετινγκ και branding/International Marketing and Branding	10
	Εφαρμοσμένες πωλήσεις/Applied Sales	10
	Διαχείριση Εφοδιαστικής Αλυσίδας/Supply Chain Management	10
	Έξυπνο εργοστάσιο/ Smart Factory	10
	Automation and Robotics	10
	Αυτόνομη οδήγηση/ Autonomous Driving	10
	Ξένη Γλώσσα/ Foreign Language	10
	Γενικές Σπουδές/ Studium Generale*	10
	Εξέλιξη Καρίερας/ Career Development	10
	Microsoft ERP- Dynamics 365 Business Central – Λειτουργικός σύμβουλος/Microsoft ERP- Dynamics 365 Business Central – Functional Consultant	10
	SAP – SAP S/4HANA Business Process Integration – Application Associate/ SAP – SAP S/4HANA Business Process Integration – Application Associate	10
	Κατακτώντας τις προτροπές/ Mastering Prompts	10
	Ανάπτυξη καριέρας/ Career Development	10

Διάρκεια και Κόστος Προγράμματος

Η συνολική αξία του προγράμματος ανέρχεται στα 4000 €/ έτος (early bird), συμπεριλαμβανομένου του κόστους εγγραφής 900 €

Η διάρκεια του προγράμματος είναι 3 χρόνια, με δυνατότητα μερικής φοίτησης.

Πανεπιστήμιο

Το πανεπιστήμιο του International University of Applied Sciences είναι αναγνωρισμένο από τον ΔΟΑΤΑΠ ως ομοταγές των ελληνικών πανεπιστημίων.

Το εξ αποστάσεως προπτυχιακό πρόγραμμα σπουδών ΒΑ Data Science του University Of Applied Sciences είναι σχεδιασμένο να σας προσφέρει μια ολοκληρωμένη κατανόηση της επιστήμης των δεδομένων και των εφαρμογών της στον επιχειρηματικό κόσμο. Κατά τη διάρκεια των σπουδών σας, θα αναπτύξετε δεξιότητες στην ανάλυση δεδομένων, τη στατιστική και τη μηχανική μάθηση, ενώ θα αποκτήσετε εμπειρία σε εργαλεία και τεχνολογίες αιχμής.

Με την ολοκλήρωση του προγράμματος, θα είστε έτοιμοι να αναλάβετε ρόλους όπως αναλυτής δεδομένων, επιστήμονας δεδομένων και σύμβουλος επιχειρηματικής ανάλυσης, συμβάλλοντας στην ανάπτυξη και τη λήψη στρατηγικών αποφάσεων με βάση τα δεδομένα.

Στόχοι

Οι στόχοι του Προγράμματος ΒΑ in Data Science είναι :

Εξοικείωση με τις θεμελιώδεις έννοιες και τεχνικές της ανάλυσης δεδομένων και διαχείρισης αυτών.
Εκμάθηση της χρήσης τεχνικών ανάλυσης δεδομένων μέσω κατάλληλων λογισμικών για καλύτερη λήψη αποφάσεων.
Ανάπτυξη αναλυτικών δεξιοτήτων για τον χειρισμό μιας σειράς μεθοδολογιών ανάλυσης δεδομένων.
Κατανόηση των εργαλείων και των τεχνικών δεξιοτήτων για την εμπέδωση μιας σειράς μεθοδολογιών ανάλυσης δεδομένων προς χρήση, όπως στατιστικές αναλύσεις.
Ανάπτυξη δεξιοτήτων έξυπνης αναφοράς των αποτελεσμάτων της ανάλυσης δεδομένων σε κοινό-στόχο με διαφορετικά επίπεδα μαθηματικής/στατιστικής κατανόησης που παρέχουν επαρκή βάση για τη διενέργεια πιο περίπλοκων αναλύσεων δεδομένων.

Επιδιωκόμενα Μαθησιακά Αποτελέσματα

Το παρόν Προπτυχιακό Πρόγραμμα Σπουδών Data Science θα σας προσφέρει τις απαραίτητες γνώσεις, ώστε να μπορέσετε να προσδιορίσετε την επιστήμη των δεδομένων και τη σχέση της με άλλα πεδία, καθώς και να κατανοήσετε τη δραστηριότητα της επιστήμης δεδομένων. Επίσης, θα μπορείτε να αναγνωρίζετε την προέλευση των δεδομένων και τις προκλήσεις της ενασχόλησης με αυτά, θα κατανοήσετε πώς οι μέθοδοι της επιστήμης δεδομένων ενσωματώνονται στις επιχειρηματικές ρυθμίσεις, αλλά και βασικών στατιστικών εννοιών. Τέλος, θα έχετε τη δυνατότητα να αντιληφθείτε τη σημασία της μηχανικής μάθησης στην επιστήμη των δεδομένων.

Σε Ποιους/ες Απευθύνεται

Το προπτυχιακό Πρόγραμμα Σπουδών Data Science απευθύνεται σε μία πληθώρα ατόμων που έχουν την περιέργεια και την επιθυμία να εξερευνήσουν τον κόσμο των δεδομένων και να αποκτήσουν δεξιότητες που είναι απαραίτητες για τη λήψη αποφάσεων βάσει δεδομένων, την επίλυση σύνθετων προβλημάτων και την υιοθέτηση καινοτόμων τεχνολογιών. Πιο συγκεκριμένα, απευθύνεται σε :

Νέους φοιτητές που έχουν ολοκληρώσει τη δευτεροβάθμια εκπαίδευση. Μαθητές λυκείου με ενδιαφέρονται στα μαθηματικά, την πληροφορική, τη στατιστική και τις επιστήμες, αλλά και φοιτητές που επιθυμούν να σπουδάσουν σε έναν τομέα με υψηλή ζήτηση στην αγορά εργασίας.
Επαγγελματίες που θέλουν να ενισχύσουν τις γνώσεις τους. Επαγγελματίες σε τομείς όπως η πληροφορική, η μηχανική, τα οικονομικά και το μάρκετινγκ που θέλουν να αναβαθμίσουν τις δεξιότητές τους στην ανάλυση δεδομένων και άτομα που επιθυμούν να μεταβούν σε ρόλους όπως αναλυτές δεδομένων, επιστήμονες δεδομένων ή σύμβουλοι επιχειρηματικής ανάλυσης.
Άτομα με τεχνικό υπόβαθρο. Φοιτητές και απόφοιτοι προγραμμάτων όπως η πληροφορική, η μηχανική, η φυσική και τα μαθηματικά που θέλουν να εξειδικευτούν στην επιστήμη των δεδομένων. Άτομα που έχουν εμπειρία στον προγραμματισμό και επιθυμούν να εμβαθύνουν στις εφαρμογές ανάλυσης δεδομένων.
Επιχειρηματίες και στελέχη. Επιχειρηματίες που επιθυμούν να αξιοποιήσουν δεδομένα για τη βελτίωση της επιχειρηματικής στρατηγικής και λήψης αποφάσεων. Στελέχη επιχειρήσεων που θέλουν να κατανοήσουν πώς οι τεχνικές ανάλυσης δεδομένων μπορούν να ενσωματωθούν στις επιχειρησιακές διαδικασίες.
Άτομα με ενδιαφέρον για την έρευνα και την καινοτομία. Φοιτητές που επιθυμούν να ακολουθήσουν μια ερευνητική καριέρα στην επιστήμη των δεδομένων. Άτομα που ενδιαφέρονται να συμβάλλουν στην καινοτομία και την ανάπτυξη νέων τεχνολογιών ανάλυσης δεδομένων.