Προγραμματιστικά Εργαλεία και Τεχνολογίες για Επιστήμη Δεδομένων

Μεταπτυχιακό μάθημα, χειμερινού εξαμήνου
(ΔΠΜΣ Επιστήμη Δεδομένων και Μηχανική Μάθηση)

Εξάμηνο:

Χειμερινό 2018

Διδάσκοντες:

Νίκος Παπασπύρου		()		γρ. 1.1.21 Παλιό Κτ. ΗΜΜΥ		τηλ: 210-772-3393
Δημήτρης Φουσκάκης		()		γρ. 205 Κτίριο Ε		τηλ: 210-772-1702

Ανακοινώσεις | Υλικό: Περιγραφή, Σύνδεσμοι, Εργασία
Διαλέξεις: 20/12 | 10/1 | 17/1 | 24/1 | 31/1 | 4/2

Ανακοινώσεις

30/1/2019	Η βαθμολογία της εξέτασης στο εργαστήριο Python είναι διαθέσιμη μέσω της σελίδας του μαθήματος.
8/1/2019	Την Πέμπτη 10/1 θα γίνει το πρώτο εργαστήριο στην Python, 15:00-16:30 στο PCLAB (A4), που θα περιλαμβάνει εξάσκηση σε προγραμματιστικές ασκήσεις. Το υπόλοιπο μάθημα, 16:30-18:00, θα γίνει στην αίθουσα διδασκαλίας. Την Πέμπτη 17/1, πάλι 15:00-16:30 στο PCLAB (A4), θα γίνει εξέταση στον προγραμματισμό με Python, που θα μετρήσει 1 μονάδα στον τελικό βαθμό. Το υπόλοιπο μάθημα και πάλι, 16:30-18:00, θα γίνει στην αίθουσα διδασκαλίας. Για τη συμμετοχή σας στο εργαστήριο μπορείτε, αν θέλετε, να φέρετε τους προσωπικούς σας υπολογιστές, ή εναλλακτικά να χρησιμοποιήσετε τους υπολογιστές του εργαστηρίου (Linux, Python intepreter και κάποιος editor από τους διαθέσιμους στο εργαστήριο).
1/11/2018	Για το πρώτο μέρος του μαθήματος που διδάσκεται από τον κ. Φουσκάκη, δείτε την αντίστοιχη ιστοσελίδα. Η παρούσα ιστοσελίδα αφορά το δεύτερο μέρος του μαθήματος που διδάσκεται από τον κ. Παπασπύρου.
1/11/2018	Οι διαλέξεις του μαθήματος άρχισαν σήμερα. Θα γίνονται κάθε Πέμπτη, ώρα 15:00–18:00, στην Αίθουσα 002 που βρίσκεται στο Νέο Κτιρίου ΗΜΜΥ, ΕΜΠ, στην Πολυτεχνειούπολη Ζωγράφου.

Υλικό

Περιγραφή

Επεξεργασία και ανάλυση δεδομένων με τις γλώσσες Python και R. Εξερεύνηση δεδομένων και στατιστική μοντελοποίηση.

Εισαγωγή στην γλώσσα Python. Τύποι δεδομένων: Λίστες, λεξικά, κλπ. Ροή ελέγχου. Συναρτήσεις και πακέτα λογισμικού. Αντικείμενα και αντικειμενοστρέφεια. Βιβλιοθήκες επεξεργασίας και διαχείρισης δεδομένων (numpy, pandas, κλπ). Βιβλιοθήκες απεικόνισης δεδομένων (maplotlib, κλπ.). Βασικές βιβλιοθήκες μηχανικής μάθησης (scikit-learn). Εφαρμογές.

Εισαγωγή στην στατιστική γλώσσα προγραμματισμού R. Αριθμητικοί τελεστές. Βασικοί τύποι και δομές δεδομένων: διανύσματα, πίνακες, λίστες, dataframes. Δημιουργία, εισαγωγή, προ-επεξεργασία, διαχείριση και βασικοί μετασχηματισμοί δεδομένων. Ροή ελέγχου. Βιβλιοθήκες απεικόνισης δεδομένων (ggplot, κλπ.). Βασικές βιβλιοθήκες μηχανικής μάθησης (e1071, rpart, κλπ.). Εφαρμογές.