Σκοπός

Σκοποί του μαθήματος είναι αφενός μεν οι μεταπτυχιακοί φοιτητές να εξοικειωθούν με τις έννοιες και τη μεθοδολογία της στατιστικής ανάλυσης, αφετέρου δε να μελετήσουν και να εφαρμόσουν σύγχρονα εργαλεία στατιστικής ανάλυσης. Η μελέτη γίνεται τόσο σε θεωρητικό όσο και πρακτικό επίπεδο, όπου έμφαση δίνεται στη χρήση των εργαλείων ανάλυσης μέσα από εργασίες (projects).

Περίγραμμα

Πληθυσμός, δείγμα. Είδη μεταβλητών, κατανομή συχνοτήτων, ομαδοποίησης δεδομένων. Γραφικές παραστάσεις (ραβδογράμματα, ιστογράμματα, κυκλικά διαγράμματα, φυλογραφήματα, θηκογραφήματα, γραφήματα χρονικών σειρών, γραφήματα διασποράς, χρωματικά και πολυδιάστατα γραφήματα). Μέτρα θέσης και διασποράς, υπολογισμοί από απλούς ή ομαδοποημένους πίνακες συχνοτήτων. Δειγματικές κατανομές, κατανομές αθροισμάτων τυχαίων μεταβλητών, κεντρικό οριακό θεώρημα και οι συνέπειές του στη στατιστική. Εκτιμητές σημείου και διαστήματος, αμεροληψία και επάρκεια. Αμερόληπτες εκτιμήτριες ελάχιστης διασποράς, μέθοδος ροπών και μέθοδος μέγιστης πιθανοφάνειας. Διαστήματα εμπιστοσύνης και έλεγχοι υποθέσεων για ένα και δύο δείγματα (ανεξάρτητα ή ζευγαρωτά) για τη μέση τιμή και τη διασπορά. Διαστήματα εμπιστοσύνης και έλεγχοι υποθέσεων αναλογιών. Η δοκιμασία X2 (έλεγχοι προσαρμογής, ανεξαρτησίας και ομοιογένειας). Απλή γραμμική παλινδρόμηση και συσχέτιση. Μη παραμετρικές δοκιμασίες (κριτήριο ροών, έλεγχοι τυχαιότητας, κριτήριο Kolmogorov-Smirnov, κριτήριο Mann-Whitney, κριτήριο Wilcoxon, κριτήριο McNemar, κριτήριο Kruskal-Wallis).

Δοκιμασία υποθέσεων και σχετικά κριτήρια. Θεμελιώδες λήμμα των Neymann-Pear-son, σύνθετες υποθέσεις, έλεγχοι υποθέσεων γενικευμένου λόγου πιθανοφανειών, έλεγχοι υποθέσεων για την κανονική κατανομή ενός ή δύο δειγμάτων. Δοκιμασία X2. Πίνακες συνάφειας.

Η χαρακτηριστική συνάρτηση για πολυδιάστατες τυχαίες μεταβλητές. Η πολυδιάστατη κανονική κατανομή και οι παραγόμενες από αυτήν κατανομές. Εφαρμογές των παραπάνω αποτελεσμάτων στην στατιστική ανάλυση (θεώρημα Cochran, ANOVA, παλινδρόμηση, Χ2). Εξαγωγή στατιστικών συμπερασμάτων τόσο με την κλασική θεωρία των Neyman και Pearson, όσο και με την θεωρία αποφάσεων και του γενικευμένου λόγου πιθανοφανειών.

Δειγματοληψία και Στατιστική Επεξεργασία:

  • Η Δειγματοληψία και οι εφαρμογές της στα Κοινωνικά και Οικονομικά Θέματα. Μέθοδοι και τεχνικές Δειγματοληψίας. Δημοσκοπήσεις από το Α ως το Ω.
  • Κατάρτιση Ερωτηματολογίου και δοκιμή αξιοπιστίας του. Είδη ερωτήσεων και εξειδίκευση των χρήσεών τους. Από το ερωτηματολόγιο στις τυχαίες μεταβλητές και στην καταγραφή των δεδομένων τους σε αρχεία του Υπολογιστή. Επεξεργασία δεδομένων μετά την καταγραφή τους.
  • Θέματα Δειγματοληψίας ειδικού περιεχομένου, όπως: «Ανίχνευση γραμμικής τάσης δεδομένων», «Ανίχνευση περιοδικότητας δεδομένων», «Δημιουργία εξίσωσης Συνάρτησης Πιθανότητας (2-βάθμιο μοντέλο) από δεδομένα 2 διαστάσεων, κλπ», «Ο Συντελεστής Μεταβλητότητας και οι εφαρμογές του, π.χ. Εύρεση δυμμετρικού μοντέλου συνάρτησης πυκνότητας πιθανότητας».

Σκοπός

Το μάθημα στοχεύει στο να καταστήσει τους φοιτητές ικανούς: (α) να κατανοήσουν τις διαδικασίες προγραμματισμού κινητών συσκευών και να μελετήσουν τις πλατφόρμες ανάπτυξης, καθόσον υπάρχουν σημαντικές διαφορές με τον προγραμματισμό παραδοσιακών υπολογιστικών συστημάτων και (β) να αποκτήσουν εμπειρία σε συστήματα και τεχνολογίες κινητών συσκευών καθώς και ανάπτυξης σχετικών εφαρμογών, μέσω εργασιών (projects).

Περίγραμμα

  • Επισκόπηση διάφορων πλατφορμών κινητών συσκευών (iOS, Android, Windows Phone)
  • Εργαλεία ανάπτυξης της πλατφόρμας Android:
    • Android SDK, Emulator
    • Διεπαφές
    • ΙΟ, αποθήκευση, διαχείριση αρχείων, αποσφαλμάτωση
    • Υπηρεσίες Web, ήχου, εικόνας 
  • Επισκόπηση τεχνολογιών προγραμματισμού κινητών συσκευών (Objective-C, Flash)
  • Ανάπτυξη εφαρμογών για iPhone και iPad με χρήση Objective-C
  • Mελέτη αναπτυχθεισών εφαρμογών του Τμήματος («farm-manager», «αγρο-λογιστής»)
  • Οργάνωση και υλοποίηση project, με εξάσκηση των φοιτητών κατά ομάδες

Σκοπός

Μετά την επιτυχή ολοκλήρωση της παρακολούθησης του μαθήματος, οι μεταπτυχιακοί φοιτητές θα μπορούν:

  • Nα σχεδιάζουν τις υποδομές που υποβοηθούν διαδικτυακά τη διαχείριση της γνώσης.
  • Nα γνωρίζουν προχωρημένα θέματα σχεδίασης και υλοποίησης συνεργατικών συστημάτων μάθησης
  • Nα είναι εξοικειωμένοι με θέματα σχεδίασης τεχνολογικών περιβαλλόντων πολυμέσων για την εκπαίδευση και τη μάθηση.
  • Να μπορούν να προβούν σε συγκριτική ανάλυση και εφαρμογή σύγχρονων θεωρητικών μοντέλων στη σχεδίαση εφαρμογών πολυμέσων
  • Να χρησιμοποιούν εργαλεία σχεδίασης-ανάπτυξης εφαρμογών πολυμέσων για τη μάθηση,
  • Να έχουν εξοικειωθεί με τις ποιοτικές μεθόδους αξιολόγησης της τεχνολογικά υποστηριζόμενης μάθησης
  • Να έχουν εξοικειωθεί με θέματα σχεδίασης και υλοποίησης εικονικών εκπαιδευτικών περιβαλλόντων
  • Να έχουν μια επαφή με σύγχρονες εκπαιδευτικές πρακτικές όπως ο εποικοδομισμός (constructivism)

Σκοπός

Ο σκοπός του μαθήματος είναι διττός: (α) εξοικείωση με το συντακτικό, τις τεχνικές και τα εργαλεία της γλώσσας προγραμματισμού ανοικτού κώδικα Python και (β) εμβάθυνση σε ζητήματα διαδικτυακού προγραμματισμού, τόσο μέσω του περιβάλλοντος της Python όσο και με χρήση HTML (HyperText Markup Language), CSS (Cascade Style Sheet) και JavaScript, δίνοντας έμφαση στην ανάπτυξη εφαρμογών με MVC (Model View Controller) αρχιτεκτονικές. Ο φοιτητής στο τέλος του μαθήματος θα πρέπει να είναι σε θέση προγραμματίζει ολοκληρωμένες προγραμματιστικές εφαρμογές.

Περίγραμμα

  • Η γλώσσα προγραμματισμού Python (περιβάλλον, συντακτικό, βιβλιοθήκες)

  • Ανάπτυξη εφαρμογών και προτυποποίηση με Python

  • Model View Controller (MVC) αρχιτεκτονικές, αντικειμενοστρέφεια

  • Python και PHP για διαδικτυακό προγραμματισμό

  • XML, HTML, CSS

  • Σχεδιασμός και υλοποίηση Representational State Transfer (REST) APIs


Σκοπός

Σκοπός του μαθήματος είναι οι μεταπτυχιακοί φοιτητές να εξοικειωθούν με τις έννοιες, τις τεχνικές και τα εργαλεία των Βάσεων Δεδομένων, καθώς και να εξασκηθούν σε πραγματικά προβλήματα. Ειδικότεροι στόχοι του μαθήματος είναι οι ακόλουθοι: (α) εκμάθηση των θεμελιωδών στοιχείων των Σχεσιακών Βάσεων Δεδομένων και Συστημάτων Διαχείρισης Βάσεων Δεδομένων (DBMS), (β) σχεδίαση Βάσεων Δεδομένων σύμφωνα με την ανάλυση αναγκών της κάθε συγκεκριμένης εφαρμογής, (γ) υλοποίηση της σχεδίασης σε Σχεσιακό Σύστημα Διαχείρισης Βάσεων (RDBMS), (δ) Διαχείριση Βάσεων Δεδομένων με τη γλώσσα SQL και (ε) εκμάθηση της συνδεσιμότητας εφαρμογών με Βάσεις Δεδομένων

Περίγραμμα

  • Συστήματα Διαχείρισης Βάσεων Δεδομένων (Αρχεία vs DBMS, Πλεονεκτήματα ενός DBMS, Ερωτήματα σε ένα DBMS, Δομή ενός DBMS)

  • Σχεδίαση Βάσεων Δεδομένων (Οντότητες, Χαρακτηριστικά, Συσχετίσεις – Διαγράμματα Οντοτήτων Συσχετίσεων (ER) – Σχεδίαση Εννοιακού Μοντέλου με το Μοντέλο ER)

  • Το Σχεσιακό Μοντέλο (Δημιουργία και τροποποίηση Σχέσεων με SQL,Περιορισμοί ακεραιότητας, Ερωτήματα για Σχεσιακά Δεδομένα, Σχεδίαση Λογικού Μοντέλου: ER to Relational, Κανονικοποίηση)

  • Σχεσιακή Άλγεβρα (Επιλογή και Προβολή, Λειτουργίες Συνόλων, Συζεύξεις)

  • Η γλώσσα Ερωτημάτων SQL (Ερωτήματα SQL, Εμφωλευμένα Ερωτήματα, Συναθροιστικές λειτουργίες, Περιορισμοί ακεραιότητας, Σκανδάλες)

  • Ανάπτυξη Εφαρμογών ΒΔ (Ενσωματωμένη SQL, Δυναμική SQL, Αποθηκευμένες Διαδικασίες, Συνδεσιμότητα Προγραμμάτων με ΒΔ)

  • Αποθήκευση και Ευρετηριοποίηση (Δίσκοι και Αρχεία, Ευρετηριοποίηση δενδροειδούς δομής, Ευρετηριοποίηση βασισμένη σε Πίνακες Κατακερματισμού)

  • Βελτιστοποίηση Ερωτημάτων

  • Διαχείριση Συναλλαγών (Έλεγχος ταυτοχρονισμού, Ανάκτηση από κατάρρευση

  • Ασφάλεια

Σκοπός

Σκοπός του μαθήματος είναι να κατανοήσουν οι φοιτητές: (α) τα βασικά ζητήματα της θεωρίας υπολογισμού, όπως είναι οι αριθμοί κινητής υποδιαστολής, οι αριθμητικές και συμβολικές πράξεις, καθώς η ανάλυση πολυπλοκότητας των αλγορίθμων και (β) τα βασικά ζητήματα των λειτουργικών συστημάτων, όπως είναι οι διεργασίες, τα νήματα, ο συγχρονισμός, οι πολιτικές εικονικής μνήμης και η διαχείριση αρχείων.

Περίγραμμα

  • Αριθμοί κινητής υποδιαστολής
  • Αριθμητικές πράξεις, ακρίβεια και ταχύτητα πράξεων
  • Συμβολικές πράξεις
  • Συνάρτηση πολυπλοκότητας αλγόριθμου
  • Ασυμπτωτικοί συμβολισμοί Θ,Ο,Ω,ο,ω,
  • Ασυμπτωτική ανάλυση αλγορίθμων.
  • Διεργασίες και νήματα
  • Συγχρονισμός διεργασιών
  • Χρονοδρομολόγηση ΚΜΕ
  • Αδιέξοδα
  • Εικονική μνήμη και σελιδοποίηση
  • Διαχείριση συσκευών εισόδου/εξόδου
  • Συστήματα αρχείων

Σκοπός

Στόχος του μαθήματος είναι οι μεταπτυχιακοί φοιτητές, μετά την επιτυχή παρακολούθησή τους, να είναι σε θέση: (α) να γνωρίζουν τις διαφορές μεταξύ του κλασικού σειριακού προγραμματισμού σε σχέση με τον Παράλληλο Προγραμματισμό, (β) να γνωρίζουν τον τρόπο με τον οποίο μπορούν να μετατρέψουν σειριακούς αλγορίθμους σε παράλληλους, χρησιμοποιώντας την κατάλληλη αρχιτεκτονική καθώς και το κατάλληλο μοντέλο προγραμματισμού, (γ) να έχουν τη δυνατότητα να δημιουργούν και να εκτελούν παράλληλα προγράμματα είτε σε υπερυπολογιστή (grid computer) είτε σε συστοιχία Η/Υ με το λογισμικό MATLAB.

Περίγραμμα

  • Εισαγωγή: γενικά περί παράλληλου προγραμματισμού, παράλληλες αρχιτεκτονικές, μέτρα απόδοσης, κατηγοριοποίηση κατά Φλυν (Flynn) και νόμος του Άμνταλ (Amdahl), κατευθυνόμενοι μη-Κυκλικοί Γράφοι (DAGs) και διαγράμματα Gantt.

  • Παράλληλες αρχιτεκτονικές: γενική επισκόπηση και εμβάθυνση στις κλάσεις SIMD, MIMD κοινής και κατανεμημένης μνήμης.

  • Παράλληλος προγραμματισμός-εργαλεία: αρχές παράλληλου προγραμματισμού κοινής μνήμης και SIMD, προγραμματισμός στο μοντέλο κοινής μνήμης, προγραμματισμός με μεταβίβαση μηνυμάτων, προγραμματισμός πελάτη-εξυπηρετητή.

  • Παράλληλοι αλγόριθμοι επεξεργασίας πινάκων, ταξινόμησης, αναζήτησης κ.α. για διάφορες αρχιτεκτονικές. Υπολογισμός παράλληλης πολυπλοκότητας (επεξεργασία, επικοινωνία).


Στόχος του μαθήματος είναι οι μεταπτυχιακοί φοιτητές, μετά την επιτυχή παρακολούθησή του, να είναι σε θέση:

• Να διακρίνουν και να συγκρίνουν την ευρεία επιλογή τεχνικών μεταγωγής, πολλαπλής πρόσβασης και εκπομπής στα σύγχρονα τηλεπικοινωνιακά δίκτυα με στόχο να μπορούν να αξιολογήσουν την καταλληλότητα κάθε μιας για την εξυπηρέτηση διαφορετικών εφαρμογών κατανεμημένων συστημάτων.

• Να γνωρίζουν τις σύγχρονες εξελίξεις στο Διαδίκτυο, ειδικά τα πρωτόκολλα τα οποία διευρύνουν τον χώρο διευθύνσεων και προσφέρουν κλιμακούμενη δρομολόγηση και πολυεκπομπή.

• Να γνωρίζουν πρωτόκολλα και αρχιτεκτονικές μέσω των οποίων μεταφέρονται ροές δεδομένων πραγματικού χρόνου στο Διαδίκτυο και υποστηρίζουν Ποιότητα Υπηρεσίας.

• Να έχουν μια βαθύτερη κατανόηση επιλεγμένων αντικειμένων, που βρίσκονται στην αιχμή του δόρατος της τεχνολογίας δικτύων, σύγχρονων εξελίξεων και ειδικών θεμάτων.

• Να διαθέτουν τις ικανότητες να αναλάβουν πρακτική ή/και ερευνητική εργασία που διερευνά τις τεχνικές που καλύπτονται στο μάθημα και να μπορούν να παρουσιάσουν και να σχολιάσουν τα ευρύματά τους.