Προηγμένες Τεχνικές Ανάλυσης και Εικονοποίησης Δεδομένων σε Οργανισμούς και Επιχειρήσεις
- Στο πλαίσιο του έργου «Εξ αποστάσεως προγράμματα κατάρτισης μέσης και υψηλής ψηφιακής ωριμότητας για εργαζόμενους του ιδιωτικού τομέα», υλοποιείται το πρόγραμμα επαγγελματικής κατάρτισης με τίτλο «Προηγμένες Τεχνικές Ανάλυσης και Εικονοποίησης Δεδομένων σε Οργανισμούς και Επιχειρήσεις».
- Σκοπός του προγράμματος «Προηγμένες Τεχνικές Ανάλυσης και Εικονοποίησης Δεδομένων σε Οργανισμούς και Επιχειρήσεις» είναι οι εκπαιδευόμενοι/ες να αποκτήσουν ολοκληρωμένες γνώσεις και πρακτικές δεξιότητες στην Ανάλυση Δεδομένων, τη Μηχανική Μάθηση και την Οπτικοποίηση Δεδομένων, στο πλαίσιο του σύγχρονου ψηφιακού και επιχειρησιακού περιβάλλοντος.
Η υλοποίηση του Προγράμματος γίνεται με τη μέθοδο της σύγχρονης και της ασύγχρονης τηλεκπαίδευσης.
|
Εκπαιδευτικές ενότητες |
Διδακτικός Χρόνος (σε ώρες) Ασύγχρονης Εξ Αποστάσεως Κατάρτισης |
Διδακτικός Χρόνος (σε ώρες) Σύγχρονης Εξ Αποστάσεως Κατάρτισης |
|
Εισαγωγή στην Ανάλυση Δεδομένων |
6 |
4 |
|
Συλλογή και Διαχείριση Δεδομένων |
8 |
2 |
|
Καθαρισμός και Προετοιμασία Δεδομένων |
6 |
2 |
|
Τεχνικές Ανάλυσης Δεδομένων |
6 | 2 |
|
Οπτικοποίηση Δεδομένων |
8 | 2 |
|
Εισαγωγή στη Στατιστική Ανάλυση |
4 | 4 |
|
Εισαγωγή στη Μηχανική Μάθηση (Machine Learning) |
4 | 4 |
|
Προηγμένα Θέματα Ανάλυσης Δεδομένων |
8 | 2 |
| Εργαλεία και Τεχνολογίες Ανάλυσης Δεδομένων | 8 | 2 |
| Εφαρμογές της Ανάλυσης Δεδομένων στις ΜμΕ | 8 | 2 |
| Εφαρμογή της Ανάλυσης Δεδομένων στις ΜμΕ | 4 | 4 |
Στο τέλος του προγράμματος «Προηγμένες Τεχνικές Ανάλυσης και Εικονοποίησης Δεδομένων σε Οργανισμούς και Επιχειρήσεις», οι εκπαιδευόμενοι/ες θα έχουν αποκτήσει όλες τις απαραίτητες γνώσεις και δεξιότητες, ώστε να λάβουν μέρος στην πιστοποίηση επαγγελματικών προσόντων.
- Εξειδικευμένη κατανόηση των βασικών και προχωρημένων αρχών ανάλυσης δεδομένων και της σημασίας τους για τη λήψη αποφάσεων
- Κατανόηση των τύπων και της προέλευσης δεδομένων (πρωτογενή, δευτερογενή, δομημένα, ημιδομημένα, αδόμητα)
- Γνώση των διαδικασιών συλλογής, καθαρισμού, επεξεργασίας και προετοιμασίας δεδομένων για ανάλυση
- Εξοικείωση με στατιστικές μεθόδους, μέτρα θέσης, διασποράς και στατιστική επαγωγή
- Κατανόηση των τεχνικών ανάλυσης: γραμμική και λογιστική παλινδρόμηση, ανάλυση διακύμανσης, ταξινόμηση Bayes, δέντρα αποφάσεων, συσταδοποίηση (αλγόριθμος K-means, ιεραρχική συσταδοποίηση)
- Γνώση μηχανικής μάθησης: επιβλεπόμενη, μη επιβλεπόμενη, ενισχυόμενη μάθηση, αλγόριθμοι (λογιστική παλινδρόμηση, SVM, k-NN, a priori)
- Κατανόηση της λειτουργίας των νευρωνικών δικτύων, του φαινομένου της υπερπροσαρμογής, των μεθόδων ρύθμισης και των προηγμένων τεχνικών (συστήματα συστάσεων, συνδυαστική μάθηση)
- Εξοικείωση με εργαλεία και πλαίσια ανάλυσης δεδομένων: MS Excel, Power BI, KNIME, Python, R, SQL, Hadoop, Spark, TensorFlow, Keras
- Κατανόηση εφαρμογών ανάλυσης δεδομένων σε ΜμΕ και επιχειρησιακά πεδία, με αξιοποίηση KPIs για παρακολούθηση και βελτίωση διαδικασιών
- Ανάπτυξη κριτικής ικανότητας στην ερμηνεία και την αξιολόγηση δεδομένων και μοντέλων
Το πρόγραμμα απευθύνεται σε εργαζόμενους/ες του ιδιωτικού τομέα και υλοποιείται για το έργο «Δράσεις συμβουλευτικής και επαγγελματικής κατάρτισης εργαζομένων σε θέματα αξιοποίησης και διαχείρισης καινοτόμων ψηφιακών τεχνολογιών», στο πλαίσιο των Υποέργων 1 και 2 της Πράξης «Εξ αποστάσεως προγράμματα κατάρτισης μέσης και υψηλής ψηφιακής ωριμότητας για εργαζόμενους του ιδιωτικού τομέα» (ΟΠΣ 6016262), με τη συγχρηματοδότηση της Ε.Ε.
Φόρμα Ενημέρωσης
Συμπληρώστε τα στοιχεία σας παρακάτω και σύμβουλός μας θα επικοινωνήσει μαζί σας άμεσα για να σας ενημερώσει.
