Βάσεις Δεδομένων για Επιχειρηματικές Αναλύσεις
3ο Εξάμηνο, Κωδικός Μαθήματος: ΜΕΧΤΕ303
Πιστωτικές Μονάδες: 7,5
Μαθησιακά Αποτελέσματα
Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής:
- (α) θα μπορεί να σχεδιάσει διαγράμματα Οντοτήτων-Συσχετίσεων με σκοπό να απεικονίσει τη δομή και τα χαρακτηριστικά μιας σχεσιακής βάσης δεδομένων.
- (β) θα διαθέτει την ικανότητα να διαχειρίζεται σχεσιακές βάσεις δεδομένων μέσω της Azure SQL και συγκεκριμένα: (i) να δημιουργεί αντικείμενα, (ii) να συμπληρώνει πίνακες, (iii) να ενημερώνει ήδη υπάρχοντα δεδομένα, και (iv) να εκτελεί ερωτήματα στις βάσεις δεδομένων.
- (γ) θα έχει αποκτήσει βασική εξοικείωση με τη γλώσσα R και θα γνωρίζει τις βασικές συναρτήσεις της, οι οποίες χρειάζονται για να μπορεί να επεξεργαστεί δεδομένα τα οποία έχουν αποθηκευτεί σε μία σχεσιακή βάση δεδομένων.
- (ε) θα μπορεί να χρησιμοποιήσει οικονομετρικές μεθόδους με σκοπό να εστιάσει στην ανάλυση μιας επιχείρησης με σκοπό να λάβει τις βέλτιστες αποφάσεις.
Γενικές Ικανότητες
Μέσα στο πλαίσιο των συνδυαστικών δεξιοτήτων που θα αποκτήσει ο πτυχιούχος με την παρακολούθηση του συνόλου των μαθημάτων του προγράμματος σπουδών, το μάθημα των Βάσεων Δεδομένων και Επιχειρηματικής Αναλυτικής αποσκοπεί ο πτυχιούχος να αποκτήσει ικανότητες:
- (α) στην αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών,
- (β) στη λήψη αποφάσεων
- (γ) στην αυτόνομη εργασία
- (δ) στην προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
- (ε) στην άσκηση κριτικής και αυτοκριτικής
Περιεχόμενο Μαθήματος
Διαλέξεις:
- Περιγραφική αναλυτική: Θεωρία Πιθανοτήτων, Κατανομές συχνοτήτων, Έλεγχος υποθέσεων, Επαγωγική Στατιστική.
- Διαγνωστική αναλυτική: Μοντέλα παλινδρόμησης, Ανάλυση χρονοσειρών.
- Προβλεπτική αναλυτική: Αντικειμενική και Υποκειμενική Πιθανότητα, Κανόνας Bayes, Λήψη αποφάσεων σε καθεστώς αβεβαιότητας, Προσομοιώσεις Monte Carlo.
Εργαστήριο:
- Διαγράμματα Οντοτήτων-Συσχετίσεων.
- Δομή σχεσιακών βάσεων δεδομένων.
- Βασικές εντολές στην Azure SQL: (i) δημιουργία αντικειμένων, (ii) συμπλήρωση πινάκων, (iii) ενημέρωση δεδομένων, και (iv) εκτέλεση ερωτημάτων στις βάσεις δεδομένων.
- Βασικές εντολές στην R: (i) σύνδεση με την Azure SQL, (ii) προσπέλαση και επεξεργασία δεδομένων, (iii) εφαρμογή οικονομετρικών μεθόδων για την ανάλυση των δεδομένων.
- Εμπειρικές εφαρμογές.
Αξιολόγηση Φοιτητών
Πραγματοποιείται διαμορφωτική και συμπερασματική αξιολόγηση. Η τελική αξιολόγηση των φοιτητών γίνεται με γραπτή εξέταση είτε με προφορική εξέταση. Βασίζεται στην επίλυση προβλημάτων, σε ερωτήσεις σύντομης απάντησης και σε ερωτήσεις ανάπτυξης.
Βιβλιογραφία
Προτεινόμενη Βιβλιογραφία
- Σημειώσεις Καθηγητή
- Διαφάνειες Διαλέξεων
Συναφή Επιστημονικά Περιοδικά
Πρόγραμμα
Μεταπτυχιακών Σπουδών
«Χρηματοοικονομική Τεχνολογία (FinTech)»
(M.Sc in «Financial Technology (FinTech)»)