Preparatory Python lecture – 1:
The goal of the first preparatory Python course is to present basic elements of Python programming, including basic types such as Strings. Furthermore, it presents input and output operations as well as control flow structures, such as branching. It also discusses the use of comparison and logic operators. Additionally, it emphasises the importance of indentation for Python and how to correctly use it. Finally, it refers to the “for” and “while” loops in Python.
Preparatory Python lecture – 2:
The goal of the second preparatory Python course is to present several operations with Strings and loops. Furthermore, it presents good programming practices and shows relevant examples. This lecture also shows the use of important structures, such as tuples, lists, and dictionaries, in Python. Finally, it discusses the manipulation of files using basic operations of the Python programming language.
- Διδάσκων/ουσα: MARIA KEHAGIA
Η ανάλυση δεδομένων με τη χρήση στατιστικών τεχνικών και μεθόδων είναι απαραίτητη σε πολλά εμπειρικά προβλήματα. Ο μεγάλος όγκος των δεδομένων, η μεταβλητότητα που αυτά παρουσιάζουν, αλλά και η αβεβαιότητα όσον αφορά στη μοντελοποίηση των δεδομένων καθιστούν αναγκαία την λήψη αποφάσεων με βάση την στατιστική ανάλυση και επεξεργασία.
Το προπαρασκευαστικό μάθημα αποτελεί μια εισαγωγή στη στατιστική ως εργαλείο ανάλυσης εμπειρικών δεδομένων. Παρουσιάζει την θεωρία βασικών κατανομών και τη χρησιμότητά τους ως εργαλεία στατιστικής μοντελοποίησης. Συγκεκριμένα, εισάγει τις έννοιες της τυχαίας μεταβλητής και της κατανομής πιθανότητας και παρουσιάζει τις βασικές διακριτές και συνεχείς κατανομές και τα χαρακτηριστικά τους. Κατόπιν, γίνεται εισαγωγή στην έννοια του τυχαίου δείγματος και σε βασικά δειγματικά μέτρα, όπως ο μέσος και η διαπορά, καθώς και στις κατανομές δειγματοληψίας. Επίσης, παρουσιάζεται ο νόμος των μεγάλων αριθμών και το κεντρικό οριακό θεώρημα, που αποτελούν βασικά θεωρητικά εργαλεία για την ανάπτυξη της στατιστικής συμπερασματολογίας. Τέλος, παρουσιάζονται κάποια παραδείγματα και εφαρμογές των παραπάνω βασικών εννοιών και στατιστικών μέτρων.
- Διδάσκων/ουσα: ΙΩΑΝΝΗΣ ΒΡΟΝΤΟΣ
Οι φοιτητές θα εξετάσουν τις βασικές έννοιες των βάσεων δεδομένων, συμπεριλαμβανομένων των μοντέλων δεδομένων, των γλωσσών ερωτήσεων, και των αλγορίθμων διαχείρισης δεδομένων. Θα εξασκηθούν στον σχεδιασμό και την υλοποίηση βάσεων δεδομένων, καθώς και στη διαχείριση των απαιτήσεων των εφαρμογών.
- Διδάσκων/ουσα: ΧΡΥΣΟΣΤΟΜΟΣ ΚΑΠΕΤΗΣ