Εφαρμογές της Επιστήμης Δεδομένων στις Μεταφορές

MSc in Project Management, Transportation and Spatial Planning

Σκοπός και Περιγραφή Μαθήματος

Το μάθημα έχει σκοπό να δώσει στους/ις φοιτητές/τριες τις απαραίτητες γνώσεις και δεξιότητες στα απαραίτητα εργαλεία για να κάνει εφικτή την γνωριμία του με την Επιστήμη των Δεδομένων, καθώς και την υλοποίηση αναλύσεων και προβλέψεων με τη βοήθεια υπολογιστικών εφαρμογών σε εφαρμοσμένα προβλήματα του Συγκοινωνιολόγου Μηχανικού.

Δειτε το περίγραμμα του μαθήματος: GR ENG

Περισσότερες Πληροφορίες

Μαθησιακά Αποτελέσματα

Με την επιτυχή ολοκλήρωση του μαθήματος ο/η φοιτητής/τρια θα:
• Έχει κατανοήσει και εξοικειωθεί με ένα από τα απαραίτητα εργαλεία μελέτης και ανάλυσης δεδομένων, το λογισμικό ανοιχτού κώδικα R και R-studio.
• Αποκτήσει εξειδικευμένες γνώσεις για να λύσει βασικά προβλήματα με χρήση προγραμματισμού.
• Μπορεί να ενσωματώσει και να αναλύσει δεδομένα που υπάρχουν σε εξωτερικές πηγές σε διάφορες μορφές.
• Να σχεδιάσει ερευνητικούς στόχους και ερωτήματα.
• Είναι ικανός/ή να εφαρμόσει ελέγχους υποθέσεων και να αξιολογήσει κριτικά τα αποτελέσματα.
• Μπορεί να εφαρμόζει και να εξηγεί μεθόδους γραμμικής παλινδρόμησης, συσχέτισης μεταβλητών, μεθόδους ομαδοποίησης και ταξινόμησης δεδομένων καθώς βασικών μεθόδων πρόβλεψης τιμών δεδομένων.
• Εκπονήσει ομαδική συνεργασία για το συντονισμό των δραστηριοτήτων και τη διαχείριση της προόδου στην παράδοση ενός ερευνητικού έργου.
• Μπορεί να ερμηνεύει τα αποτελέσματα των αναλύσεων για την παραγωγή ερευνητικών γνώσεων.
• Έχει την δυνατότητα να συνθέτει, να οπτικοποιεί και να αξιολογεί τα δεδομένα και τα αποτελέσματα μέσω απλών και πολύπλοκων γραφημάτων.

Γενικές Ικανότητες

Ανάλυση και σύνθεση δεδομένων με τη χρήση και των απαραίτητων τεχνολογιών.
Λήψη αποφάσεων.
Ομαδική εργασία.
Άσκηση κριτικής και αυτοκριτικής.
Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.
Χρήση νέων τεχνολογιών για την επίλυση προβλημάτων.
Παράγωγή νέων ερευνητικών ιδεών.

Το λογισμικό ανοιχτού κώδικα R (εισαγωγικές έννοιες, βασικές γνώσεις προγραμματισμού, εφαρμογές της γλώσσας στην ανάλυση δεδομένων), Περιγραφική Στατιστική (κατανομές, βασικά περιγραφικά μέτρα, έλεγχος υποθέσεων), Τύποι Μεταβλητών – Συσχέτιση μεταβλητών (συντελεστής συσχέτισης Pearson, τεστ χ2), Οπτικοποίηση δεδομένων και αποτελεσμάτων- Γραφήματα, Είδη Παλινδρόμησης (Γραμμική, Λογιστική, κλπ), Εμβάθυνση στην ανάλυση δεδομένων - Πρόβλεψη.

Δραστηριότητα Φόρτος Εργασίας Εξαμήνου

 

Διαλέξεις 3*13 = 39
Μελέτη εκτός διαλέξεων και ανάλυση βιβλιογραφίας 57
Εξαμηνιαίο θέμα 50
Προετοιμασία για

Εξετάσεις

30
Εξετάσεις 3
Σύνολο Μαθήματος 179 ώρες

 

Η αξιολόγηση των φοιτητών/τριών γίνεται μέσω:
• Εξαμηνιαίου θέματος-ομαδικής εργασίας (60%) που περιλαμβάνει γραπτή αναφορά καθώς και ομαδική παρουσίαση. Περιγράφει το επιδιωκόμενο ερευνητικό έργο ως προς τους στόχους, το αναλυτικό πλαίσιο, και επίσης συνοψίζει το ερευνητικό έργο ως προς τη συμβολή στην υπάρχουσα βιβλιογραφία, τα αποτελέσματα της ανάλυσης και τα συμπεράσματα που προκύπτουν από τα ευρήματα της έρευνας.
• Γραπτής εξέτασης στο τέλος του εξαμήνου (40%) που περιλαμβάνει την επίδειξη ικανότητας σε ένα σύνολο τεχνικών.
Η γραπτή εξέταση περιλαμβάνει:
• Ερωτήσεις πολλαπλής επιλογής.
• Ερωτήσεις ανάπτυξης και κρίσεως.

-Field A., Miles J., Field Z. (2012). Discovering Statistics Using R. SAGE Publications
-Wickham H., Grolemund, G. (2017). R for Data Science. O’Reilly

Συναφή επιστημονικά περιοδικά:
-Journal of the Royal Statistical Society Series A, B, C
-Accident Analysis and Prevention
-Transportation Research part A, B, C, D, E
-Journal of Safety Research
-Traffic Injury Prevention
-Analytic Methods in Accident Research

Διαμοιραστείτε το :

Πληροφορίες

Διδάσκοντες

Αθανάσιος Θεοφιλάτος

Διαμοιραστείτε το :