Υπολογιστικές Μέθοδοι Λήψης Αποφάσεων

Διδάσκοντας/ουσα: 
Τύπος Μαθήματος: 
Υποχρεωτικό Μάθημα Κατεύθυνσης
Έτος Σπουδών: 
Α'
Εξάμηνο Σπουδών: 
Εαρινό
Αριθμός Πιστωτικών Μονάδων (ECTS): 
6
Γλώσσα Διδασκαλίας: 
Αγγλική / Ελληνική
Περιγραφή: 

Το μάθημα εισάγει τους φοιτητές σε αλγόριθμους, τεχνικές, αυτοματοποιημένες υπολογιστικές μεθόδους και συστήματα πληροφοριών που υποστηρίζουν τη λήψη αποφάσεων. Έμφαση δίνεται στην επεξεργασία πληροφοριών σε σύνθετα περιβάλλοντα, αξιοποιώντας παράλληλα πολλαπλές πηγές δεδομένων όπως π.χ. αισθητήρες και ανοιχτά δεδομένα διαθέσιμα στο διαδίκτυο. Μαζί με τις διαλέξεις, παρουσιάζονται μελέτες περιπτώσεων σε τομείς όπως η βελτιστοποίηση πόρων, οι ανανεώσιμες πηγές ενέργειας, η οικονομική ανάλυση και η εξατομίκευση του περιεχομένου του Web, όπως πχ στα συστήματα υποδείξεων.

Προαπαιτήσεις: 

Δεν υπάρχουν

Περιεχόμενο του μαθήματος (Syllabus): 

Α/Α

Περιεχόμενα

1

 

  • Εισαγωγή στη λήψη αποφάσεων – Παραδείγματα στις ανανεώσιμες πηγές ενέργειας

2

 

  • Υποστήριξη αποφάσεων και αθροιστικά διαγράμματα ροής κεφαλαίου

3

 

  • Αποφάσεις με βάση αρχές οικονομίας και μηχανικής – Μελέτη περίπτωσης: «Ground Heat»

4

  • Λήψη αποφάσεων με χρήση Ασαφούς Λογικής – Μη τεχνικά εμπόδια και η επιρροή τους στη λήψη αποφάσεων σε πραγματικά προβλήματα

5

  • Μοντέλα Παλινδρόμησης – Δεδομένα εκπαίδευσης/επαλήθευσης στην ανάλυση δεδομένων – Μελέτες περίπτωσης: «Home Energy Efficiency & Home Energy Savings»

6

  • Αποφάσεις με βάση ανάλυση ομάδων και τον αλγόριθμο Fuzzy C-Means

7

  • Αλγόριθμοι στατιστικής ταξινόμησης – Μελέτες περίπτωσεις σε συνεχή και διακριτά προβλήματα

8

  • Αλγόριθμοι υπολογιστικής νοημοσύνης (Νευρωνικά δίκτυα – Γενετικοί αλγόριθμοι)

9

  • Πρόβλεψη χρηματοοικονομικών δεδομένων

10

  • Συστήματα υποδείξεων (Recommeder Systems)

 

Διδακτικές και Μαθησιακές Μέθοδοι: 

Παραδόσεις, πρακτική εξάσκηση σε μελέτες περίπτωσης και λογισμικό λήψης αποφάσεων

Μέθοδοι αξιολόγησης / βαθμολόγησης: 

Τελική εξέταση                      100%

Αντικειμενικοί Στόχοι μαθήματος (επιδιωκόμενα μαθησιακά αποτελέσματα): 
  • Κατανόηση των διαδικασιών λήψης αποφάσεων-
  • Γνώση των διαφορετικών υπολογιστικών εργαλείων λήψης αποφάσεων-
  • Κατανόηση των διθέσιμων υπολογιστικών μεθόδων για λήψη αποφάσεων μέσω αλγορίθμων ταξινόμησης και ομαδοποίησης-
  • Ικανότητα εφαρμογής διαφόρων αλγορίθμων για την επίλυση προβλημάτων λήψης αποφάσεων σε διάφορους τομείς όπως π.χ. τα Χρηματοοικονομικά.-
  • Εξοικείωση με πραγματικά παραδείγματα λήψης αποφάσεων σε ανανεώσιμες πηγές ενέργειας