Δημιουργία εκπαιδευτικού περιεχομένου για την «Εξόρυξη δεδομένων με χρήση τεχνικών μηχανικής μάθησης»

Abstract

H εξόρυξη δεδομένων τα τελευταία χρόνια εμφανίζει πολύ μεγάλη εξέλιξη και αποτελεί έναν από τους βασικούς τομείς ανάλυσης δεδομένων στο τομέα της πληροφορικής. Η χρήση των αλγορίθμων της εξόρυξης δεδομένων αυξάνεται συνεχώς καθώς είναι εφικτή η επίλυση προβλημάτων τα οποία περιέχουν μεγάλα δεδομένα και τα οποία δεν θα μπορούσαμε να διαχειριστούμε με τους παραδοσιακούς τρόπους ανάλυσης. Συνεπώς η γνώση των μεθόδων εξόρυξης γνώσης και της μηχανικής μάθησης αποτελούν απαραίτητα εφόδια για αυτούς που θέλουν να ασχοληθούν με τον τομέα της ανάλυσης δεδομένων. Οι ψηφιακές δεξιότητες και ικανότητες που απαιτούνται μπορούν να αποκτηθούν διαδικτυακά μέσω της εξ αποστάσεως εκπαίδευσης. Η εξ αποστάσεως εκπαίδευση δίνει την δυνατότητα στους εκπαιδευόμενους να παρακολουθήσουν ασύγχρονα τις θεματικές ενότητες του μαθήματος κάνοντας χρήση των σημειώσεων και του οπτικοακουστικού υλικού. Στην παρούσα διπλωματική εργασία δημιουργήθηκε ένα διαδικτυακό μάθημα με σκοπό την ανάπτυξη των απαραίτητων γνώσεων και δεξιοτήτων για την εξόρυξη γνώσης από βάσεις δεδομένων, με χρήση σύγχρονων τεχνικών και μεθοδολογιών, Στόχος είναι η υποβοήθηση της λήψης αποφάσεων για μια εταιρία ή έναν οργανισμό. Οι εκπαιδευόμενοι έρχονται σε επαφή με τα χρήσιμα εργαλεία για το σχεδιασμό, ανάπτυξη και εφαρμογή ενός συστήματος εξόρυξης γνώσης και λήψης αποφάσεων. Με τον τρόπο αυτό καλύπτονται οι ανάγκες που προκύπτουν από τη λειτουργία πληροφοριακών συστημάτων προς την κατεύθυνση της πρόβλεψης πιθανών καταστάσεων, την κατηγοριοποίηση των δεδομένων και την εξαγωγή χρήσιμων συμπερασμάτων. Το μάθημα περιλαμβάνει έξι (6) διδακτικές ενότητες και έχει σχεδιαστεί με γνώμονα να παρέχει τις απαραίτητες γνώσεις στους νέους επιστήμονες του χώρου της ανάλυσης δεδομένων:  ΔΕ1: Μεθοδολογία Διαχείρισης γνώσης από βάσεις δεδομένων  ΔΕ2: Επεξεργασία και διαχείριση δεδομένων και μεταβλητών  ΔΕ3:Μελέτη , σχεδιασμός και εφαρμογή τεχνικών Κατηγοριοποίησης (Classification)  ΔΕ4: Μελέτη, σχεδιασμός και εφαρμογή τεχνικών Συσταδοποίησης (clustering)  ΔΕ5: Μελέτη, σχεδιασμός και εφαρμογή τεχνικών Πρόβλεψης (Prediction).  ΔΕ6: Μελέτη, σχεδιασμός και εφαρμογή τεχνικών Παλινδρόμησης (Regression).