Data Mining, a Course by Blog

Σπουδές 

2000-2006: Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Εθνικό Μετσόβιο Πολυτεχνείο.
Διπλωματική εργασία: Ανάλυση Μη Επαναλαμβανόμενων Παραγοντικών Πειραμάτων.

2006-2008: Δ. Π. Μ. Σ. «Εφαρμοσμένες Μαθηματικές Επιστήμες» της Σχολής Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Εθνικό Μετσόβιο Πολυτεχνείο.
Διπλωματική εργασία: Μεταθετικοί Έλεγχοι στην Ανάλυση Μη Επαναλαμβανόμενων Παραγοντικών Σχεδιασμών.

ΓΝΩΣΕΙΣ Η/Υ

 Γλώσσες Προγραμματισμού: C, Java, HTML.

 Προγράμματα: Latex, Mathematica, Matlab, Minitab, R, StatGraphics.

 MS Office Professional: Word, Excel, PowerPoint.

Ερευνητικά Ενδιαφέροντα

• Statistical Design and Analysis of Experiments.
• Statistical Quality Control (Off-Line QC).
• Computational Statistics.

Επέλεξα να παρακολουθήσω το συγκεκριμένο μάθημα γιατί το Data Mining αποτελεί ένα ελκυστικό εργαλείο για την ανάλυση βάσεων δεδομένων και την εξαγωγή χρήσιμων πληροφοριών και συμπερασμάτων.

2007-σήμερα: Mεταπτυχιακό Εφαρμοσμένες Μαθηματικές Επιστήμες, κατεύθυνση Στατιστική-Πιθανότητες.

Διπλωματική Εργασία

« Θεωρία Πληροφοριών και Κρυπτογραφία- Σημειωματάριο Μιας Χρήσης- Συνδυαστικοί Σχεδιασμοί Στην Κρυπτογραφία». Αθήνα 2007, ΕΜΠ.

ΕΡΓΑΣΙΑΚΗ ΕΜΠΕΙΡΙΑ

Σεπτέμβριος – Οκτώβριος 2003 Εταιρεία Προστασίας Πνευματικής Ιδιοκτησίας (ΑΕΠΙ ΑΕ), Τμήμα Αρχείου Ελληνικής Μουσικής (Πρακτική άσκηση στο πλαίσιο των προπτυχιακών σπουδών)

ΣΕΜΙΝΑΡΙΑ

Νοέμβριος - Δεκέμβριος 2004, Ένωση Διαπραγματευτών Χρηματοοικονομικών Προϊόντων Ελλάδας (Forex Club Hellas), με θεματικες ενότητες: Μέθοδοι μέτρησης κινδύνων-Money Market Basics-Bonds Basics-Capital Guarantees-Basics Concepts of Risk Management-Forward Swaps Basics.  

Επέλεξα το μάθημα data mining λόγω του ότι αποτελεί ένα πεδίο συνδυασμού των αλγορίθμων και της στατιστικής στη διαχείριση πολύ μεγάλων βάσεων δεδομένων για την εξαγωγή χρήσιμων συμπερασμάτων. Σκοπός μου είναι η εφαρμογή των γνώσεων που θα αποκομίσω από το συγκεκριμένο μάθημα στην εκπόνηση της διπλωματικής μου εργασίας.

ΣΠΟΥΔΕΣ:

ΣΠΟΥΔΕΣ:

2007 - σήμερα: Διατμηματικό Μεταπτυχιακό Πρόγραμμα στο Εθνικό Μετσόβιο Πολυτεχνείο , Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, με τίτλο Εφαρμοσμένες Μαθηματικές Επιστήμες και κατεύθυνση: Στατιστική.

2002 - 2007: Σπουδές στη Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών του Εθνικού Μετσόβιου Πολυτεχνείου με ροές: Στατιστική - Μηχανική

ΓΝΩΣΕΙΣ Η/Υ - ΓΛΩΣΣΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ:

Pascal, C, JAVA, Matlab, Mathematica, HTML, Minitab, Statgraphics, Spss, R, Microsoft Office (ECDL).

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ:

Επιχειρησιακή Έρευνα - Διαχείριση Έργων (Project Networks, CPM/PERT, project crashing, linear programming)

ΕΡΓΑΣΙΑΚΗ ΕΜΠΕΙΡΙΑ:

• Ενισχυτική διδασκαλία κατ’ οίκον σε μαθητές Γυμνασίου - Λυκείου (2003 - σήμερα)
• Πρακτική άσκηση στο Ινστιτούτο Μεσογειακών Δασικών Οικοσυστημάτων και Τεχνολογίας Δασικών Προϊόντων στον Τομέα Στατιστικής Επεξεργασίας Δεδομένων (31/10/2006 - 30/11/2006)

…………………………………………………………………….

Οι Αλγόριθμοι Εξόρυξης Πληροφορίας (data mining) είναι μια επιστήμη που γνωρίζει μεγάλη άνθιση στις μέρες μας, δεδομένου της σύγχρονης οργάνωσης των επιχειρήσεων και των πληροφοριακών συστημάτων που χρησιμοποιούνται σε όλους τους χώρους. Η πληθώρα των πληροφοριών με τις οποίες ερχόμαστε καθημερίνα σε επαφή είναι τέτοια που καθιστά απαραίτητη τη χρήση εξελιγμένων τεχνολογιών όπως το data mining. Πιστεύω ότι η παρακολούθηση ενός μαθήματος σχετικού με τον τομέα των Αλγορίθμων Εξόρυξης Πληροφορίας θα μου προσφέρει τις βάσεις για περαιτέρω ενασχόληση με μία τόσο χρήσιμη και αναπτυσσόμενη επιστήμη, δίνοντάς μου τα απαραίτητα εφόδια έτσι ώστε να ανταπεξέλθω στο ανταγωνιστικό περιβάλλον της αγοράς εργασίας σήμερα.

ΣΠΟΥΔΕΣ

2001-2007: Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών του Ε.Μ.Π. Κατεύθυνση Μαθηματικού Εφαρμογών. Ροές Στατιστικής και Πληροφορικής. Βαθμός πτυχίου: 7.32/10.

2007-σήμερα: Διατμηματικό Μεταπτυχιακό Πρόγραμμα του Ε.Μ.Π. «Εφαρμοσμένες Μαθηματικές Επιστήμες». Ροή: Στατιστική και Πιθανότητες. 

ΕΡΓΑΣΙΕΣ

Βασικές έννοιες Βιοστατιστικής και Επιδημιολογίας και εφαρμογές. Διπλωματική εργασία που εκπονήθηκε κατά την περίοδο Νοεμβρίου 2006 - Σεπτεμβρίου 2007: Κατηγορίες και χαρακτηριστικά επιδημιολογικών μελετών, δείκτες νοσηρότητας, μέτρα κινδύνου, διαγνωστικοί έλεγχοι, βασικές μέθοδοι στην ανάλυση επιβίωσης, κλινικές δοκιμές, εφαρμογές αυτών. 

ΓΝΩΣΕΙΣ Η/Υ, ΓΛΩΣΣΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Statgraphics, Spss, Minitab, Stata, SAS, R, Microsoft  Office, C, Matlab, Mathematica.

ΕΡΓΑΣΙΑΚΗ ΕΜΠΕΙΡΙΑ

10/10/2005-10/11/2005: Πρακτική άσκηση στην Εθνική Τράπεζα, κατάστημα Πανόρμου 064, Αθήνα.

23/06/2005-2007-31/07/2007: Βοηθός Ερευνητή στο Πρόγραμμα «Φύλο-Αρχιμήδης ΙΙ_Ενίσχυση Ερευνητικών Ομάδων του Τ.Ε.Ι Κρήτης, υποέργο: Στάσεις και αντιλήψεις των επαγγελματιών υγείας στις υγειονομικές μονάδες της Κρήτης απέναντι στην κακοποίηση των γυναικών». 

ΣΥΜΜΕΤΟΧΗ ΣΕ ΕΠΙΣΤΗΜΟΝΙΚΑ ΣΥΝΕΔΡΙΑ  

“28^th Annual Conference of the International Society for Clinical Biostatistics”.Αλεξανδρούπολη, 29 Ιουλίου - 2 Αυγούστου 2007.  

Ο βασικός λόγος για τον οποίο επέλεξα το μάθημα Αλγόριθμοι Εξόρυξης Πληροφορίας, είναι ότι η χρησιμότητά του έγκειται στην ανακάλυψη προτύπων από έναν (συνήθως μεγάλο) όγκο δεδομένων, που πριν δεν ήταν γνωστά και στην ανάλυσή τους ώστε να βρεθούν μη αναμενόμενες σχέσεις ανάμεσα στα δεδομένα. Σκοπός μου είναι η κατανόηση των αποδοτικών αυτών τεχνικών εξόρυξης γνώσης και η εφαρμογή τους σε προβλήματα κυρίως Βιοστατιστικής.     

ΕΚΠΑΙΔΕΥΣΗ-ΣΠΟΥΔΕΣ:2007σε εξέλιξη: Διατμηματικό μεταπτυχιακό πρόγραμμα του Ε.Μ.Π. «Εφαρμοσμένες Μαθηματικές Επιστήμες, Ροή Στατιστικής».

2002-2007: Απόφοιτη  της Σχολής Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών ΕΜΠ με βαθμό 7,66/10.                         

Γνώσεις Η/Υ:  Microsoft  Office Word, Microsoft  Office Excel, Microsoft  Office Access, Statgraphics,  Minitab, SPSS, STATA, SAS, Mathematica, Matlab, Mathtype. Γλώσσες προγραμματισμού: Pascal, C .

ΕΠΙΣΤΗΜΟΝΙΚΕΣ ΕΡΓΑΣΙΕΣ:Συγκριτική μελέτη των πέδιων βάρυτητας των ασθενών σε Μονάδα Εντατικής Θεραπείας , διπλωματική εργασία που εκπονήθηκε σε συνεργασία με το Ιπποκράτειο Νοσοκομείο την περίοδο Νοεμβρίου 2006 - Οκτωμβρίου 2007 η οποία βασίστηκε στην ανάλυση δεδομένων με την χρήση της ανάλυσης επαναλαμβανόμενων μετρήσεων.

ΠΡΟΫΠΗΡΕΣΙΑ:Μερική απασχόληση από Ο.Τ.Ε. Α.Ε. στο τμήμα τηλεφωνικής εξυπηρέτησης πελατών  134 την περίοδο 15/11/2005 έως 14/07/2006,Μερική απασχόληση στην βιβλιοθήκη του Ε.Μ.Π στο έργο Ανάπτυξη Ψηφιακών Υπηρεσιών – Αριάδνη την περίοδο 21/08/2006 έως 31/12/2006,Πρακτική άσκηση στο Ιπποκράτειο Νοσοκομείο Αθηνών την περίοδο 17/11/2006 έως 17/01/2007,Μερική απασχόληση από το Γραφείο διασύνδεσης φοιτητών και νέων αποφοίτων του Ε.Μ.Π. την περίοδο 5/12/06 έως 25/01/2008.

Ο λόγος που με ώθησε να επιλέξω το μάθημα Αλγόριθμοι Εξόρυξης Δεδομένων είναι ότι είναι ένα σύχρονο πεδίο μελέτης στο οποίο μπορεί να βασιστούν πολλές εφαρμογές και να διεξαχθούν πολλά χρήσιμα συμπεράσματα από τεράστιες βάσεις δεδομένων.  Σκοπός μου είναι η εξοικείωση με τους συγκεκριμένους αλγορίθμους και η εφαρμογή τους σε διάφορα προβλήματα.

ΣΠΟΥΔΕΣ

2002-2007 : Εθνικό Μετσόβιο Πολυτεχνείο , Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Κατεύθυνση Μαθηματικού Εφαρμογών με ειδίκευση στην Ανάλυση και στη Στατιστική. Bαθμός Πτυχίου: 7,78/10

2007-2008:  Εθνικό Μετσόβιο Πολυτεχνείο , Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών στις Εφαρμοσμένες Μαθηματικές Επιστήμες.  Κατεύθυνση Στατιστικής.

ΕΡΓΑΣΙΕΣ

Ανάπτυξη Υπηρεσιών WiMAX στην περιοχή των Μεσογείων Αττικής

Διπλωματική εργασία που εκπονήθηκε σε συνεργασία με τον Διεθνή Αερολιμένα Αθηνών κατά την περίοδο Φεβρουαρίου – Νοεμβρίου 2007. Μελετήθηκαν τα τεχνικά , οικονομικά και δημογραφικά στοιχεία που είναι απαραίτητα για την ανάπτυξη υπηρεσιών WiMAX στην συγκεκριμένη περιοχή.

ΓΛΩΣΣΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ-ΓΝΩΣΕΙΣ Η/Υ

Pascal, C, HTML, Matlab, Mathematica, Minitab, Statgraphics, Spss, Stata, SAS,R, Microsoft Office (ECDL).

ΕΡΓΑΣΙΑΚΗ ΕΜΠΕΙΡΙΑ

Εργοδότης: Διεθνής Αερολιμένας Αθηνών. Δίμηνη απασχόληση στα πλαίσια πρακτικής άσκησης της σχολής Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Ε.Μ.Π.

Θέση: Telecommunications coordinator. Κύριες αρμοδιότητες ήταν η ανάπτυξη νέων τεχνολογιών όπως WiFi, WiMAX, Tetra Systems.

Ο κύριος λόγος που με ώθησε να επιλέξω το μάθημα Αλγόριθμοι  Εξόρυξης Πληροφορίας είναι ότι το data mining είναι μια πολύ πρόσφατη επιστήμη που είναι χρήσιμη στην εποχή μας ,δεδομένου του όγκου των πληροφοριών που παράγονται κάθε μέρα. Από το συγκεκριμένο μάθημα ευελπιστώ να αποκομίσω τις βασικές γνώσεις πάνω στο data mining ,ώστε να έχω την δυνατότητα να ασχοληθώ περαιτέρω με το αντικείμενο και ενδεχομένως να  εφαρμόσω τις γνώσεις μου στην αγορά εργασίας.

ΣΠΟΥΔΕΣ:

Εθνικό Μετσόβιο Πολυτεχνείο - Σχολή  Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών: Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών Τεχνο-Οικονομικά Συστήματα. Κατεύθυνση “Διοίκηση Τεχνολογικών Συστημάτων”.

Πανεπιστήμιο Θεσσαλονίκης, Τμήμα Πολιτικών Μηχανικών, Κατεύθυνση “Επιστήμη & Τεχνολογία κατασκευών”

ΕΠΙΣΤΗΜΟΝΙΚΕΣ ΕΡΓΑΣΙΕΣ:

• «Stochastic Estimation using the Extended and Unscented Kalman Filters”. Διπλωματική Εργασία που εκπονήθηκε στα πλαίσια του Διατμηματικού Προγράμματος Μεταπτυχιακών Σπουδών “Τεχνο-Οικονομικά Συστήματα», 2007.

• «Στατική - Δυναμική ανάλυση με πεπερασμένα στοιχεία σε Η/Υ με το πρόγραμμα SAP 80» και αντικείμενο την ανάλυση των τεχνικών μοντελλοποίησης φορέων υπό φορτίσεις πάσης φύσεως και των αποτελεσμάτων που αυτές δίνουν σε σχέση με αυτά της θεωρητικής επίλυσης αλλά και άλλων προγραμμάτων (π.χ. SUPERETABS). Διπλωματική Εργασία που εκπονήθηκε στον τομέα Στατικής & Δυναμικής των Κατασκευών του τμήματος Πολιτικών Μηχανικών του ΑΠΘ, 1991.

Γλώσσες Προγραμματισμού: C#, Visual Basic.NET, MATLAB, R, WinBUGS, SIMULINK, VB, JAVA, POWER BUILDER, T SQL, IDL, Office VBA, ASP.NET, XML, Shell scripting
Σχεσιακές Βάσεις Δεδομένων: MS SQL Server (Διαχείριση, Προγραμματισμός), Sybase (Διαχείριση, Προγραμματισμός), MySQL, Access, ODBC, ADO 2.x, ADO.NET, DAΟ

ΘΕΣΗ: Στέλεχος Πληροφοριακών Συστημάτων ΕΡΓΟΣΕ με αρμοδιότητες :

• τη συμβολή στον σχεδιασμό, τη συνεχή ανάπτυξη και την λειτουργία του εταιρικού Ολοκληρωμένου Πληροφοριακού Συστήματος (ΟΠΣ) της «ΕΡΓΟΣΕ Α.Ε.» (σε περιβάλλον Powerbuilder/PFC - SYBASE ASE 12.5)
• το σχεδιασμό και την ανάλυση βάσεων δεδομένων (Sybase ή MS SQL Server)
• τον προγραμματισμό και διαχείριση βάσεων δεδομένων Sybase ή MS SQL Server
• τη στατιστική επεξεργασία των δεδομένων και την εξόρυξη γνώσης.
• την ανάπτυξη συμπληρωματικών εφαρμογών (desktop ή web) με πρόσβαση στις ως άνω βάσεις δεδομένων με χρήση της βιβλιοθήκης αντικειμένων .NET Framework ή της VBA (COM, Windows API) ή του Powerbuilder
• τη δημιουργία δυναμικών βιβλιοθηκών αντικειμένων (dll) γενικής χρήσης.

ΕΝΔΙΑΦΕΡΟΝΤΑ:

• Systems Analysis and Optimization
• Optimal State Estimation (Kalman Filtering)
• Fault Detection and Isolation
• Bayesian Data Analysis (WinBUGS, R)
• Statistical Data Mining (R, Rattle, MATLAB, Weka, GGobi)

Οι τίτλοι των διαλέξεων που θα πραγματοποιηθούν είναι οι εξής:

• Διάλεξη 01: Εισαγωγή
• Διάλεξη 02: Συνιστώσες Δεδομένων, Οπτικοποίηση & Εξερεύνηση
• Διάλεξη 03: Προεπεξεργασία & Επιλογή Δεδομένων
• Διάλεξη 04: Απεικόνιση Γνώσης, Αξιοπιστία & Αποτίμηση
• Διάλεξη 05: Αλγόριθμοι Εκμάθησης, Μέρος Α: Δένδρα Αποφάσεων & Κανόνες Ταξινόμησης
• Διάλεξη 06: Αλγόριθμοι Εκμάθησης, Μέρος Β: Bayes, Κανόνες Συσχέτισης, Αδρανής
  Εκμάθηση & Ομαδοποίηση
• Διάλεξη 07: Αλγόριθμοι Εκμάθησης, Μέρος Γ: Συναρτήσεις & μετα-μαθησιακοί Αλγόριθμοι
• Διάλεξη 08: Παρουσίαση Εργασιών

Δεν προβαίνω σε προσδιορισμό ημερομηνιών, καθώς είναι σαφές πως το σφάλμα πρόκειται να είναι στατιστικά σημαντικό και η αναμενόμενη διακύμανσή του για τις τελευταίες ειδικά διαλέξεις αρκετά μεγάλη. Σε επόμενο post θα αναρτηθεί αναλυτικά και ο αλγόριθμος βαθμολόγησης.

Το παρόν αποτελεί το επίσημο blog του μαθήματος ‘Αλγόριθμοι Εξόρυξης Πληροφορίας’, το οποίο και διδάσκεται στο δεύτερο εξάμηνο του διατμηματικού μεταπτυχιακού προγράμματος σπουδών ‘Εφαρμοσμένες Μεταπτυχιακές Επιστήμες‘, με συντονίζουσα τη Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημώντου Εθνικού Μετσόβιου Πολυτεχνείου. Το συγκεκριμένο μάθημα παρέχεται από τον Τομέα Βιομηχανικής Διοίκησης & Επιχειρησιακής Έρευνας της Σχολής Μηχανολόγων Μηχανικών ΕΜΠ, με υπεύθυνους τον καθηγητή κ. Ηλία Τατσιόπουλο και τον υπογράφοντα ΥΔ, Γεώργιο Τζιραλή. Οι διαλέξεις πραγματοποιούνται κάθε Τρίτη 12.00-14.00, στο pc-lab της ΣΕΜΦΕ.

Το blog πρόκειται να αποτελέσει εργαλείο υποστήριξης της διδασκαλίας του μαθήματος, φιλοξενώντας το σύνολο του σχετικού υλικού και αναβαθμίζοντας τη συμμετοχικότητα των διδικασιών και της φύσης του μαθήματος. Συγγραφέας του ιστολογίου δεν είναι μονάχα ο διδάσκων, αλλά και το σύνολο των φοιτητών.

Στο πλαίσιο αυτό, το blog πρόκειται να περιλάβει το σύνολο των διδακτικών σημειώσεων, τις εκφωνήσεις των διαφόρων εργασιών, όπως επίσης συνοδευτικό υλικό του μαθήματος και (ευελπιστώ) τα videos των διαλέξεων, σε ζωντανή και μαγνητοσκοπημένη μορφή. Πέρα από το υλικό που θα συνεισφέρει ο διδάσκων, ο κάθε φοιτητής καλείται να υποβάλλει τις εργασίες του σε ξεχωριστό post κάθε φορά, δίνοντας τη δυνατότητα κριτικής αξιολόγησης όχι μονάχα στον διδάσκοντα, αλλά και στους συμφοιτητές του (τα θέματα πρόκειται να φέρουν διαφοροποίηση ανά φοιτητή). Επίσης, προφανώς και μπορεί να αναρτά σχετικό προς το μάθημα υλικό, υποδεικνύοντας ζητήματα προς προβληματισμό και διερεύνηση. Περαιτέρω λεπτομέρειες θα αναρτηθούν εν καιρώ.

Προφανώς και η επιλογή αυτού του μέσου για την υποστήριξη του μαθήματος συνιστά ένα πείραμα, καθώς τα αντίστοιχα παραδείγματα είναι ελάχιστα, αν όχι εντελώς ανύπαρκτα, σε διεθνές επίπεδο (αν έχετε να υποδείξετε κάποιο, παρακαλώ αφήστε ένα σχόλιο, θα ήταν χρήσιμο). Για το λόγο αυτό, η έκβαση του πειράματος παραμένει εκ των προτέρων άγνωστη, αν και διατηρώ βάσιμες ελπίδες πως η διαδικασία θα αποδειχθεί ιδιαίτερα επωφελής. Καλή μας επιτυχία.