[Ανάλυση Δεδομένων] Να επιλέξω το μάθημα;

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Πληροφορίες Καθηγητών]

Πληροφορίες Καθηγητών

[Arcade]

Κανείς;

[xristosioan]

Το μάθημα είναι πολύ ενδιαφέρον, γίνεται σχεδόν εξ ολοκλήρου στο Matlab (το πως θα το βρεις είναι δικό σου θέμα, όπως λέει και ο dkugiu) και μαθαίνεις πράγματα για την Ανάλυση Δεδομένων 

Στην αρχή είναι θεωρητικό με πιθανότητες και στατιστική, ουσιαστικά ένα recap τις βασικές έννοιες. Όλη η ιστορία είναι μετά όμως. Εκτίμηση παραμέτρων και έλεγχοι υπόθεσης, αβεβαιότητα και σφάλματα, συσχέτιση και παλινδρόμηση ( μπορεί να το έχετε ακούσει ως regression από ML cources που είναι και της μόδας), μείωση διαστάσεων για ευκολότερη και αποδοτικότερη διαχείριση δεδομένων, καθαρισμό δεδομένων.

Ο dkugiu ακολουθεί δικές του σημειώσεις, που τις ανεβάζει στο δικό του site και στο elearning. Το μάθημα είναι η εμπλουτισμένη έκδοση του αντίστοιχου μαθήματος που γίνεται στο μεταπτυχιακό πρόγραμμα σπουδών Υπολογιστική Φυσική.

Έχει εργασία που μετρά για ένα ποσοστό περίπου στο 30% του βαθμού και βγαίνει μετά τα Χριστούγεννα. Αν όμως παραδίδεις εργασίες κάθε εβδομάδα, τότε σου μειώνει τον φόρτο στην τελική εργασία (που βολεύει γιατί το θέμα της οργάνωσης δεν πήγε πολύ καλά πέρσι, θα αναφερθώ σε αυτό στο τέλος).

Μαθαίνεις πράγματα από το μάθημα, είναι πολύ χρήσιμο όχι μόνο για τον τομέα ηλεκτρονικής, αλλά και για τους άλλους 2 τομείς. Ανάλυση δεδομένων πολύ πιθανό να χρειαστεί να κάνουν όλοι αργά ή γρήγορα κάποτε στην ζωή τους π.χ. μετά την επεξεργασία σημάτων στη βιοϊατρική, πρέπει να βγουν συμπεράσματα για αυτά, σε ποιοτικό επίπεδο συνολικά.

Τέλος, δεν ξέρω αν έφταιγε το γεγονός πως πέρσι έγινε πρώτη φορά το μάθημα, αλλά ο dkugiu δεν μου άφησε τις καλύτερες εντυπώσεις όσο αναφορά την οργάνωση του. Οι ασκήσεις και οι διαφάνειες θεωρίας αργούσαν πολύ να ανέβουν, κάποιες φορές αργούσαν υπερβολικά σε σημείο να τρέχεις για να προλάβεις την προθεσμία της Δευτέρας (συνυπολογίζοντας και τον φόρτο από άλλα μαθήματα που πιθανόν θα έχουν εργασίες). Η λύση γι αυτό ήταν να ψάξεις τις εκφωνήσεις στην σελίδα του ΜΠΣ Υπολογιστική Φυσική. Επίσης, ένα ακόμα μεγάλο φαουλ ήταν το γεγονός πως άργησε να μας δώσει και την τελική εργασία, ενώ είχε πει πως θα μας την δώσει πριν τις γιορτές, μας την έδωσε αρκετά μετά.

Σε γενικές γραμμές το μάθημα αξίζει να το πάρεις αν θέλεις να ασχοληθείς και να μάθεις κάτι, η εξέταση του ήταν εφ όλης της ύλης και απαιτητική. Σίγουρα δεν είναι ένα μάθημα που θα περαστεί εύκολα και χωρίς προσπάθεια, οπότε αν ψάχνεις κάτι εύκολο να τελειώνεις, πρέπει να ψάξεις αλλού.

[Arcade]

Το μάθημα είναι πολύ ενδιαφέρον, γίνεται σχεδόν εξ ολοκλήρου στο Matlab (το πως θα το βρεις είναι δικό σου θέμα, όπως λέει και ο dkugiu) και μαθαίνεις πράγματα για την Ανάλυση Δεδομένων 

Στην αρχή είναι θεωρητικό με πιθανότητες και στατιστική, ουσιαστικά ένα recap τις βασικές έννοιες. Όλη η ιστορία είναι μετά όμως. Εκτίμηση παραμέτρων και έλεγχοι υπόθεσης, αβεβαιότητα και σφάλματα, συσχέτιση και παλινδρόμηση ( μπορεί να το έχετε ακούσει ως regression από ML cources που είναι και της μόδας), μείωση διαστάσεων για ευκολότερη και αποδοτικότερη διαχείριση δεδομένων, καθαρισμό δεδομένων.

Ο dkugiu ακολουθεί δικές του σημειώσεις, που τις ανεβάζει στο δικό του site και στο elearning. Το μάθημα είναι η εμπλουτισμένη έκδοση του αντίστοιχου μαθήματος που γίνεται στο μεταπτυχιακό πρόγραμμα σπουδών Υπολογιστική Φυσική.

Έχει εργασία που μετρά για ένα ποσοστό περίπου στο 30% του βαθμού και βγαίνει μετά τα Χριστούγεννα. Αν όμως παραδίδεις εργασίες κάθε εβδομάδα, τότε σου μειώνει τον φόρτο στην τελική εργασία (που βολεύει γιατί το θέμα της οργάνωσης δεν πήγε πολύ καλά πέρσι, θα αναφερθώ σε αυτό στο τέλος).

Μαθαίνεις πράγματα από το μάθημα, είναι πολύ χρήσιμο όχι μόνο για τον τομέα ηλεκτρονικής, αλλά και για τους άλλους 2 τομείς. Ανάλυση δεδομένων πολύ πιθανό να χρειαστεί να κάνουν όλοι αργά ή γρήγορα κάποτε στην ζωή τους π.χ. μετά την επεξεργασία σημάτων στη βιοϊατρική, πρέπει να βγουν συμπεράσματα για αυτά, σε ποιοτικό επίπεδο συνολικά.

Τέλος, δεν ξέρω αν έφταιγε το γεγονός πως πέρσι έγινε πρώτη φορά το μάθημα, αλλά ο dkugiu δεν μου άφησε τις καλύτερες εντυπώσεις όσο αναφορά την οργάνωση του. Οι ασκήσεις και οι διαφάνειες θεωρίας αργούσαν πολύ να ανέβουν, κάποιες φορές αργούσαν υπερβολικά σε σημείο να τρέχεις για να προλάβεις την προθεσμία της Δευτέρας (συνυπολογίζοντας και τον φόρτο από άλλα μαθήματα που πιθανόν θα έχουν εργασίες). Η λύση γι αυτό ήταν να ψάξεις τις εκφωνήσεις στην σελίδα του ΜΠΣ Υπολογιστική Φυσική. Επίσης, ένα ακόμα μεγάλο φαουλ ήταν το γεγονός πως άργησε να μας δώσει και την τελική εργασία, ενώ είχε πει πως θα μας την δώσει πριν τις γιορτές, μας την έδωσε αρκετά μετά.

Σε γενικές γραμμές το μάθημα αξίζει να το πάρεις αν θέλεις να ασχοληθείς και να μάθεις κάτι, η εξέταση του ήταν εφ όλης της ύλης και απαιτητική. Σίγουρα δεν είναι ένα μάθημα που θα περαστεί εύκολα και χωρίς προσπάθεια, οπότε αν ψάχνεις κάτι εύκολο να τελειώνεις, πρέπει να ψάξεις αλλού.

Γενικά μου αρέσει η στατιστική και η ανάλυση δεδομένων αλλά απ' ότι κατάλαβα αν ο καθηγητής δεν είναι συνεργάσιμος μάλλον δεν γίνεται δουλίτσα... Θα δείξει. Ευχαριστώ πολύ για την απάντηση

[Traxius]

Προσωπική μου γνώμη για το μάθημα:

- Χρήσιμη γνώση σίγουρα. Όπως αναφέρθηκε και προηγουμένως, πολύ πιθανό να έρθεις αντιμέτωπος με αυτά που πραγματεύεται το μάθημα.

- Ενδιαφέρον το ότι υπάρχει εξάσκηση στο Ματλαμπ και δεν μένεις ξερά με την θεωρία. Σε βοηθάει να καταλάβεις καλύτερα .

- Οι εργασίες θέλουν να παιδευτείς. Δεν το θεωρώ απαραίτητα κακό, ίσως πιο πολύ καλό. Κάποιες είναι σχετικά δύσκολες αλλά γενικά σε μέτριο επίπεδο δυσκολίας. Άμα ασχοληθείς, θα τις βγάζεις. Το πρόβλημα σε αυτό το κομμάτι είναι , όπως αναφέρθηκε, ότι υπάρχει πίεση και από άλλα μαθήματα και κάποιες φορές σε ζορίζει.

- Με ενόχλησε αρκετά το ότι η εργασία, η μεγάλη, ανέβηκε μετά τις γιορτές. Μέσα στην εξεταστική έπρεπε να βρεις χρόνο για την κάνεις. Δεν θυμάμαι αν ο βαθμός της κρατιόταν για Σεπτέμβρη.

- Αν ήμουν ξανά 7ο εξάμηνο δεν ξέρω αν θα το διάλεγα τελικά, οχι γιατί είναι κακό το μάθημα, αλλά για τα 4 ects που σου δίνει, η δουλειά που κάνεις είναι πολύ μεγάλη.

sent from mTHMMY 

[The Audacious AI]

Ώρα να πω και την δική μου άποψη.

Οι διαλέξεις μου φάνηκαν ιδιαίτερα κουραστικές αλλά το αντικείμενο ήταν αρκετά ενδιαφέρον. Προσωπικά θα προτιμούσα να μπούμε βαθύτερα στην ύλη και να αναλωθούμε λιγότερο σε ήδη γνωστά πράγματα από την στατιστική. Για το μάθημα χρησιμοποιείται το matlab αν και θα ήταν αντικειμενικά πιο χρήσιμο και ωφέλιμο να χρησιμοποιηθεί python.

Μετά το μάθημα είχε 1 ώρα εργαστήριο όπου οι φοιτητές παρουσιάζαμε κάποιες προαιρετικές εργασίες χωρίς κανένα bonus. Μινι εργασίες που δεν ήταν τόσο εύκολες. Η ενασχόληση με αυτές άξιζε φουλ κατά την γνώμη μου και κέρδισα πολλά από αυτές. Το ότι δεν υπήρχε βαθμολογικό κίνητρο αποθάρρυνε την συμμετοχή. Ίσως να έπρεπε ο διδάσκων να βρει έναν τρόπο να μας πείσει να συμμετάσχουμε περισσότερο.

Η εργασία που πιάνει νομίζω το 30% του βαθμού βασίζεται στην ύλη, καλύπτει πράγματα που έχουμε δει στα εργαστήρια οπότε έπειτα από ενασχόληση με αυτά θα είσαι έτοιμος να την κάνεις. Κόπο θέλει και αρκετό μάλιστα. Βγαίνει μετά τα Χριστούγεννα και έχει προθεσμία μετά την εξεταστική. Κακό για μένα και για πολλούς συμφοιτητές μας.

Η εξέταση, που ήταν διαδικτυακά, με άγχωσε ιδιαίτερα καθώς κώδικας σε περιορισμένο χρόνο είναι πάντα ζόρικος. Είχαμε 2 θέματα σε matlab. Και πάλι στην νοοτροπία των ασκήσεων των εργαστηρίων. Θα έλεγα πως το ένα θέμα ήταν λιγάκι έως πολύ κακογραμμένο.

Για την βαθμολόγηση περιμένω τα αποτελέσματα.

Το μάθημα το προτείνω σε όλους. Δεν χρειάζεται προαπαιτούμενα πέρα από βασικές γνώσεις στατιστικής. Μέσος όρος, τυπική απόκλιση, κατανομή student. Αλλά θα τα ξαναπεί ο διδάσκων μέσες άκρες. Εμένα μου πήρε αρκετό χρόνο αλλά το θεώρησα παραγωγικό. Τα 4 ECTS τα θεωρώ λίγα.

[kostino]

Προσωπική άποψη για το μάθημα όπως γινόταν από κοντά (προ-κοβιντ):

Γενικά καλές διαλέξεις και καλό το ότι υπενθυμίζει βασικά κομμάτια θεωρίας στατιστικής στην αρχη. Μετά πιάνει όλες τις μεθόδους ανάλυσης δεδομένων και κάποια βασικά που θα δει κάποιος αν αποφασίσει να ασχοληθεί με Machine Learning. Κατά τη γνώμη μου είναι must μάθημα αν κάποιος θέλει να ασχοληθεί με machine learning(πχ στη διπλωματική η για δουλειά) καθώς εισάγει κάποιες βασικές ιδέες όπως πχ reggression, PCA, ICA, dimensionality reduction κλπ αλλά από μια σκοπιά πιο μαθηματική-στατιστική οπότε θεωρώ ότι βοηθάει στο να κατανοήσεις τις μεθόδους καλύτερα. Προσωπικά πχ με βοήθησε ιδιαίτερα να καταλάβω πιο εύκολα τι παίζει με τα πιο εξεζητημένα πράγματα σχετικά με το ML στην αναγνώριση προτύπων.

Όσον αφορά τα διαδικαστικά έχει κάθε βδομάδα εργασίες οι οποίες δε βαθμολογούνται αλλά βοηθάνε μειώνοντας τον φόρτο της main εργασίας αλλά το περιεχόμενο τους είναι βασικά αυτό που θα ζητηθεί και στη main εργασία και στις εξετάσεις οπότε από την εμπειρία που είχα βοηθάει πολύ να ασχολείσαι και ακόμα και κάτι να μη δουλεύει ή να μη το καταλαβαίνεις να το λες στον κούγιου στο επόμενο αμφιθέατρο καθώς περνάει μία ώρα λύνοντας τις εργασίες τις προηγούμενης βδομάδας. Η μεγάλη εργασία του μαθήματος είναι ένα θέμα με πολλά ερωτήματα που μοιάζουν ακριβώς με τις μικρες εβδομαδιαίες εργασίες, νομίζω είναι αρκετά εύκολη για κάποιον που ασχολήθηκε με τις άλλες εργασίες. Οι εξετάσεις από την άλλη από την προσωπική μου εμπειρία ήταν αρκετά δύσκολες και από άποψη χρόνου αλλά και από άποψη δυσκολίας θεμάτων( και προ κοβιντ ήταν ηλεκτρονικά οι εξετάσεις 2 ασκήσεις matlab στην αίθουσα υπολογιστών).

Συνολικά το μάθημα κατά τη γνώμη μου αξίζει σίγουρα από άποψη γνώσεων που θα αποκτήσει κάποιος αλλά το δυσκολεύει πολύ το ότι έχει 4 ects ενώ ο φόρτος εργασίας του αντιστοιχεί σίγουρα σε πολλά περισσότερα.

[Judas Priest saved me]

Πάρα πολύ καλά τα λέει ο kostino.

Εγώ θέλω να τονίσω αυτό που είπε και ο φίλος kostino, ότι είναι πάρα πολύ κρίμα αυτό το μάθημανα έχει 4 ects. Αν είχε 6 ects, θα ήταν βαρύ 6άρι. Επίσης, θέλω να προσθέσω ότι η βαθμολόγηση στις εξετάσεις και την εργασία (με κοβιντ) ήταν εξαιρετικά επιεικής.

[Thunderlord]

Τα είπαν πολύ καλά τα παιδιά παραπάνω.

Το μάθημα είναι απόλυτα must.

Να προσθέσω ότι σε σχέση με αυτά που διαβάζω, θεωρώ ο Κούγιου έχει βελτιωθεί αρκετά και είναι πιο συνεργάσιμος. Σε εμάς την εργασία την έβγαλε μέσα στα Χριστούγεννα και μας έδωσε αρκετό χρόνο και μετά την εξεταστική να τη δουλέψουμε, ενώ γενικά ήταν πιο συνεπής.

Στα αρνητικά του μαθήματος θα βάλω τη χρήση MATLAB, ενώ θα ήταν μια καλή ευκαιρία να δούμε μια άλλη γλώσσα, πχ python. Πάντως νομίζω σε αυτό και ο καθηγητής είναι ανοικτός, είχαμε κάνει μια μικρή συζήτηση στην αρχή του εξαμήνου και είχε φανεί ότι μπορεί να το σκεφτεί. Επίσης, τουλάχιστον εγώ, δυσκολεύομαι λίγο να καταλάβω από τις εκφωνήσεις των ασκήσεων και των θεμάτων τι ακριβώς ζητείται. Έτσι, και στις εξετάσεις τη μία φορά τα μπέρδεψα τελείως με αποτέλεσμα να κοπώ, ενώ τη δεύτερη μετά από πολλές αναγνώσεις (και άρα κάμποσο χρόνο) κατάλαβα τι ζητούσε. Και το έχω ακούσει κι από άλλους το συγκεκριμένο

[Rick Deckard]

Εγώ θα πω με προσοχή αυτό το μάθημα.... Για 4 ECTS έχει πολύ πράγμα. Αρχικά έχει κάθε εβδομάδα ασκήσεις που πρέπει να παραδώσεις για να σου μειωθούν τα ερωτήματα στην τελική εργασία, το οποίο πέρσι (2021-2022) δεν έγινε σωστά, καθώς άτομα που παρέδωσαν κάθε εβδομάδα κατέληξαν με πολλά ερωτήματα (7+ από σύνολο 10) και άλλα άτομα κατέληξαν με 3, για μία εργασία η οποία γίνεται δύσκολη μόνο από τις εκφωνήσεις του Κουγιουμτζή, παράδοση που συνεχίζει και στις εξετάσεις (φέτος τα θέματα ήταν μπρος πίσω πυκνογραμμένα). Το μάθημα από μεριά ενδιαφέροντος έχει καλό περιεχόμενο και φέτος, αν έχει διαθέσιμο έναν διδακτορικό φοιτητή/τρια που μας είχε πει πέρσι, μπορεί να γίνει και σε Python. Γενικά η χρήση MATLAB έχει τα καλά της και τα κακά της. Από την μία, μπορείς να βγάλεις εύκολα τις ασκήσεις λόγω έτοιμων συναρτήσεων, αλλά από την άλλη ίσως να μην αποκομίσεις τους αλγορίθμους επαρκώς... Γενικά με προσοχή.

[MajorTom]

Δεν το προτείνω.

[Caterpillar]

Δεν το προτείνω.

Λακονικοτατος, βεβαια θα μπορουσες να πεις και ενα μονο ΟΧΙ 

[MajorTom]

Λακονικοτατος, βεβαια θα μπορουσες να πεις και ενα μονο ΟΧΙ 

Ήθελα να μαι πιο διαλλακτικός.

[Nikos_313]

Δεν το προτείνω.

κ. MajorTom, μήπως θα μπορούσατε να αναπτύξετε λίγο παραπάνω τα επιχειρήματα σας κατά της επιλογής του συγκεκριμένου μαθήματος;

Σκέφτομαι να το επιλέξω φέτος. 

[Tsompanotravolta]

Απαράδεκτος καθηγητής, αργεί πάρα πολύ τα αποτελέσματα, κάνει το μάθημα σε μάτλαμπ με γνώσεις δεκαετίας του '90 και κάνει διαλέξεις Κουγιουμτζή, δηλαδή απίστευτα ΜΗ ενδιαφέρουσες και τέλος έχει αρκετά απαιτητική εξέταση. ΜΑΚΡΙΑ ΚΑΙ ΑΓΑΠΗΜΕΝΟΙ ΜΕ ΤΟΝ ΦΙΛΤΑΤΟ ΠΑΟΚΤΣΗ

[Nikos_313]

Απαράδεκτος καθηγητής, αργεί πάρα πολύ τα αποτελέσματα, κάνει το μάθημα σε μάτλαμπ με γνώσεις δεκαετίας του '90 και κάνει διαλέξεις Κουγιουμτζή, δηλαδή απίστευτα ΜΗ ενδιαφέρουσες και τέλος έχει αρκετά απαιτητική εξέταση.

Μια ερώτηση μιας και το παρακολούθησες... Τα εργαστήρια γίνονται στην αίθουσα υπολογιστών, και έχουν ή δεν έχουν υποχρεωτική παρακολούθηση;