Παρουσίαση/Προβολή

Αντικείμενο του μαθήματος: Χρονοσειρές και Προβλέψεις ζήτησης, Ανάλυση Χρονοσειρών, Βασικές Στατιστικές έννοιες και σε ποιοτικά χαρακτηριστικά των Χρονοσειρών,  Ορισμός Πρόβλεψης, Κατηγορίες μεθόδων προβλέψεων, Πεδία και εφαρμογές πρόβλεψης, Κατηγορίες μεθόδων πρόβλεψης, Περιγραφή μαθηματικών μοντέλων και μεθόδων πρόβλεψης, Μειονεκτήματα και πλεονεκτήματα μεθόδων πρόβλεψης , Μέτρηση της ακρίβειας των προβλέψεων. Γραφική αναπαράσταση δεδομένων, Διαχείριση κενών και μηδενικών τιμών, Ημερολογιακές προσαρμογές, Στατιστική ανάλυση, Στατιστική Ανάλυση Ακρίβειας Προβλέψεων , Ρυθμός Ανάπτυξης, Κινητοί Μέσοι Όροι για εξομάλυνση (Απλός κινητός μέσος όρος, Σταθμισμένος κινητός μέσος όρος, Διπλός κινητός μέσος όρος, Κεντρικός κινητός μέσος όρος), Κλασική Μέθοδος Αποσύνθεσης, Κατηγορίες Προβλέψεων (Στατιστική, Κριτική, Στόχου, Τελική), Ορίζοντας Πρόβλεψης, Διαστήματα Εμπιστοσύνης, Διαδικασία πρόβλεψης στις επιχειρήσεις, Κινητοί Μέσοι Όροι για πρόβλεψη, Μέθοδοι Εκθετικής Εξομάλυνσης (Μοντέλο σταθερού επιπέδου), Μέθοδοι Εκθετικής Εξομάλυνσης (Μοντέλο γραμμικής τάσης, Μοντέλα μη γραμμικής τάσης, Εποχιακή Εξομάλυνση), Επιλογή μοντέλου εξομάλυνσης, Εισαγωγή στα ARIMA Μοντέλα Πρόβλεψης Χρονοσειρών  (Περιορισμοί των προβλέψεων ). Περιγραφή μοντέλων Παλινδρόμησης (απλή γραμμική και πολλαπλή παλινδρόμηση), Κατηγοριοποίησης (SVM και MLP) και εφαρμογές Μηχανικής Μάθησης, μοντέλα Ομαδοποίησης (Νευρωνικά δίκτυα, k-NN, Expectation Maximization). Εξόρυξης γνώσης από κείμενα (διαδικτυακούς διαλόγους) με σκοπό την ανίχνευση κακόβουλων και ενοχλητικών προτύπων συμπεριφοράς (περιγραφή της τεχνικής SAX) σε ερωτήσεις (σε μορφή χρονοσειράς) με τις οποίες απευθύνεται ο θηρευτής (predator) στο υποψήφιο ανήλικο θύμα (victim).

Σκοπός του μαθήματος: H αναλυτική περιγραφή των πιο σύγχρονων, στατιστικών και μη, προσεγγίσεων, μεθόδων και τεχνικών πρόβλεψης, με στόχο την απόκτηση γνώσης και εμπειρίας των σπουδαστών στην μεθοδολογία και εφαρμογή των τεχνικών προβλέψεων.
Επίσης επικεντρώνεται στην χρήση πληροφοριακών συστημάτων επιχειρηματικών προβλέψεων από τους σπουδαστές με στόχο την εξοικείωση αυτών σε επιχειρηματικές πρακτικές και επιχειρηματικά εργαλεία νέων τεχνολογιών. Απώτερος στόχος είναι οι σπουδαστές να αποκτήσουν την γνώση και την πρακτική εφαρμογή της στις τεχνικές προβλέψεων.

Βιβλιογραφία:

Στους σπουδαστές που δηλώσουν το μάθημα προτείνονται τα παρακάτω συγγράμματα:
1. Μέθοδοι Προβλέψεων και Ανάλυσης Αποφάσεων, Αγιακλογλου Ν. Χρήστος, Οικονόμου Γιώργος, Εκδόσεις Μπένου, 2014.
2. Φ. Πετρόπουλος & Β. Ασημακόπουλος, Επιχειρησιακές Προβλέψεις, Εκδόσεις Συμμετρία, 2011.
3. Σύγχρονες Μέθοδοι Ανάλυσης Χρονολογικών Σειρών". Συγγραφέας: Δημέλη Σοφία. Εκδόσεις: Οικονομικό Πανεπιστήμιο Αθηνών. Εταιρεία Ο.Π.Α. Α.Ε.

Επιπρόσθετη βιβλιογραφία για μελέτη
1. Επιχειρησιακή Αναλυτική και Ποσοτικά Υποδείγματα Μάρκετινγκ και Διαδικτύου, Μπάλτας Γεώργιος, Ρεπούσης Παναγιώτης, Εδόσεις Rosili, 2018.

Οι διαφάνειες των διαλέξεων θα αναρτηθούν στον ιστότοπο του μαθήματος. Το σύνολο των διαφανειών βασίζεται σε υλικό των βιβλίων τα οποία αποτελούν και μέρος της προτεινόμενης βιβλιογραφίας.

Τελική Εξέταση:
Η τελική εξέταση του μαθήματος είναι γραπτή και κατά την διάρκεια της επιτρέπεται η χρήση βιβλίων και σημειώσεων.
Περιλαμβάνει ασκήσεις και θεωρητικές ερωτήσεις που συνδέονται με τις παραδόσεις του μαθήματος.
Η εξεταστέα ύλη ταυτίζεται με την διδακτέα ύλη.