Εισαγωγή στους Η/Υ και Εφαρμογές

Κωδικός Μαθήματος: 
ECO_150
Εξάμηνο: 
1ο
Έτος Σπουδών: 
1ο έτος
Κατηγορία: 
Υποχρεωτικό
Προς Φοιτητές Erasmus: 
Ναι

Μαθησιακά Αποτελέσματα

Στόχος του μαθήματος είναι η δημιουργία βασικών ικανοτήτων για την αξιοποίηση των υπολογιστικών συστημάτων και των εφαρμογών τους ως τα κύρια εργαλεία επεξεργασίας και κατανόησης των δεδομένων σήμερα. 

Μετά την επιτυχή ολοκλήρωση του μαθήματος, αναμένεται οι φοιτητές και οι φοιτήτριες να είναι σε θέση να:

  • Περιγράψουν το ρόλο και τη σημασία των υπολογιστών στην Οικονομική Επιστήμη
  • Ορίσουν τις αρχές λειτουργίας των υπολογιστών συστημάτων και των στοιχείων της αρχιτεκτονικής τους
  • Προσδιορίσουν μεθόδους αναπαράστασης δεδομένων στους υπολογιστές, ιδίως αριθμητικών σε διαφορετικά συστήματα αρίθμησης
  • Αναγνωρίσουν την έννοια και τη σημασία των αλγορίθμων και να κάνουν χρήση της αλγοριθμικής προσέγγισης στην επίλυση στατιστικών προβλημάτων με τη χρήση υπολογιστών
  • Αξιοποιούν μεθόδους προσέγγισης προβλημάτων στατιστικής επεξεργασίας δεδομένων μέσω Η/Υ
  • Χρησιμοποιούν μεθόδους επεξεργασίας και βασικής στατιστικής ανάλυσης δεδομένων βασιζόμενοι σε λογισμικό λογιστικών φύλλων και στη γλώσσα προγραμματισμού Python
  • Αξιολογούν εναλλακτικά υπολογιστικά περιβάλλοντα επεξεργασίας και στατιστικής ανάλυσης δεδομένων ανάλογα με τη φύση του προβλήματος

Περιεχόμενα μαθήματος

  • Η σημασία των υπολογιστών στην Οικονομική Επιστήμη.
  • Ιστορική αναδρομή στην εξέλιξη των υπολογιστικών συστημάτων και της αρχιτεκτονικής τους. Αρχιτεκτονική σύγχρονων υπολογιστικών συστημάτων.
  • Μέθοδοι αναπαράστασης δεδομένων στους υπολογιστές. Η φιλοσοφία των συστημάτων αρίθμησης και παραδείγματα μετατροπής μεταξύ διαφορετικών συστημάτων, με έμφαση στο δυαδικό σύστημα που χρησιμοποιούν οι υπολογιστές.
  • Οι αλγόριθμοι στην επίλυση στατιστικών προβλημάτων με τη χρήση υπολογιστών.
  • Τεχνικές στατιστικής επεξεργασίας δεδομένων με δύο διαφορετικές προσεγγίσεις:
    1. με βάση το λογισμικό διαχείρισης λογιστικών φύλλων (χρήση MS Excel / OpenOffice Calc), και
    2. με τη χρήση της γλώσσας προγραμματισμού Python.
  • Χρήση δημόσιων ανοικτών δεδομένων, όπως αυτά της Απογραφής Πληθυσμού, για την εκμάθηση τεχνικών επεξεργασίας και κατανόησης των δεδομένων και με τις δύο προσεγγίσεις.
  • Συγκριτική αξιολόγηση των δύο προσεγγίσεων.

Διδακτικές Δραστηριότητες

Διαλέξεις (3 ώρες/εβδομάδα) και Εργαστηριακές Ασκήσεις (2 ώρες/εβδομάδα)

Οργάνωση Διδασκαλίας

Δραστηριότητα

Φόρτος Εργασίας Εξαμήνου

Διαλέξεις

39 (3x13) ώρες

Εργαστηριακές Ασκήσεις

26 (2x13) ώρες

Εκπόνηση Ομαδικής Εργασίας

52 ώρες

Ατομικές Ασκήσεις και Αυτομελέτη

33 ώρες

Σύνολο Μαθήματος (25 ώρες φόρτου εργασίας ανά πιστωτική μονάδα)

150 ώρες

Αξιολόγηση

Η αξιολόγηση περιλαμβάνει:

  1. Δύο (2) γραπτές ομαδικές εργασίες (με στόχο την χρήση υπολογιστικών εργαλείων για την επεξεργασία και στατιστική ανάλυσης δεδομένων): 30%
  2. Γραπτή εξέταση (Ερωτήσεις σύντομης απάντησης, Επίλυση Προβλημάτων): 70%

Ο τελικός βαθμός είναι προβιβάσιμος εφόσον ο βαθμός είναι πάνω από τη βάση στις δύο εργασίες και στην γραπτή εξέταση. Τα κριτήρια αξιολόγησης είναι προσβάσιμα από τους φοιτητές στην περιγραφή του μαθήματος στο eclass εδώ.

Χρήση ΤΠΕ

  • Χρήση διαφανειών για την υποστήριξη διαλέξεων
  • Χρήση λογισμικού λογιστικών φύλλων (MS Excel, OpenOffice Calc) και της γλώσσας προγραμματισμού Python για την επίδειξη και πρακτική προσέγγιση στατιστικών μεθόδων επεξεργασίας δεδομένων
  • Χρήση πλατφόρμας elearning (eclass) για την:
    • οργάνωση και διανομή των σημειώσεων
    • εκπόνηση εβδομαδιαίων ηλεκτρονικών ασκήσεων (quizzes) κατανόησης της ύλης και αξιολόγηση φοιτητών
    • την παράδοση των εργασιών
    • την επικοινωνία με τους φοιτητές.
  • Χρήση ανοικτών μαθημάτων ως συμπληρωματικό εκπαιδευτικό υλικό

Πληροφορίες Μαθήματος

Ώρες διδασκαλίας: 
5 ώρες ανά εβδομάδα
Μoνάδες ECTS: 
6.00
Διδακτικές μονάδες: 
3.00
Συντελεστής Βαρύτητας: 
1.50
Τύπος: 
Υποβάθρου,
Επιστημονικής Περιοχής,
Ανάπτυξης Δεξιοτήτων
Γλώσσα: 
Αγγλική,
Ελληνική
Τρόπος Παράδοσης: 
Πρόσωπο με πρόσωπο
Γενικές Ικανότητες: 
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών,
Ομαδική εργασία
Απαραίτητο για: 
Θέματα Ψηφιακής Οικονομίας
Διαχείριση Βάσεων Δεδομένων
Ανάλυση Δεδομένων
Στατιστική με υπολογιστή

Τρέχοντες Διδάσκοντες

Διδάσκων: 

Τζαγκαράκης Μανώλης

Επίκουρος Καθηγητής
Tzagarakis Manolis
Γνωστικό Αντικείμενο: 
Συστήματα Διαχείρισης Πληροφορίας
Οργανική Μονάδα / Εργαστήριο: 
Εργαστήριο ποσοτικών μεθόδων και πληροφοριακών συστημάτων
E-mail: 
Τηλέφωνο: 
+30 2610 969845
Fax: 
+30 2610 997622
Ώρες γραφείου: 
Τρίτη 10:00 -11:00
Τετάρτη 10:00 -12:00
Ή άλλες ημέρες κατόπιν συνεννόησης
Προσωπική Σελίδα

Δασκάλου Βικτωρία

ΕΔΙΠ
Victoria Daskalou
Γνωστικό Αντικείμενο: 
Διαδικτυακά Πληροφοριακά Συστήματα
Οργανική Μονάδα / Εργαστήριο: 
Εργαστήριο ποσοτικών μεθόδων και πληροφοριακών συστημάτων
E-mail: 
Τηλέφωνο: 
+30 2610 997788
Ώρες γραφείου: 
Δευτέρα 09:00-11:00
Πέμπτη 12:00-14:00
Προσωπική Σελίδα

Πόροι

eclass URL: 
https://eclass.upatras.gr/courses/ECON1242/
Προτεινόμενα Συγγράμματα: 
Παπαθανασίου, Ε. Στοιχεία υπολογιστικών συστημάτων, Δ’ έκδοση, Εκδόσεις Μπένου, 2010, ISBN: 978-960-8249-74-5, https://service.eudoxus.gr/search/#a/id:68383852/0
Αβούρης, Ν., Κουκιάς, Μ., Παλιουράς, Β., Σγάρμπας, Κ.: Python – Εισαγωγή στους υπολογιστές, ΙΔΡΥΜΑ ΤΕΧΝΟΛΟΓΙΑΣ & ΕΡΕΥΝΑΣ-ΠΑΝΕΠΙΣΤΗΜΙΑΚΕΣ ΕΚΔΟΣΕΙΣ ΚΡΗΤΗΣ, 4η Έκδοση, 2018, ISBN: 978-960-524-529-0, https://service.eudoxus.gr/search/#a/id:77117677/0
A Byte of Python, Creative Commons Attribution-ShareAlike 4.0 International License, Διαθέσιμο από http://dide.flo.sch.gr/Plinet/Meetings/Meeting23/A_Byte_of_Python-el.pdf

Copyright © Τμήμα Οικονομικών Επιστημών

Βασισμένο στο Drupal | Ανάπτυξη Ιστοτόπου: SilkTech