Η Μηχανική Μάθηση (Machine Learning - ML) και η Τεχνητή Νοημοσύνη (Artificial intelligence - AI) βρίσκονται στο επίκεντρο της προσοχής επιχειρήσεων, επιστημόνων και μηχανικών σε όλο τον κόσμο. Στο σύνολο της βιομηχανίας, αναζητούνται τρόποι για την δημιουργία προστιθέμενης αξίας στα παραγόμενα προιόντα και υπηρεσίες μέσω της μηχανικής μάθησης, της τεχνητής νοημοσύνης και άλλων τεχνολογιών αιχμής. Τεχνολογικοί κολοσσοί όπως η Facebook, η Amazon και η Googl εφαρμόζουν μεθόδους μηχανικής μάθησης και τεχνητής νοημοσύνης με στόχο την βελτίωση κάθε δραστηριότητας τους. Άλλες εταιρείες, κυρίως από το χώρο της υγείας, εστιάζουν τις δραστηριότητες «Έρευνας και Ανάπτυξης» τους στην ανάπτυξη νέων καινοτομων εφαρμογών και υπηρεσιών οι οποίες βασίζονται στη μηχανική μάθηση και στην τεχνητή νοημοσύνη.

Στο πλαίσιο του μαθήματος οι φοιτητές θα εισαχθούν στις τεχνικές μηχανικής μάθησης καθώς και στις μεθόδους της τεχνητής νοημοσύνης ενώ παράλληλα θα ενημερωθούν για την χρήση τους στη Διοίκηση Επιχειρήσεων. Επιπλέον, στο πλαίσιο του μαθήματος οι φοιτητές θα εισαχθούν στην διαδικασία ανάπτυξης καινοτομίας (ανάπτυξη νέων προϊόντων/υπηρεσιών) και στην διαδικασία
ψηφιακού μετασχηματισμού (ανάπτυξη νέων διαδικασιών με αξιοποίηση ψηφιακής τεχνολογίας) μέσα από την σε βάθος ανάλυση των διαθέσιμων δεδομένών.

Συγκεκριμένα, στο πλαίσιο του μαθήματος οι φοιτητές θα διδαχθούν

• πως να αναγνωρίζουν και να συνδυάζουν πολλαπλές πηγές δεδομένων,
• τι είναι η μηχανική μάθηση,
• τι είναι τεχνητή νοημοσύνη,
• ποιες είναι οι σημαντικότερες τεχνικές μηχανικής μάθησης,
• πως αξιοποιείται η τεχνητή νοημοσύνη στο πλαίσιο της διοίκησης,
• πως να τις εφαρμόζουν σε πολυδιάστατα δεδομένα, δεδομένα με γεωγραφικό χαρακτήρα, και μεγάλα δεδομένα,
• τι είναι τα νευρωνικά δίκτυα,
• πως να εφαρμόζουν τεχνικές μηχανικής μάθησης με σκοπό την αναγνώριση προτύπων,
• πως να οπτικοποιούν δεδομένα και πως να αναλύουν πολυδιάστατα δεδομένα και μεγάλα δεδομένα,
• πως να δημιουργούν καινοτομία και πως να αναπτύσσουν νέα προϊόντα/υπηρεσίες μέσα από την σε βάθος ανάλυση των διαθέσιμων δεδομένών, κ.α.

Η έμφαση του μαθήματος θα δοθεί στις τεχνικές της μηχανικής μάθησης και της τεχνητής νοημοσύνης με μελέτες περίπτωσης. Συγκεκριμένα, οι φοιτητές θα εισαχθούν στις τεχνικές αυτές μέσα από μελέτες περίπτωσης στους εξής τομείς οικονομικής δραστηριότητας: Ασφάλιση, Υγεία, Τραπεζική, Βιομηχανία, κ.α.

Ενότητες Μαθήματος:

1. Εισαγωγή στην μηχανική μάθηση και στην τεχνητή νοημοσύνη
2. Κύρια εργαλεία μηχανικής μάθησης
3. Κύρια εργαλεία τεχνητής νοημοσύνης
4. Εφαρμογές

Μετά την παρακολούθηση του μαθήματος, οι φοιτητές και φοιτήτριες του Τμήματος θα είναι σε θέση να:

• κατανοούν τις αλλαγές που φέρνει η μηχανική μάθηση και η τεχνητή νοημοσύνη στην διοίκηση των επιχειρήσεων.
  
  
• επιλέγουν τα καταλληλότερα εργαλεία μηχανικής μάθησης προκειμένου να αναλύσουν δεδομένα.
• αξιοποιούν τις τεχνικές μηχανικής μάθησης προκειμένου να δημιουργήσουν καινοτομία βάσει των δεδομένων και καινοτόμες εφαρμογές τεχνητής νοημοσύνης στην διοίκηση των επιχειρήσεων.

• Ιωαννίδης Δ. και Αθανασιάδης Ι., 2017. Στατιστική και Μηχανική Μάθηση με την R: Θεωρία και Εφαρμογές, Εκδόσεις Τζιόλα. ISBN: 978-960-418-642-6. ΚΩΔΙΚΟΣ ΕΥΔΟΞΟΥ: 59384938.
• Μπερσίμης Σ., Σαχλάς Α., Μπάρτζης Γ., και Παπαδάκης Γ., 2021. Εφαρμοσμένη Στατιστική και Στατιστική Μηχανική Μάθηση, Εκδόσεις Τζιόλα. ISBN: 978-960-418-877-2. ΚΩΔΙΚΟΣ ΕΥΔΟΞΟΥ: 94689188.

Επιπλέον διδακτικό υλικό: Σημειώσεις Διδάσκοντος (αναρτώνται στο eclass).