Δημήτρης Πανάρετος

Δημήτρης Πανάρετος

Last updated 4 Απριλίου 2023

Σύγχρονες Μέθοδοι Στατιστικής Ανάλυσης και παρουσίασης ιατρο-βιολογικών και επιδημιολογικών δεδομένων με χρήση R, Python και Power BI

(0 Ratings)
74 students
Σύγχρονες Μέθοδοι Στατιστικής Ανάλυσης και παρουσίασης ιατρο-βιολογικών και επιδημιολογικών δεδομένων με χρήση R, Python και Power BI

1. ΣΕ ΠΟΙΟΥΣ ΑΠΕΥΘΥΝΕΤΑΙ ΤΟ ΠΡΟΓΡΑΜΜΑ

Το Πρόγραμμα απευθύνεται σε απόφοιτους και φοιτητές Πανεπιστημιακών Ιδρυμάτων της ημεδαπής και της αλλοδαπής, ιδιώτες ή στελέχη επιχειρήσεων που στην εργασία τους χρειάζεται να αναλύουν δεδομένα και να χρησιμοποιούν R, Python ή/και Power BI, ερευνητές ή υποψήφιους διδάκτορες από διάφορα άλλα αντικείμενα που χρειάζονται για την έρευνά τη χρήση των παραπάνω εργαλείων, στατιστικούς, μαθηματικούς, ιατρούς, κοινωνιολόγους, διαιτολόγους/διατροφολόγους, ψυχολόγους, επαγγελματίες στον χώρο της Πληροφορικής Επιστήμονες Υγείας και όσους εργάζονται ή θέλουν να εργαστούν στον χώρο της Φαρμακοβιομηχανίας. Τέλος, να σημειώσουμε ότι οι μέθοδοι στατιστικής ανάλυσης και μηχανικής μάθησης που θα συζητηθούν είναι απαραίτητο προσόν για κάθε ερευνητή, ανεξαρτήτως πεδίου, που ανήκει σε κάποια ερευνητική ομάδα ώστε να μπορεί να κατανοήσει και ερμηνεύσει τα αποτελέσματα των στατιστικών διεργασιών καθώς και να μπορεί να διαβάσει σωστά και με άνεση σχετικά άρθρα από την ελληνική και διεθνή Βιβλιογραφία όπως επίσης και για επιχειρήσεις που επιθυμούν να εκμεταλλευτούν τη δύναμη των δεδομένων και να καταλήξουν σε data driven αποφάσεις.

Σεμινάρια_Μεγάλης_Διάρκειας_2

2. ΣΚΟΠΟΣ ΠΡΟΓΡΑΜΜΑΤΟΣ

Σκοπός του προγράμματος αρχικά είναι η εισαγωγή κάποιων βασικών εννοιών προγραμματισμού στην γλώσσα R και Python, ενώ στην συνέχεια η εκμάθηση τους για χρήση σε θέματα προχωρημένης περιγραφικής και επαγωγικής στατιστικής. Το συγκεκριμένο πρόγραμμα ξεκινάει από το μηδέν τις αντίστοιχες μεθοδολογίες, επομένως θα καλύψει πλήρως τον αρχάριο χρήστη από οποιονδήποτε ερευνητικό τομέα και αν προέρχεται, αλλά θα δώσει και στον έμπειρο τις κατάλληλες κατευθύνσεις, μέσα από την μελέτη περιπτώσεων – πραγματικά ιατροβιολογικά προβλήματα -  και την ενδεικτική βιβλιογραφία, να επεκτείνει τις γνώσεις του. Στην συνέχεια, θα συζητηθούν προχωρημένα θέματα στατιστικής ανάλυσης (Μηχανική Μάθηση - ML) ενώ θα τρέξουν εφαρμογές σε πραγματικά δεδομένα. Τέλος, ο εκπαιδευόμενος θα μπορεί να οπτικοποιήσει και να παρακολουθεί μεγάλες βάσεις δεδομένων με τρόπο διαδραστικό όχι μόνο για τον ίδιο ως χειρίστη αλλά και για κάθε μεμονωμένο χρήστη στον οποίο απευθύνεται η πληροφορία, μέσω του πιο διαδεδομένου εργαλείου διαχείρισης και οπτικοποίησης δεδομένων, το Power BI.

3.ΠΡΟΣΔΟΚΩΜΕΝΑ ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Οι εκπαιδευόμενοι θα μάθουν να προγραμματίζουν και να χρησιμοποιούν τις γλώσσες R και Python επαρκώς για την ανάλυση πάσης φύσεως φύσεως δεδομένα. Οι εφαρμογές παρόλο που θα γίνουν σε Ιατροβιολογικά και Επιδημιολογικά δεδομένα, προσφέρουν γνώση που μπορεί αντίστοιχα να εφαρμοστεί και σε άλλα ερευνητικά πεδία. : Ειδικότερα, σε όλους τους Εκπαιδευόμενους με κατεύθυνση τη στατιστική και τους Επιστήμονες που ανήκουν σε μια ερευνητικά ομάδα, θα δοθεί μια εξειδίκευση στο χώρο της υγείας, ενώ θα αναπτύξουν δεξιότητες ανάλυσης και επεξεργασίας πάσης φύσεων δεδομένων. Τέλος, θα μάθουν να διαχειρίζονται και να οπτικοποιούν μεγάλες βάσεις δεδομένων και να δημιουργούν αυτοματοποιημένες αναλύσεις. Το σύνολο των δυνατοτήτων αυτών θα γίνει με στόχευση τον χώρο της υγείας και τα δεδομένα που παράγονται γύρω και μέσα από αυτόν, αλλά η γνώση που θα λάβουν οι εκπαιδευόμενοι μέσα από την εκμάθηση του Power BI μπορεί να εφαρμοστεί σε οποιονδήποτε επιστημονικό τομέα (π.χ Business Intelligence, Marketing κτλ).

4.ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΓΡΑΜΜΑΤΟΣ

Μπορείτε να δείτε τον οδηγό σπουδών πατώντας τον παρακάτω σύνδεσμο.

ΟΔΗΓΟΣ ΣΠΟΥΔΩΝ

5.ΜΕΘΟΔΟΙ ΔΙΔΑΣΚΑΛΙΑΣ ΚΑΙ ΜΑΘΗΣΗΣ

Το πρόγραμμα θα υλοποιείται σε τμήματα εκπαιδευομένων. Το πρόγραμμα έχει διάρκεια 8 εβδομάδες και αντιστοιχεί σε 60 ώρες σύγχρονης τηλεκπαίδευσης (live streaming).

 

Καθόλη τη διάρκεια του προγράμματος οι εκπαιδευόμενοι έχουν δυνατότητα επικοινωνίας με τους εκπαιδευτές για την υποστήριξη των εργασιών και της μελέτης τους. Σημειώνεται ότι για τη συμμετοχή στο πρόγραμμα απαιτούνται: (α) η κατοχή προσωπικού λογαριασμού e-mail και, (β) η δυνατότητα πρόσβασης στο διαδίκτυο και σύνδεσης μέσω του zoom.

User Avatar
(0)
0 Reviews
148 Students
Σεμινάρια

Ο Δημήτρης Πανάρετος γεννήθηκε στην Αθήνα το 1988. Αποφοίτησε από το Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης του Πανεπιστημίου Πειραιώς (2012), ως 1ος αποφοιτήσας, και με βαθμό άριστα (8.78/10). Για τις σπουδές του έλαβε υποτροφίες από το Ίδρυμα Κρατικών Υποτροφιών. Πραγματοποίησε μεταπτυχιακές σπουδές στο ΠΜΣ Βιοστατιστική της Ιατρικής Σχολής και του Μαθηματικού Τμήματος του Πανεπιστημίου Αθηνών (2015), όπου και αποφοίτησε με βαθμό άριστα (8.83/10). Εκπόνησε τη Διδακτορική Διατριβή του στη Βιοστατιστική, στο Χαροκόπειο Πανεπιστήμιο (2016-2020), ως υπότροφος του ΕΛΙΔΕΚ. Τα τελευταία 10 έτη έχει εκπαιδεύσει εκατοντάδες φοιτητές, απόφοιτους και στελέχη επιχειρήσεων στις Επιστήμες της Στατιστικής και των Δεδομένων ενώ παράλληλα έχει δουλέψει ως Στατιστικός και Βιοστατιστικός στον Δημόσιο (ΕΟΔΥ) και Ιδιωτικό (ΕΣΕΕ, ΕΛΠΕΝ) τομέα. Έχει συγγράψει πάνω από 10 άρθρα σε διεθνή επιστημονικά περιοδικά και έχει παρουσιάσει μέρος του έργου του σε διεθνή και ελληνικά συνέδρια Στατιστικής και Βιοστατιστικής – Βιομετρίας. Σήμερα εργάζεται ως Σύμβουλος Επιστήμης Δεδομένων και Εκπαιδευτής σε σεμινάρια ενηλίκων, ενώ διατελεί εξωτερικός συνεργάτης στο τμήμα Ιατρικής του ΑΠΘ.