ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΠΕΙΡΑΙΑ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΕΡΙΓΡΑΜΜΑ ΠΡΟΓΡΑΜΜΑΤΟΣ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) ΜΕ ΤΙΤΛΟ

Transcript

1 ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΠΕΙΡΑΙΑ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΕΡΙΓΡΑΜΜΑ ΠΡΟΓΡΑΜΜΑΤΟΣ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ (ΠΜΣ) ΜΕ ΤΙΤΛΟ «Επιστήμη των Αποφάσεων με Πληροφοριακά Συστήματα»

2 Α Εξάμηνο Σπουδών Μάθημα 1: Συστημικές Προσεγγίσεις στη Λήψη Στρατηγικών Αποφάσεων (Systemic Approaches for Strategic Decision Making) Περιεχόμενο: Στο μάθημα αυτό θα διδαχθούν η θεωρία και οι εφαρμογές της συστημικής θεωρίας για την υποστήριξη αποφάσεων που αφορούν σε πολύπλοκα δυναμικά συστήματα. Διδάσκονται ποιοτικές και ποσοτικές μέθοδοι για την ανάλυση και απεικόνιση της συμπεριφοράς πολύπλοκων συστημάτων, έτσι ώστε να εκτιμώνται ασφαλείς προβλέψεις της συμπεριφοράς τους. Τα αντικείμενα που θα διδαχθούν διακρίνονται σε τέσσερις επιμέρους ενότητες: Αρχές Συστημικής Θεωρίας Θεωρία των Δυναμικών Συστημάτων Οργανισμοί Μάθησης και Διαχείριση Γνώσης Μέθοδοι και Τεχνικές της Συστημικής Αντίληψης όπως είναι η Διαχείριση Πολικότητας, η Θεωρία των περιορισμών, η ανάλυση SWAT, Η Μέθοδος Balanced Scorecard. Μέθοδος των Αρχετύπων. 13 εβδομάδες Χ 3 ώρες Θεωρία 13 εβδομάδες Χ 1 ώρα Ασκήσεις Πράξης Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ομαδική και μία ατομική εργασία κατ ελάχιστον για την ολοκλήρωση της φοίτησής τους στο μάθημα. φοιτητών σε γραπτές εξετάσεις και την απόδοσή τους στις δυο εργασίες (ομαδική και ατομική) J.W.Forrester, Principles of Systems; J. Randers, Elements of the System Dynamics Method; J.D.W.Morecroft & J. Sterman, Modelling for Learning Organizations; G.P.Richardson, Feedback Thought in Social Science and System Theory; P. M. Senge, The Fifth Discipline;

3 Μάθημα 2: Θέματα Ανάλυσης και Σχεδίασης Πληροφοριακών Συστημάτων (Information Systems: Analysis and Design) Περιεχόμενο: Στο μάθημα θα διδαχθούν αντικείμενα που αφορούν τόσο την ανάλυση όσο και τη σχεδίαση Πληροφοριακών Συστημάτων. Πιο συγκεκριμένα, θα αναπτυχθούν θέματα που αφορούν τις παρακάτω θεματικές περιοχές: Κύκλος Ζωής Συστημάτων (Systems Life Cycle) Μέθοδοι και τεχνικές συλλογής και ανάλυσης απαιτήσεων Μηχανική Απαιτήσεων (Requirements Engineering) Δομημένη Ανάλυση & Σχεδίαση Συστημάτων (Structured Systems Analysis and Design) Αντικειμενοστρεφής Ανάλυση & Σχεδίαση Συστημάτων (Object Oriented Analysis & Design) H γλώσσα μοντελοποίησης UML (Unified Modeling Language) Η μεθοδολογία Soft Systems Μελέτες περίπτωσης 13 εβδομάδες Χ 3 ώρες Θεωρία 13 εβδομάδες Χ 1 ώρα Ασκήσεις Πράξης στο Εργαστήριο Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική και μια ομαδική εργασία. φοιτητών σε γραπτές εξετάσεις και την απόδοσής τους στις δυο εργασίες (ομαδική και ατομική) Bennett, McRobb and Farmer, (2006) Object-oriented Systems Analysis and Design using UML (McGraw-Hill) 3 rd Edition, ISBN: Cockbum, A., (2000) Writing Effective Use Cases (Addison-Wesley) Checkland, P. and Scholes, J. E., (1991) Soft Systems Methodology in Action (Wiley)

4 Μάθημα 3: Σχεδιασμός Αλγορίθμων και Επιχειρησιακή Έρευνα (Algorithms and Operational Research) Περιεχόμενο: Στο μάθημα θα διδαχθούν οι μεθοδολογικές προσεγγίσεις και τεχνικές του μαθηματικού προγραμματισμού για την επίλυση προβλημάτων όπως είναι η Διαχείριση Αποθεμάτων, η Διαχείριση Ουρών Αναμονής, η Πρόβλεψη Ποσοτικών Μεγεθών, η Ανάθεση Εργασιών, η μέθοδος του κρίσιμου μονοπατιού στον προγραμματισμό έργων κ.ά.. Στόχος του μαθήματος είναι οι εκπαιδευόμενοι να αποκτήσουν τις θεωρητικές γνώσεις και πρακτική κατάρτιση στην εφαρμογή των μεθόδων του επιστημονικού μάνατζμεντ και ο σχεδιασμός αλγορίθμων για την επίλυση προβλημάτων απόφασης. Επιπρόσθετα, οι εκπαιδευόμενοι θα εκπαιδευθούν και στην αξιοποίηση συστημάτων λογισμικού στα οποία μπορούν να προγραμματισθούν ή να επιλυθούν σχετικά προβλήματα. 13 εβδομάδες Χ 3 ώρες Θεωρία 13 εβδομάδες Χ 1 ώρα Ασκήσεις Πράξης Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία. φοιτητών σε γραπτές εξετάσεις και την απόδοσή τους στην ατομική εργασία Γ. Πραστάκος, Επιχειρησιακή Έρευνα για τη λήψη Επιχειρηματικών Αποφάσεων, Εκδόσεις Σταμούλης F.S. Hillier, G.J Lieberman, Εισαγωγή στην Επιχειρησιακή Έρευνα, Εκδόσεις ΠΑΠΑΖΗΣΗΣ Ι. Σίσκος, Γραμμικός Προγραμματισμός, Εκδόσεις Νέων Τεχνολογιών

5 Μάθημα 4: Αντικειμενοστρεφής Προγραμματισμός Η/Υ (Object Oriented Programming) Περιεχόμενο: Στο μάθημα θα διδαχθούν τα αντικείμενα που αφορούν την ανάπτυξη λογισμικού με βάση την αντικειμενοστρεφή μεθοδολογική προσέγγιση. Στόχος είναι οι εκπαιδευόμενοι να αποκτήσουν τις θεωρητικές γνώσεις και την πρακτική κατάρτιση για την ανάπτυξη εφαρμογών λογισμικού με έμφαση στα Συστήματα Υποστήριξης Αποφάσεων. Ειδικότερα θα διδαχθούν οι παρακάτω θεματικές περιοχές: Α) Αρχές Μηχανικής Λογισμικού Β) Αντικειμενοστρεφής Σχεδιασμός εφαρμογών Γ) Η Αντικειμενοστρεφής σχεδιαστική γλώσσα UML Δ) Μία εκ των γλωσσών προγραμματισμού Java, Visual Basic, C++ Ε) Μελέτες Περίπτωσης Ανάπτυξη εφαρμογών με αλγορίθμους. 13 εβδομάδες Χ 2 ώρες Θεωρία 13 εβδομάδες Χ 2 ώρες εργαστήριο Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία στο πλαίσιο του εργαστηριακού μέρους του μαθήματος και μια ομαδική εργασία στο πλαίσιο του θεωρητικού μέρους. φοιτητών σε γραπτές εξετάσεις και την απόδοσή τους στις δυο εργασίες (ομαδική και ατομική) Α. Σπυριδάκος, Αντικειμενοστρεφής Προγραματισμός σε περιβάλλον Visual Basic.NET, Σύγχρονη Εκδοτική A. Σπυριδάκος, Εφαρμογές αντικειμενοστρεφούς Προγραμματισμού σε περιβάλλον Visual Basic.NET, Σύγχρονη Εκδοτική O. Nierstrasz, Dionysios C.,Tsichritzis, Object Oriented Software Composition, Pearson Education Limited S. Schach, Object Oriented Software Engineering, Mc Graw Hill Education- Europe

6 Β Εξάμηνο Σπουδών Μάθημα 5: Διαχείριση Παραγωγής και Διοίκηση Έργων (Production and Project Management) Περιεχόμενο: Το μάθημα περιλαμβάνει τια παρακάτω ενότητες: Λειτουργία παραγωγικής μονάδας, Ανάλυση και σχεδίαση παραγωγικής διαδικασίας Διαχείριση αποθεμάτων Προγραμματισμός εκτέλεσης εργασιών Διαχείριση έργου, συστήματα παραγωγής Just-In-Time, MRP, σύγχρονες τεχνολογίες παραγωγής Ανάλυση περιπτώσεων (case studies) στα παραπάνω θέματα. Εφαρμογή εξειδικευμένου λογισμικού στη Διοίκηση και Διαχείριση Έργων Στόχος είναι οι φοιτητές να κατανοήσουν τη θεωρία, τις μεθόδους και τις πρακτικές της διοίκησης παραγωγής. Επιπλέον θα μπορούν να αναλύουν, να σχεδιάζουν και να διαχειρίζονται παραγωγικές μονάδες και συστήματα παραγωγής. 13 εβδομάδες Χ 3 ώρες Θεωρία 13 εβδομάδες Χ 1 ώρα Ασκήσεις Πράξης στο Εργαστήριο Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία φοιτητών σε γραπτές εξετάσεις και την απόδοσή τους στην εργασία Φ. Σκιτίδης, Οργάνωση και Διοίκηση Παραγωγής, Σύγχρονη Εκδοτική Α, Κοκκόσης, Διαχείριση Έργων, Σύγχρονη Εκδοτική A guide to Project Management: Body of Knowledge, Project Management Institute, USA P. Healey, Project management, Elsevier Science and Technology

7 Μάθημα 6: Ανάλυση Πολυδιάστατων (Πολυμεταβλητών) Δεδομένων και Συστήματα Εξόρυξης Δεδομένων (Multivariate Data Analysis and Data Mining Systems) Περιεχόμενο: Στο μάθημα θα διδαχθούν η θεωρία και οι μεθοδολογίες της Ανάλυσης Πολυδιάστατων Δεδομένων όπως είναι οι παρακάτω: Α) Πολυμεταβλητή Ανάλυση Συσχέτισης Β) Ανάλυση σε κύριες Συνιστώσες Γ) Παραγοντική Ανάλυση Δ) Ανάλυση Συστάδων Ε) Διακριτή Ανάλυση Στ) Ανάλυση Αντιστοιχιών Εφαρμογές των παραπάνω μεθόδων θα γίνουν σε προβλήματα και μελέτες περίπτωσης Εξόρυξης Δεδομένων σε Βάσεις Δεδομένων. Επίσης, στο μάθημα θα διδαχθούν και θα αναπτυχθούν εφαρμογές εξόρυξης δεδομένων. 13 εβδομάδες Χ 2 ώρες Θεωρία 13 εβδομάδες Χ 2 ώρες εργαστήριο Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία στο πλαίσιο του εργαστηριακού μέρους του μαθήματος και μια ομαδική εργασία στο πλαίσιο του θεωρητικού μέρους. φοιτητών σε γραπτές εξετάσεις και την απόδοσής τους στις δυο εργασίες (ομαδική και ατομική) Wolfgang, Hardle, Zdenek, Hlavka, Multivariate Statistics, Elsevier Science and Technology Mitchell H.,Katz, Multivariate Analysis, Cambridge University Press Dunham, Margaret H., Data Mining, Εκδόσεις Νέων Τεχνολογιών Καρλής Δ., Πολυμεταβλητή στατιστική Ανάλυση, Σταμούλης Α.Ε.

8 Μάθημα 7: Βάσεις Δεδομένων και Αποθήκες Δεδομένων (Data Bases and Data Warehouses) Περιεχόμενο: Η ανάπτυξη πληροφοριακών συστημάτων σήμερα βασίζεται στην τεχνολογία των Σχεσιακών Βάσεων Δεδομένων. Οι Βάσεις Δεδομένων θεμελιώθηκαν στις αρχές της Σχεσιακής Άλγεβρας και περιλαμβάνουν νόμους και κανόνες που διέπουν τόσο τη λειτουργία τους όσο και το σχεδιασμό και την ανάπτυξη εφαρμογών. Στο πλαίσιο αυτού του μαθήματος θα διδαχθούν οι θεμελιώδεις αρχές των Σχεσιακών Βάσεων Δεδομένων και ακολούθως θα αναλυθούν διεξοδικά οι μεθοδολογίες και οι τεχνικές για το σχεδιασμό και την ανάπτυξη εφαρμογών σε Συστήματα Σχεσιακών Βάσεων Δεδομένων. Επίσης θα διδαχθεί η γλώσσα προγραμματισμού SQL για τις Βάσεις Δεδομένων. Οι φοιτητές που θα παρακολουθήσουν με επιτυχία το μάθημα θα διαθέτουν τις απαιτούμενες θεωρητικές και πρακτικές γνώσεις ώστε να: έχουν κατανοήσει πλήρως τις αρχές και τους κανόνες που διέπουν τις Σχεσιακές Βάσεις Δεδομένων και τα Συστήματα Διαχείρισής τους, σχεδιάζουν εφαρμογές λογισμικού που βασίζονται στις Σχεσιακές Βάσεις Δεδομένων, χρησιμοποιούν αποτελεσματικά τη μεθοδολογία σχεδιασμού εφαρμογών (σημασιολογικός, λογικός και φυσικός σχεδιασμός), αναπτύσσουν εφαρμογές λογισμικού στις σύγχρονες Βάσεις Δεδομένων, χρησιμοποιούν τη γλώσσα SQL για τη δημιουργία ερωτημάτων και για τη διαχείριση της Βάσης Δεδομένων, 13 εβδομάδες Χ 2 ώρες Θεωρία 13 εβδομάδες Χ 2 ώρες εργαστήριο Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία στο πλαίσιο του εργαστηριακού μέρους του μαθήματος. φοιτητών σε γραπτές εξετάσεις και την απόδοσής τους στην εργασία T. Connolly and C. Beg, Data Bases, Wiley and Sons C. Data, AN Introduction to Data Base Systems, Pearson Education

9 Μάθημα 8: Πληροφοριακά Συστήματα Διοίκησης και Συστήματα Υποστήριξης Αποφάσεων (Management Information Systems and Decision Support Systems) Περιεχόμενο: Το μάθημα θα εστιασθεί σε δύο βασικές Ενότητες. Στην πρώτη που αφορά στα Πληροφοριακά Συστήματα Διοίκησης θα διδαχθούν θέματα που αφορούν στην εφαρμογή και λειτουργία συστημάτων που βασίζονται στην τεχνολογία Πληροφορίας και Επικοινωνίας σε οργανισμούς και επιχειρήσεις. Ακολούθως θα παρουσιαστεί η Δομή των Πληροφοριακών Συστημάτων και οι μεθοδολογίες για το σχεδιασμό και την ανάπτυξη τους (Μηχανική Λογισμικού). Στη δεύτερη ενότητα που αφορά στα Συστήματα Υποστήριξης Αποφάσεων θα πραγματοποιηθεί μια διεξοδική ανάλυση των εννοιών, της μεθοδολογίας υλοποίησης και της εφαρμογής των Συστημάτων Υποστήριξης Αποφάσεων. Θέματα που θα διδαχθούν είναι (Αρχές ΣΥΑ, Λειτουργίες των ΣΥΑ, Αρχιτεκτονική και Δομή ΣΥΑ, Μεθοδολογία Σχεδιασμού και Ανάπτυξης ΣΥΑ. 13 εβδομάδες Χ 3 ώρες Θεωρία 13 εβδομάδες Χ 1 ώρα Ασκήσεις Πράξης Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία στο πλαίσιο του εργαστηριακού μέρους του μαθήματος φοιτητών σε γραπτές εξετάσεις και την απόδοσή τους στην εργασία E. Turban, Information Technology for management, Wiley and Sons David Avison, Guy Fitzgerald, Νικ. Σπ. Βώρος, Γρ. Ν. Μπεληγιάννης, Γ. Αθ. Τσιρογιάννης, Ανάπτυξη προηγμένων πληροφοριακών συστημάτων, Εκδόσεις Νέων Τεχνολογιών, (2006) Robert T. Clemen, Making Hard Decisions: An Introduction to Decision Analysis, 2 nd Edition, Duxbury

10 Γ Εξάμηνο Σπουδών Μάθημα 9: Πολυκριτηριακή Ανάλυση Decision Analysis) Αποφάσεων (Multicriteria Περιεχόμενο: Η Πολυκριτηριακή Ανάλυση Αποφάσεων αποτελεί ένα από τα πλέον καινοτόμα μεθοδολογικά πλαίσια για την υποστήριξη της λήψης αποφάσεων σε κακοδομημένα προβλήματα απόφασης (δεν υπάρχει μια βήμα προς βήμα διαδικασία για την επιλογή απόφασης). Στο μάθημα αυτό θα διδαχθούν οι θεμελιώδεις έννοιες της Πολυκριτηριακής Ανάλυσης και τα τέσσερα διακριτά θεωρητικά ρεύματα των μεθοδολογικών πλαισίων που είναι: α) οι Μέθοδοι των Συστημάτων Αξιών, β) οι Μέθοδοι των Σχέσεων Υπεροχής, γ) Οι Αναλυτικές Συνθετικές Προσεγγίσεις και δ) Ο Πολυστοχικός Προγραμματισμός. Στο πλαίσιο του μαθήματος θα διδαχθούν μελέτες περίπτωσης και θα γίνει πρακτική σε Πολυκριτηριακά Συστήματα Υποστήριξης Αποφάσεων (ELECTRE I, III, PROMETHE, MINORA, MIIDAS,κ.ά) 13 εβδομάδες Χ 3 ώρες Θεωρία 13 εβδομάδες Χ 1 ώρα Ασκήσεις Πράξης Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία με μελέτη περίπτωσης και εφαρμογή πολυκριτηριακών μεθόδων. φοιτητών σε γραπτές εξετάσεις και την απόδοσής τους στην εργασία Ι. Σίσκος, Μοντέλα Αποφάσεων, Εκδόσεις Νέων Τεχνολογιών Β. Roy, Multicriteria methodology for decision aid, Kluwer Academic Press R. Keeney, Value focused thinking, Harvard University Press R. Keeney and H. Raifa, Decisions with multiple objectives, Cambridge University Press Ν. Ματσατσίνης και Κ. Ζοπουνιδης, Μοντέλα Αποφάσεων με πολλαπλά κριτήρια, ΚΛΕΙΔΑΡΙΘΜΟΣ

11 Μάθημα 10: Σχεδιασμός και Ανάπτυξη Διαδικτυακών Εφαρμογών (Design and Development of Web Applications) Περιεχόμενο: Οι διαδικτυακές εφαρμογές σήμερα έχουν διεισδύσει σε όλο το φάσμα των ανθρώπινων δραστηριοτήτων αλλάζοντας δραματικά τον τρόπο με τον οποίο επικοινωνούμε και διεξάγουμε επιχειρηματικές δραστηριότητες. Στο συγκεκριμένο μάθημα θα γίνει παρουσίαση των διαδικτυακών τεχνολογιών και του τρόπου ανάπτυξης διαδικτυακών εφαρμογών. Θα αναπτυχθούν θέματα που αφορούν στην ανάπτυξη δυναμικών και διαδραστικών διαδικτυακών εφαρμογών τόσο σε περιβάλλον πελάτη (client programming) όσο και σε περιβάλλον εξυπηρετητή (server programming) χρησιμοποιώντας σύγχρονα περιβάλλοντα ανάπτυξης. Επίσης, θα συζητηθούν θέματα όπως XML, Web2.0 καθώς και θέματα ευχρηστίας. 13 εβδομάδες Χ 2 ώρες Θεωρία 13 εβδομάδες Χ 2 ώρες εργαστήριο Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ομαδική εργασία στο πλαίσιο του εργαστηριακού μέρους του μαθήματος και μια ατομική εργασία στο πλαίσιο του θεωρητικού μέρους. φοιτητών σε γραπτές εξετάσεις και την απόδοσή τους στις δυο εργασίες (ομαδική και ατομική) Robbins, Jennifer Niederst. Web Design in a Nutshell: A Desktop Quick Reference. 3rd ed. Sebastapol: O'Reilly, Keith, Jeremy. DOM Scripting: Web Design with JavaScript and the Document Object Model. Berkeley: Apress, 2005 Designing Web Usability: The Practice of Simplicity, Jakob Nielsen Mahemoff, Michael. Ajax Design Patterns: Creating Web 2.0 Sites with Programming and Usability Patterns. Sebastopol: O'Reilly, 2006

12

13 Κατ επιλογή υποχρεωτικά μαθήματα Γ Εξαμήνου Μάθημα 11: Δημοσκοπήσεις και Έρευνες Αγοράς (Gallops and Market Research) Περιεχόμενο: Οι Δημοσκοπήσεις και οι Έρευνες Αγοράς αποτελούν σημαντικό εργαλείο της Διοίκησης σε Επιχειρήσεις και οργανισμούς. Η μεθοδολογία και η πρακτική που ακολουθείται στις Δημοσκοπήσεις και Έρευνες Αγορών αποτελεί τον πυρήνα αυτού του μαθήματος. Το μάθημα αυτό διακρίνεται σε δύο βασικές ενότητες θεμάτων. Στην πρώτη θα διδαχθούν οι μέθοδοι και οι Τεχνικές για την υλοποίηση έργων Δημοσκοπήσεων και Ερευνών Αγοράς. Στην δεύτερη ενότητα η διδασκαλία θα εστιασθεί στην πρακτική εφαρμογή μεθόδων ανάλυσης δεδομένων και της παρουσίασης αποτελεσμάτων των Δημοσκοπήσεων και των Ερευνών Αγοράς με τη χρήση εξειδικευμένου λογισμικού. Επιπρόσθετα, η διδασκαλία θα επικεντρωθεί και στα σύγχρονα δημοσκοπικά συστήματα που βασίζονται στην τεχνολογία των διαδικτύου. 13 εβδομάδες Χ 2 ώρες Θεωρία 13 εβδομάδες Χ 2 ώρες Εργαστήριο Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία στο πλαίσιο του εργαστηριακού μέρους του μαθήματος φοιτητών σε γραπτές εξετάσεις και την απόδοσής τους στην εργασία Γ. Σιώμκος και Δ. Μαύρος, Έρευνα Αγοράς, ΣΤΑΜΟΥΛΗΣ ΑΕ Χ. Φράγκος, Μεθοδολογία Έρευνας Αγοράς και Ανάλυση Δεδομένων, Interbooks A. Wilson, Marketing Research, Pearson Higher Education. P. Kotler, K.L. Kelller, Marketing Management, Pearson Education

14 Μάθημα 12: Χρηματο-οικονομική Ανάλυση και Διαχείριση Κινδύνων (Financial Analysis and Risk Management) Περιεχόμενο: Οι ενότητες που θα διδαχθούν στο μάθημα Χρηματοοικονομική Ανάλυση και Διαχείριση Κινδύνων» είναι: Χρηματο-Οικονομική Διαχείριση Αξιολόγηση Επενδύσεων Χρήμα Πίστη Τράπεζες Αρχές Διαχείρισης Χρηματο-Πιστωτικών Κινδύνων Πρόληψη, Ανίχνευση και Αντιμετώπιση Κινδύνων Τα βήματα της Διαχείρισης Κινδύνου, Εκτίμηση Κινδύνου (Προσδιορισμός Απειλών, Προσδιορισμός και Αξιολόγηση Κινδύνων, Ανάλυση Ελέγχου και Διαχείρισης Κινδύνου, Ανάλυση Επιπτώσεων, Εκτίμηση Κινδύνου,) Επιχειρησιακός Σχεδιασμός και Στρατηγική Αντιμετώπισης Κινδύνου (Εναλλακτικές αντιμετώπισης κινδύνων, Σχεδιασμός Στρατηγικής για την Αντιμετώπιση Κινδύνου, Διαχείριση Κινδύνου (Τεχνολογικές, Διαχειριστικές και Λειτουργικές Παράμετροι). Ανάλυση Ωφελειών - Κόστους 13 εβδομάδες Χ 3 ώρες Θεωρία 13 εβδομάδες Χ 1 ώρα Ασκήσεις Πράξης Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία φοιτητών σε γραπτές εξετάσεις και την απόδοσής τους στην εργασία Δ. Βασιλείου και Ν. Ηρειώτης, Χρηματο-οικονομική Διαχείριση: Θεωρία και Πρακτική, Rosili, E.F. Brigham and M.c. Ehrhardt, Financial Management, Gengage Learning Inc. B.W. Golub and L.M. Tilman, Risk Management, John Wiley and Sons C. Alexander, Risk management and analysis, John Wiley and Sons R. Health, Διαχείριση Κρίσεων, Εκδόσεις Γκιούρδας

15

16 Μάθημα 13: Θεωρία Παιγνίων (Game Theory) Περιεχόμενο: Η διδασκαλία του μαθήματος θα επικεντρωθεί στην ανάλυση και περιγραφή των δυναμικών συστημάτων (διακριτών και συνεχών) και θα δοθεί έμφαση και εμβάθυνση στην Θεωρία Παιγνίων, στη Θεωρία Κοινωνικής Κρίσης και στις Στοχαστικές Ανελίξεις και των εφαρμογών στην ανάλυση και διαχείριση των δυναμικών Συστημάτων. 13 εβδομάδες Χ 3 ώρες Θεωρία 13 εβδομάδες Χ 1 ώρα Ασκήσεις Πράξης Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία. φοιτητών σε γραπτές εξετάσεις και την απόδοσής τους στην εργασία K. Binmore, Game Theory, Oxford University Press Ein-Ya,Gura, Michael B.,Maschler, Insights into Game Theory, Cambride University Press

17 Μάθημα 14: Πιθανότητες Στοχαστικές Διεργασίες και μαθηματική προσομοίωση (Probabilities - Stochastics and Mathematical Simulation) Περιεχόμενο: διδάσκονται οι παρακάτω θεματικές ενότητες: Αλυσίδες Markov - Πιθανότητες μετάβασης. Εξισώσεις Chapman - Kolmogorov. Ταξινόμηση των καταστάσεων μιας αλυσίδας Markov. Περιοδικές μαρκοβιανές αλυσίδες. Ασυμπτωτική συμπεριφορά πιθανοτήτων μετάβασης. Aλυσίδες - Markov. Διεργασία Wiener και Poisson. Oυρές και εφαρμογές τους στις τηλεπικοινωνίες και στους ηλεκτρονικούς υπολογιστές. Συνάρτηση αυτοσυσχέτισης. Μοντέλα ΜΑ, AR και ΑRMA. Ανάλυση (Σ.Σ.Δ.) στο πεδίο συχνοτήτων. Φάσμα Ισχύος. Πολυδιάστατες στάσιμες στοχαστικές διεργασίες. Συνάρτηση Διασυσχέτισης. Διαφασματική συνάρτηση πυκνότητας. Συνάρτηση συνάφειας. Γραμμικό σύστημα ΕΙΣΟΔΟΥ - ΕΞΟΔΟΥ. Στοχαστικά μοντέλα με θόρυβο. Θεωρία WIENER - KOLMOGOROV για συνεχή σήματα. Εκτίμηση με τη βοήθεια φίλτρων. Προβλέψεις. 13 εβδομάδες Χ 3 ώρες Θεωρία 13 εβδομάδες Χ 1 ώρα Ασκήσεις Πράξης Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία στο πλαίσιο του εργαστηριακού μέρους του μαθήματος φοιτητών σε γραπτές εξετάσεις και την απόδοσής τους στην εργασία M.T.,Barlow, N.H.,Bingham, Stochastic Analysis, Cambridge University Press S. Robinson, Simulation, John Wiley and Sons Ο. Χρυσαφίνου, Εισαγωγή στις Στοχαστικές Ανελίξεις, Εκδόσεις Σοφία D.J. Bartholomew, Στοχαστικά Μοντέλα σε Κοινωνικές Διεργασίες, Εκδόσεις Παπαζήσης.

18 Μάθημα 15: Τεχνητή Νοημοσύνη και Συστήματα Εμπειρογνωμόνων (Artificial Intelligence and Expert Systems) Περιεχόμενο: Στο μάθημα παρουσιάζονται οι θεωρητικές και πρακτικές για το Σχεδιασμό και Ανάπτυξη Συστημάτων που βασίζονται στη Τεχνολογία της Τεχνητής Νοημοσύνης και των Συστημάτων Εμπειρογνωμόνων. Θεματικές Ενότητες που διδάσκονται είναι: Τεχνητή Νοημοσύνη: Έννοιες Αρχές και Τεχνολογία Δομή Συστημάτων Τεχνητής Νοημοσύνης Μέθοδοι αναζήτησης (Τυφλή και ευρεστική αναζήτηση, Αναζητήσεις πρώτα κατά βάθος και πρώτα κατά πλάτος, Επαναληπτική εμβάθυνση και επαναληπτική διεύρυνση, Αναζήτηση πρώτα ο καλύτερος, Αναρρίχηση λόφου και προσομοιωμένη ανάκτηση, Μέθοδοι A* και IDA* Αναπαράσταση γνώσης και διαδικασία εξαγωγής συμπερασμάτων μέσω λογικής (Προτασιακή λογική και λογική πρώτης τάξης, Προτάσεις Horn και κανονική μορφή τύπων, Skolemization, Κανόνες συμπερασμού, Modus ponens και κανόνας της επίλυσης, Εφαρμογές παραγωγής νέας γνώσης από υπάρχουσα γνώση Έλεγχος στη συλλογιστική Μη μονότονη συλλογιστική Συλλογιστική με αβεβαιότητα Δίκτυα Bayes Πλαίσια και σημασιολογικά δίκτυα 13 εβδομάδες Χ 2 ώρες Θεωρία 13 εβδομάδες Χ 2 ώρες εργαστήριο Εργασίες: Οι φοιτητές υποχρεούνται να εκπονήσουν μία ατομική εργασία στο πλαίσιο του εργαστηριακού μέρους του μαθήματος φοιτητών σε γραπτές εξετάσεις και την απόδοσής τους στην εργασία S. Russel and P. Norvig, Artificial Intelligence, Pearson Education M.T. Jones, Artificial Intelligence, Infinity Science Press