Σκοπός του μαθήματος
O κύριος στόχος του μαθήματος είναι η εξοικείωση των φοιτητών με τη διαχείριση και ανάλυση Μεγάλων Δεδομένων (Big Data) από το χώρο της Βιοϊατρικής έρευνας και των συστημάτων υγείας.
Εκπαιδευτικοί Στόχοι
Οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος θα έχουν αποκτήσει γνώσεις σχετικά με τα κύρια χαρακτηριστικά των Big Data και ειδικότερα αυτών που προκύπτουν τόσο στο πλαίσιο Βιοϊατρικής έρευνας (π.χ. δεδομένα που προκύπτουν από την έρευνα στο γονότυπο) όσο και στο πλαίσιο των συστημάτων υγείας (π.χ. δεδομένα από ηλεκτρονικά αρχεία υγείας, αρχεία συνταγογράφησης, ασφαλιστικά αρχεία κλπ). Παράλληλα θα έχουν κατανοήσει τα πεδία εφαρμογών που μπορούν να προκύψουν από την ανάλυση τέτοιων δεδομένων, αλλά και τα αντίστοιχα προβλήματα σε θέματα όπως η αποθήκευση, ο καθαρισμός, η κωδικοποίηση και γενικότερα η διαχείριση και ανάλυση τέτοιων δεδομένων. Τέλος οι φοιτητές θα έχουν εξοικειωθεί με τη χρήση των κυριότερων Μη Σχεσιακών (NonSQL) βάσεων δεδομένων και εφαρμογών ανοιχτού κώδικα για διαχείριση μεγάλων δεδομένων καθώς και την αλληλεπίδρασή τους με πακέτα στατιστικού λογισμικού όπως το R.
Περιεχόμενο μαθήματος
- Ορισμός & κύρια χαρακτηριστικά των Big Data
- Big Data στον τομέα της υγείας
- Big Data Analytics στον τομέα της Υγείας
- Πλατφόρμες λογισμικού και Μη Σχεσιακές Βάσεις Δεδομένων
- Χρήση R για Big Data Analytics
Το περιεχόμενο του μαθήματος καλύπτεται σε 12 ώρες, οι οποίες διαχωρίζονται σε 3 δίωρα θεωρίας (διαλέξεων) και σε 3 δίωρα πρακτικής άσκησης σε ΗΥ.
Μέθοδος Αξιολόγησης
Μία εργασία και τελική γραπτή εξέταση. Για να θεωρηθεί επιτυχής η ολοκλήρωση της παρακολούθησης του μαθήματος απαιτείται ο/η φοιτητής/τρια να έχει λάβει τουλάχιστον προβιβάσιμο βαθμό στην γραπτή εξέταση. Υπό αυτή τη συνθήκη, ο τελικός βαθμός υπολογίζεται ως: (Βαθμός Εργασίας)*0,2+(Βαθμός Γραπτής Εξέτασης)*0,8.
