Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή στις μεθόδους Dimesionality Reduction and Feature Selection, Supervised learning, Unsupervised Learning (Clustering), Community Detection and Evaluation in Social and Information Networks, Web Mining, Introduction to Big Data που θα δούμε πιο αναλυτικά στις επόμενες ενότητες.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους Pre-processing, Exploration, Feature selection, Dimensionality reduction, feature extraction and evaluation.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή στις μεθόδους Dimesionality Reduction and Feature Selection, Supervised learning, Unsupervised Learning (Clustering), Community Detection and Evaluation in Social and Information Networks, Web Mining, Introduction to Big Data που θα δούμε πιο αναλυτικά στις επόμενες ενότητες.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους Pre-processing, Exploration, Feature selection, Dimensionality reduction, feature extraction and evaluation.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εργαστήριο 1: Μέρος 1Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους Pre-processing, Exploration, Feature selection, Dimensionality reduction, feature extraction and evaluation.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους Pre-processing, Exploration, Feature selection, Dimensionality reduction, feature extraction and evaluation.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή στις μεθόδους Dimesionality Reduction and Feature Selection, Supervised learning, Unsupervised Learning (Clustering), Community Detection and Evaluation in Social and Information Networks, Web Mining, Introduction to Big Data που θα δούμε πιο αναλυτικά στις επόμενες ενότητες.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους k-nn, regression, logistic regression, decision trees.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους Introduction & Motivation, Community evaluation measures, Graph clustering algorithms, Alternative Methods for Community Evaluation, New directions for research in the area of graph mining.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους k-nn, regression, logistic regression, decision trees.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους Pre-processing, Exploration, Feature selection, Dimensionality reduction, feature extraction and evaluation.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους k-nn, regression, logistic regression, decision trees.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους k-nn, regression, logistic regression, decision trees.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους Pre-processing, Exploration, Feature selection, Dimensionality reduction, feature extraction and evaluation.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους k-nn, regression, logistic regression, decision trees.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους, Clustering, K-means, Expectation Maximization (EM), Spectral Clustering.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εργαστήριο 3: Μέρος 3Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους k-nn, regression, logistic regression, decision trees.Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Τμήμα Πληροφορικής
Εισαγωγή και εξοικείωση με τις μεθόδους k-nn, regression, logistic regression, decision trees.