Ο σκοπός του μαθήματος είναι να προετοιμάσει και να εξοπλίσει μελλοντικούς επιστήμονες και στελέχη του τομέα της Διοίκησης Εφοδιαστικής Αλυσίδας με τις απαραίτητες δεξιότητες του διεπιστημονικού πεδίου της Επιστήμης των Δεδομένων (Data Science). Στο πλαίσιο του μαθήματος θα παρουσιαστεί το ευρύ επιστημονικό πεδίο της Μηχανικής Μάθησης (Machine Learning) που αποτελεί βασικό τομέα της Τεχνητής Νοημοσύνης (Artificial Intelligence). Θα δοθεί έμφαση στην ανάπτυξη ευφυών εφαρμογών αξιοποιώντας τεχνικές της Αναλυτικής Μεγάλων Δεδομένων (Big Data Analytics) για την καλύτερη λήψη αποφάσεων σε πρακτικά ζητήματα της Εφοδιαστικής Αλυσίδας. Ενδεικτικά, θα παρουσιαστούν αλγόριθμοι, μέθοδοι και μοντέλα Μηχανικής Μάθησης (επιβλεπόμενης και μη-επιβλεπόμενης μάθησης) για την ανάλυση δεδομένων μεγάλης κλίμακας, όπως: μέθοδοι παλινδρόμησης, μέθοδοι ταξινόμησης, τεχνητά νευρωνικά δίκτυα, μηχανές διανυσμάτων υποστήριξης, μοντέλα βαθιάς μάθησης, αλγόριθμοι συσταδοποίησης, τεχνικές μείωσης διαστάσεων δεδομένων. Η εφαρμογή αυτών θα εστιάσει στην επίλυση πρακτικών ζητημάτων της εφοδιαστικής αλυσίδας, περιλαμβάνοντας την ανάλυση χρονοσειρών για προβλέψεις ζήτησης, τη διαχείριση αποθεμάτων, διάφορα προβλήματα βελτιστοποίησης. Θα χρησιμοποιηθεί η διανομή Anaconda με έμφαση στην αξιοποίηση της γλώσσας προγραμματισμού Python, η οποία διαθέτει πληθώρα δυνατοτήτων και είναι ιδιαίτερα αποδοτική για εφαρμογές στο χώρο της Επιστήμη των Δεδομένων. Η συγγραφή του πηγαίου κώδικα θα πραγματοποιηθεί σε διαδραστικά περιβάλλοντα ανάπτυξης (IDEs), κυρίως στα JupyterLab και Spyder. Για την υλοποίηση των πρακτικών εφαρμογών, θα γίνει χρήση βασικών ενδεικτικών πακέτων (βιβλιοθηκών) ανοικτού κώδικα της Python, όπως: Google OR-Tools, H2O, Matplotlib, NumPy, pandas, scikit-learn, SciPy, Seaborn, statsmodels.  Θα παρουσιαστούν βασικές Υπηρεσίες Νέφους (Cloud Services) για πλατφόρμες διαχείρισης αποθετηρίων κώδικα και διαδικτυακά διαδραστικά περιβάλλοντα ανάπτυξης, όπως GitHub και Google Colaboratory (Colab) αντίστοιχα. Θα παρουσιαστεί και θα συγκριθεί η γλώσσα προγραμματισμού R έναντι της Python, με έμφαση στις εφαρμογές τους στο πεδίο της Επιστήμης των Δεδομένων, για τη μοντελοποίηση και τη λήψη αποφάσεων σε ζητήματα της εφοδιαστικής αλυσίδας.

• Παρουσίαση των βασικών αρχών της Επιστήμης των Δεδομένων με εστίαση στη Διαχείριση  Εφοδιαστικής Αλυσίδας,
• Παρουσίαση της διανομής Anaconda με δημιουργία και διαχείριση εικονικών περιβαλλόντων,
• Εισαγωγή στη γλώσσα προγραμματισμού Python
• Παρουσίαση της λειτουργικότητας των βασικότερων τύπων και δομών δεδομένων,
• Δομές ελέγχου ροής,
•  Είσοδος και έξοδος δεδομένων σε αρχεία,
•  Δημιουργία και κλήση συναρτήσεων,
• Πακέτα (βιβλιοθήκες) για την επεξεργασία, ανάλυση και οπτικοποίηση των δεδομένων,
• Πακέτα (βιβλιοθήκες) σχετικά με τη Μηχανική Μάθηση,
• Παρουσίαση δυνατοτήτων επιβλεπόμενης και μη-επιβλεπόμενης μάθησης,
• Παρουσίαση αλγορίθμων, μεθόδων και μοντέλων Μηχανικής Μάθησης, όπως:

            – Μέθοδοι Παλινδρόμησης,

            – Μέθοδοι Ταξινόμησης,

             – Τεχνητά Νευρωνικά Δίκτυα,

             – Μηχανές Διανυσμάτων Υποστήριξης,

             – Μοντέλα Βαθιάς Μάθησης,

            – Αλγόριθμοι Συσταδοποίησης,

             – Τεχνικές Μείωσης Διαστάσεων Δεδομένων.

• Πρακτικές εφαρμογές στην ανάλυση χρονοσειρών για προβλέψεις ζήτησης,
• Πρακτικές εφαρμογές στη διαχείριση αποθεμάτων,
•  Πρακτικές εφαρμογές σε διάφορα προβλήματα βελτιστοποίησης,
• Παρουσίαση βασικών υπηρεσιών cloud (GitHub και Google Colab),
• Παρουσίαση και σύγκριση της γλώσσας προγραμματισμού R έναντι της Python σχετικά με την Επιστήμη των Δεδομένων σε ζητήματα της εφοδιαστικής αλυσίδας.

Προτεινόμενη Βιβλιογραφία:

• Deitel, H. M., & Deitel, P. J. (2021). Εισαγωγή στην Python για τις Επιστήμες Υπολογιστών και Δεδομένων. Εκδότης: Χ. ΓΚΙΟΥΡΔΑ ΣΙΑ ΕΕ. ISBN: 9789605127442.
• FAWCETT, T., & PROVOST, F. (2019). Η ΕΠΙΣΤΗΜΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ ΓΙΑ ΕΠΙΧΕΙΡΗΣΕΙΣ. Εκδότης:ΕΚΔΟΣΕΙΣ ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ. ISBN: 9789604619917.
•  Hillier, F. S., Lieberman, G. J., & Διαμαντίδης, Α. (Επιστ. Επιμέλεια) (2021). Εισαγωγή Στην Επιχειρησιακή Έρευνα (11η Έκδοση). Εκδότης: ΕΚΔΟΣΕΙΣ Α. ΤΖΙΟΛΑ & ΥΙΟΙ Α.Ε. ISBN: 9789604189168.
•  MATTHES, E. (2020). Η ΓΛΩΣΣΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ PYTHON. Εκδότης: ΕΚΔΟΣΕΙΣ ΔΙΣΙΓΜΑ ΙΚΕ. ISBN: 9786182020036.
•  Muddana, A. L., & Vinayakam, S. (2024). Python for Data Science. Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-52473-8
• Sunil, C., Ανδρουτσόπουλος, Κ., & Μαντάς, Μ. (Επιστ. επιμέλεια). (2020). Διοίκηση Εφοδιαστικής Αλυσίδας, 7η Έκδοση. Εκδότης: ΕΚΔΟΣΕΙΣ Α. ΤΖΙΟΛΑ & ΥΙΟΙ Α.Ε. ISBN: 9789604188758.
• Βλαχάβας, Ι., Κεφαλάς, Π., Βασιλειάδης, Ν., Κόκκορας, Φ., & Σακελλαρίου, Η. (2020). ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ – 4η ΕΚΔΟΣΗ. Εκδότης: ΕΤΑΙΡΕΙΑ ΑΞΙΟΠΟΙΗΣΗΣ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΡΙΟΥΣΙΑΣ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕΔΟΝΙΑΣ. ISBN: 9786185196448.
• ΔΙΑΜΑΝΤΑΡΑΣ, Κ., & ΜΠΟΤΣΗΣ, Δ. (2019). ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ. Εκδότης: ΕΚΔΟΣΕΙΣ ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ. ISBN: 9789604619955

Συναφή επιστημονικά περιοδικά:

• Big Data Mining and Analytics, IEEE
•  Big Data Research, Elsevier
• Computers & Industrial Engineering, Elsevier
• Data Mining and Knowledge Discovery, Springer
• Data Science and Engineering, Springer
•  European Journal of Operational Research, Elsevier
• Expert Systems with Applications, Elsevier
• IEEE Transactions on Knowledge and Data Engineering, IEEE
• International Journal of Data Science and Analytics, Springer
• International Journal of Production Economics, Elsevier
• International Journal of Production Research, Taylor & Francis
• Management Science, INFORMS
• Operational Research, Springer

Ελληνικά

Διάλεξη, Εργαστηριακές Ασκήσεις