Αλγοριθμική Επιστήμη Δεδομένων

Section outline

• Select section Ακαδημαϊκό Έτος 2025-2026

  Collapse Expand

  Ακαδημαϊκό Έτος 2025-2026

  Collapse all Expand all

  Το μάθημα προσφέρεται στους σπουδαστές του ΔΠΜΣ "Επιστήμη Δεδομένων και Μηχανική Μάθηση", στους Υ.Δ. της ΣΗΜΜΥ, καθώς και σε άλλα μεταπτυχιακά προγράμματα (ΑΛΜΑ, ΕΜΕ, Μαθηματική Προτυποποίηση).

  Διαλέξεις

  • Παρασκευή, 13:15-16:00, αίθ. 003, Νέο Κτ. Ηλεκτρολόγων ΕΜΠ
    
    

  Έναρξη

  • 20/2/2026

  Διδάσκοντες

  • Δώρα Σούλιου, ΕΔΙΠ (dsouliou@mail.ntua.gr)

  Βοηθοί Διδασκαλίας

  • Κων/νος Σισμάνης, ΥΔ (kostas.sismanis@gmail.com)

   

  Βιβλιογραφία

   

  • [MMDS] Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, and Jeff Ullman
    www.mmds.org  (book, slides, videos, etc.)
  • [FDS] Foundations of Data Science, Avrim Blum, John Hopcroft, and Ravindran Kannan
    https://www.cs.cornell.edu/jeh/book.pdf
  • [TSKK] Introduction to Data Mining (2nd ed.), Pang-Ning Tan, Michael Steinbach, Anuj Karpatne, and Vipin Kumar
    https://www-users.cs.umn.edu/~kumar001/dmbook/index.php

  • Select activity Ανακοινώσεις

    

    Ανακοινώσεις Forum
  • Select activity Διαφάνειες

    

    Διαφάνειες Folder
  • Select activity Ασκήσεις

    

    Ασκήσεις Folder
• Select section 1η διάλεξη

  Collapse Expand

  1η διάλεξη

  Διάλεξη 20/2

  • Εισαγωγή - διαδικαστικά 

  • Εισαγωγή στη Θεωρία Υπολογισμού (διαφάνειες)

    Προτεινόμενη μελέτη:

  • S. Dasgupta, C. H. Papadimitriou, and U. V. Vazirani: Algorithms (κεφ. 0 και 8).
  • Σημειώσεις Jeff Erickson για μη-ντετερμινισμό και για NP-πληρότητα.
• Select section 2η Διάλεξη

  Collapse Expand

  2η Διάλεξη

  Διάλεξη 27/2

  Σύντομη επισκόπηση του clustering

  Clustering Techniques, The curse of dimensionality, Hierarchical clustering, K-means(Διαφάνειες, 1-31).

  Προτεινόμενη μελέτη: [MMDS] Ενότητες: 7.1, 7.2, 7.3.

  Περαιτέρω μελέτη:      [TSKK]  Κεφάλαιο 7
• Select section 3η διάλεξη

  Collapse Expand

  3η διάλεξη

  Διάλεξη 6/3

  Σύντομη επισκόπηση του clustering II

  • Clustering Techniques, BFR algorithm, Cure(Διαφάνειες, 32-56).
  • Προτεινόμενη μελέτη: [MMDS] Ενότητες: 7.3, 7.4.
  • Περαιτέρω μελέτη:      [TSKK]  Κεφάλαιο 7
• Select section 4η Διάλεξη

  Collapse Expand

  4η Διάλεξη

  Διάλεξη 13/03

  Link Analysis I

  Definition of Page Rank, Structure of the Web 

  Power Iteration method, Avoiding Dead Ends, Spider Traps and Taxation Efficient Computation of Page Rank, Efficient Approaches to Page Rank Iteration 

  Διαφάνειες, 1-46

  Προτεινόμενη μελέτη: [MMDS] Κεφάλαιο: 5
• Select section 5η Διάλεξη

  Collapse Expand

  5η Διάλεξη

  Διάλεξη 20/3

  Link Analysis II

  Random Teleports, Computing Page Rank (Matrix Formulation, Rearranging the Equation, Sparse Matrix Formulation and Enconding, Block stripe Analysis)  

  Διαφάνειες, 46-60

  Topic Specific Page Rank,  Measuring Proximity in Graphs (Διαφάνειες 6-35)

  Προτεινόμενη μελέτη: [MMDS] Κεφάλαιο 5