MSc in Big Data Engineering & Data Science
ΓΙΑΤΙ ΝΑ ΤΟ ΕΠΙΛΕΞΩ
Επειδή σας δίνει πτυχιό από το Πανεπιστήμιο του York, ένα από τα κορυφαία ιδρύματα στον κόσμο για την εμπνευσμένη διδασκαλία και την καθοριστική έρευνα και μέλος του Russell Group στο Ηνωμένο Βασίλειο.
Επειδή είναι το ιδανικό πρόγραμμα για μηχανικούς λογισμικού και προγραμματιστές, που επιθυμούν να εκμεταλλευτούν τις αναδυόμενες τεχνολογίες, στοχεύοντας στη διαμόρφωση στρατηγικής ανάπτυξης, ανταγωνισμού και υπεραξίας για την εταιρεία που εργάζονται.
Επειδή είναι το μοναδικό πρόγραμμα που συνδυάζει software engineering θεματικές με data related πεδία και προσφέρει εκτεταμένη πρακτική εμπειρία στους φοιτητές του σε artificial intelligence, machine learning, business intelligence, data visualization, data integration, distributed systems, ETL και άλλα πεδία.
Επειδή επικεντρώνεται στη δημιουργία και ανάπτυξη μηχανικών, επιστημόνων, ειδικών και επαγγελματιών που θα μπορούν να αντιμετωπίσουν πρακτικές περιπτώσεις και πραγματικά γεγονότα που οι εταιρείες αντιμετωπίζουν σε ένα πολύπλοκο πεδίο δεδομένων.
Επειδή προσφέρει μια πληθώρα επιλογών για επαγγελματική αποκατάσταση αφού υπάρχει μεγάλη ζήτηση για αποφοίτους που συνδυάζουν άριστη γνώση της ICT με το κοινωνικοοικονομικό πλαίσιο που αυτή εφαρμόζεται. Το πρόγραμμα παρέχει τις απαραίτητες γνώσεις και δεξιότητες για να ξεκινήσουν οι απόφοιτοι τη δική τους επιχείρηση ή να εργαστούν σε διάφορους τομείς της οικονομίας (για παράδειγμα ως data engineers, data scientists, ML engineers, AI engineers, ETL developers, Business Intelligence experts, Big data experts, data analysts), ακόμα και να ακολουθήσουν ακαδημαϊκή καριέρα.
MSc in Big Data Engineering & Data Science
ΣΤΟΧΟΙ TOY ΠΡΟΓΡΑΜΜΑΤΟΣ
- Παροχή όλων των απαραίτητων γνώσεων και δεξιοτήτων ώστε οι φοιτητές να λαμβάνουν τεράστιο όγκο δεδομένων και να τον μετατρέπουν σε χρήσιμη γνώση για την περαίωση επιχειρηματικών στόχων.
- Εξειδίκευση των φοιτητών σε τομείς που έχει περισσότερη ανάγκη η αγορά εργασίας με δεξιότητες σε big data engineering και data sciences.
- Εστίαση του μεταπτυχιακού προγράμματος σε βιομηχανικά μοντέλα για να παρέχει στους σπουδαστές του όλες τις αναγνωρισμένες από τους εργοδότες γνώσεις που χρειάζονται για να δραστηριοποιηθούν σε αυτόν τον τομέα της οικονομίας, αλλά και σε καθένα που σχετίζεται με το IT.
- Έρευνα πάνω στη διδασκόμενη ύλη με στόχο της δημιουργίας μιας μεταπτυχιακής εργασίας με την επίβλεψη εξειδικευμένου προσωπικού.
- Δημιουργία επαγγελματιών που θα δραστηριοποιηθούν επιτυχώς στον επιχειρηματικό κόσμο.
- Μέριμνα για παροχή στους φοιτητές όλων των απαραίτητων γνώσεων και δεξιοτήτων για τη σύλληψη, ανάπτυξη και δημιουργία περίπλοκων υπολογιστικών συστημάτων.
- Παράδοση μαθημάτων από ειδικό επιστημονικό προσωπικό με εμπειρία και επιτυχίες στην αγορά εργασίας, αλλά και εξειδικευμένους ερευνητές. Οι καθηγητές του CITY College, University of YORK Europe Campus που διδάσκουν έχουν πολύχρονη εμπειρία σε ακαδημαϊκά προγράμματα και έρευνα. Τα συχνά σεμινάρια με guest ομιλητές από το χώρο της βιομηχανίας και τον πανεπιστημιακό χώρο ολοκληρώνουν τη διαδικασία της μάθησης.
MSc in Big Data Engineering & Data Science
ΔΟΜΗ ΠΡΟΓΡΑΜΜΑΤΟΣ
Deep Learning
Deep learning is a hot topic that has found multiple areas of application in the industry and business. Deep learning is the extension of Neural Networks (NN) that includes some new developments in training algorithms and uses the versatility of the computing power and data storage of the cloud. The module briefly introduces neural networks, explains how they work, how they are trained, and how they are deployed. Furthermore, it discusses the recent developments in training algorithms, NN structures, and cloud deployment, to conclude with the practical application of Artificial Intelligence solutions that we now call Deep Learning.
Continuous and Agile Software Engineering
The aim of this unit is to present contemporary topics in Software Engineering. It starts with a brief overview of software engineering principles and then focuses on modern approaches to software development and management, software architecture, and advanced techniques as formal methods. Students will actively contribute to the lectures, by reviewing and presenting material on contemporary software engineering topics.
Industrial Group Project
The purpose of this unit is to provide students with the opportunity to integrate and apply the skills and the knowledge they have acquired so far in their studies to a realistic problem. Students are exposed to the processes involved in the team-based development of software through real projects that are provided by companies from the software industry.
Research Skills and Dissertation Preparation
This unit intends to introduce students to the research topics and techniques that are commonly employed in software engineering and telecommunication science. Students will be exposed to the principles of report writing, literature reviewing, and research designs and approaches. These research approaches will include the design of data collection and analysis methods, as well as representation and interpretation of the results. An introduction to tools facilitating quantitative and qualitative analysis will also be provided. The unit is enriched with a number of exercises, case studies and discussions and concludes with practical guidelines of how to write a successful dissertation.
Business Intelligence
Business intelligence (BI) systems are applications and technologies for gathering, storing, analyzing, and accessing information for better business decision-making. The application areas of such systems include measuring and monitoring key performance indicators, benchmarking and forecasting sales, performing data mining and analysis of customer information.
This course provides a comprehensive introduction to the concepts, components, techniques and applications of BI and related areas. Students will gain awareness, in a gradual manner, of the complete life cycle of implementing and managing BI systems.
Big Data Engineering
This unit explores a range of the most relevant topics that pertain to contemporary analysis practices, technologies and tools for Big Data environments. Main aspects and challenges of Big Data will be addressed by introducing relevant algorithms, among others, in the areas of MapReduce, data stream mining and recommendation systems.
Additionally, this course provides a detailed description and hands-on experience to the cutting-edge open-source software Apache Hadoop and Apache Kafka.
Students will be introduced and gain awareness, in a granual manner, to the concepts, algorithms and techniques that cover key Big Data topics.
Data Mining and Machine Learning
This unit addresses the contemporary aspects, algorithms and challenges of mining big data by introducing data mining and machine learning algorithms. The unit aims to provide students with the necessary skills, knowledge and hands-on experience regarding data exploration, data preprocessing, visualization, unsupervised machine learning algorithms, clustering and other contemporary topics like dimensionality reduction, anomaly detection, pattern recognition, association rules and recommendation systems.
Advanced Artificial Intelligence Techniques
This unit starts with an in-depth introduction to Artificial Intelligence problem solving techniques and covers contemporary and advanced AI algorithms and application area. Main aspects and challenges that will be addressed by introducing relevant theory and hands-on practical sessions include search algorithms (brute-force, heuristic), supervised Learning Algorithms, Neural Networks, Deep Learning, Natural Language Processing and image classification.
Cloud Engineering
The unit aims at introducing students to a range of foundational –as well as more advanced– topics pertaining to cloud engineering, including:
- Fundamental concepts: foundations of cloud computing, principles of cloud computing, benefits, cloud service models, cloud deployment models, virtualisation technologies.
- Cloud platforms: AWS EC2, AWS Lambda, Heroku.
- Cloud-native applications: SOA, Microservices, Docker, Kubernetes, DevOps, challenges involved.
- Quality of provisioned services: scaling, IoT, Fog Computing, Mobile Edge Computing, SLAs.
- Security issues: access control, colocation attacks, side-channel attacks.
Dissertation
Year 1
Deep Learning
Deep learning is a hot topic that has found multiple areas of application in the industry and business. Deep learning is the extension of Neural Networks (NN) that includes some new developments in training algorithms and uses the versatility of the computing power and data storage of the cloud. The module briefly introduces neural networks, explains how they work, how they are trained, and how they are deployed. Furthermore, it discusses the recent developments in training algorithms, NN structures, and cloud deployment, to conclude with the practical application of Artificial Intelligence solutions that we now call Deep Learning.
Big Data Engineering
This unit explores a range of the most relevant topics that pertain to contemporary analysis practices, technologies and tools for Big Data environments. Main aspects and challenges of Big Data will be addressed by introducing relevant algorithms, among others, in the areas of MapReduce, data stream mining and recommendation systems.
Additionally, this course provides a detailed description and hands-on experience to the cutting-edge open-source software Apache Hadoop and Apache Kafka.
Students will be introduced and gain awareness, in a granual manner, to the concepts, algorithms and techniques that cover key Big Data topics.
Continuous and Agile Software Engineering
The aim of this unit is to present contemporary topics in Software Engineering. It starts with a brief overview of software engineering principles and then focuses on modern approaches to software development and management, software architecture, and advanced techniques as formal methods. Students will actively contribute to the lectures, by reviewing and presenting material on contemporary software engineering topics.
Business Intelligence
Business intelligence (BI) systems are applications and technologies for gathering, storing, analyzing, and accessing information for better business decision-making. The application areas of such systems include measuring and monitoring key performance indicators, benchmarking and forecasting sales, performing data mining and analysis of customer information.
This course provides a comprehensive introduction to the concepts, components, techniques and applications of BI and related areas. Students will gain awareness, in a gradual manner, of the complete life cycle of implementing and managing BI systems.
Year 2
Industrial Group Project
The purpose of this unit is to provide students with the opportunity to integrate and apply the skills and the knowledge they have acquired so far in their studies to a realistic problem. Students are exposed to the processes involved in the team-based development of software through real projects that are provided by companies from the software industry.
Research Skills and Dissertation Preparation
This unit intends to introduce students to the research topics and techniques that are commonly employed in software engineering and telecommunication science. Students will be exposed to the principles of report writing, literature reviewing, and research designs and approaches. These research approaches will include the design of data collection and analysis methods, as well as representation and interpretation of the results. An introduction to tools facilitating quantitative and qualitative analysis will also be provided. The unit is enriched with a number of exercises, case studies and discussions and concludes with practical guidelines of how to write a successful dissertation.
Data Mining and Machine Learning
This unit addresses the contemporary aspects, algorithms and challenges of mining big data by introducing data mining and machine learning algorithms. The unit aims to provide students with the necessary skills, knowledge and hands-on experience regarding data exploration, data preprocessing, visualization, unsupervised machine learning algorithms, clustering and other contemporary topics like dimensionality reduction, anomaly detection, pattern recognition, association rules and recommendation systems.
Advanced Artificial Intelligence Techniques
This unit starts with an in-depth introduction to Artificial Intelligence problem solving techniques and covers contemporary and advanced AI algorithms and application area. Main aspects and challenges that will be addressed by introducing relevant theory and hands-on practical sessions include search algorithms (brute-force, heuristic), supervised Learning Algorithms, Neural Networks, Deep Learning, Natural Language Processing and image classification.
Cloud Engineering
The unit aims at introducing students to a range of foundational –as well as more advanced– topics pertaining to cloud engineering, including:
- Fundamental concepts: foundations of cloud computing, principles of cloud computing, benefits, cloud service models, cloud deployment models, virtualisation technologies.
- Cloud platforms: AWS EC2, AWS Lambda, Heroku.
- Cloud-native applications: SOA, Microservices, Docker, Kubernetes, DevOps, challenges involved.
- Quality of provisioned services: scaling, IoT, Fog Computing, Mobile Edge Computing, SLAs.
- Security issues: access control, colocation attacks, side-channel attacks.
Summer of Year 2
Dissertation
MSc in Big Data Engineering & Data Science
ΠΛΗΡΟΦΟΡΙΕΣ ΕΓΓΡΑΦΗΣ
1ο εξάμηνο (Οκτώβριος)
2ο εξάμηνο (Φεβρουάριος)
1 Έτος (Full Time)
2 Έτη (Part Time)
Αγγλικά
Full Time : 4 καθημερινές ανά εβδομάδα (Δευτέρα – Παρασκευή 18:15 – 21:00) και 4 Σάββατα ανά εξάμηνο (πρωινό ωράριο)
Part Time : 2 καθημερινές ανά εβδομάδα (Δευτέρα – Παρασκευή 18:15 – 21:00) και 2 Σάββατα ανά εξάμηνο (πρωινό ωράριο)
Οι υποψήφιοι μπορούν να εισαχθούν στο πρόγραμμα εφόσον κατέχουν πτυχίο Computer Science, Computer Engineering ή σε αντικείμενο συναφές με ΤΠΕ, με καλό βαθμό.
Οι υποψήφιοι μεταπτυχιακοί φοιτητές πρέπει να έχουν καλή γνώση της Αγγλικής γλώσσας, που πιστοποιείται με ένα από τα παρακάτω:
- International English Language Testing System (IELTS Academic) με συνολική βαθμόλογία τουλάχιστον 6.5 και επιμέρους βαθμολογία ανά ενότητα από 5.5 και άνω,
- Pearson – PTE Academic με συνολική βαθμολογία τουλάχιστον 61 και όχι βαθμό κάτω από 51 ανά ενότητα,
- Cambridge Certificate in Advanced English (CAE) με συνολική βαθμολογία τουλάχιστον 176 και όχι βαθμό κάτω από 162 σε κάθε ενότητα,
- Cambridge Certificate of Proficiency in English (CPE) με συνολική βαθμολογία τουλάχιστον 176 και κατ’ ελάχιστο βαθμό 162 σε κάθε ενότητα,
- Test of English as a Foreign Language (TOEFL) internet-based test (iBT) and special home edition, με συνολική βαθμολογία τουλάχιστον 87, και βαθμούς κατ’ ελάχιστο 17 στο Listening, 18 στο Reading, 20 στο Speaking και 17 στο Writing,
- Michigan State University – Certificate of English Language Proficiency (MSU – CELP): CEFR C2
- GCSE English Language κατ’ ελάχιστο Grade C / Grade 4,
- iGCSE English Language κατ’ ελάχιστο Grade C,
- Trinity ISE Level 3 με Pass σε όλες τις ενότητες.
- Duolingo με συνολική βαθμολογία τουλάχιστον 110, και βαθμό τουλάχιστον 90 σε κάθε ενότητα,
- Examination for the Certificate of Proficiency in English (ECPE)
- Michigan English Test (MET) με συνολική βαθμολογία τουλάχιστον 230 και βαθμό σε κάθε ενότητα τουλάχιστον 53.
Το πιστοποιητικό θα πρέπει να έχει εκδοθεί την τελευταία τριετία.
Οι υποψήφιοι που έχουν ολοκληρώσει εξ ολοκλήρου την τριτοβάθμια εκπαίδευσή τους σε αγγλόφωνο οργανισμό δεν υποχρεούνται να προσκομίσουν πιστοποιητικό ως προς το επίπεδο των αγγλικών τους.
Εάν ένας υποψήφιος δεν πληροί τις προϋποθέσεις γνώσης της Αγγλικής γλώσσας και λάβει βαθμό μεγαλύτερο από 6.5 στο placement test του ATH/TECH, μπορεί να προχωρήσει στην εγγραφή του στο πρόγραμμα με την προϋπόθεση ότι θα προσκομίσει ένα εκ των απαιτούμενων πιστοποιητικών με το τέλος του πρώτου εξαμήνου για την full-time παρακολούθηση ή τη λήξη του πρώτου ακαδημαϊκού έτους για την part-time παρακολούθηση.
Μπορείτε να δείτε όλα τα απαραίτητα έγγραφα, τις αιτήσεις και τις προϋποθέσεις εγγραφής στην ενότητα Κανονισμοί & Οδηγίες
MSc in Big Data Engineering & Data Science
ΦΟΡΜΑ ΕΚΔΗΛΩΣΗΣ ΕΝΔΙΑΦΕΡΟΝΤΟΣ
Συμπλήρωσε τα στοιχεία σου και θα επικοινωνήσουμε μαζί σου για να συζητήσουμε όλες τις λεπτομέρειες που αφορούν το MSc in Big Data Engineering & Data Science. Καλή αρχή!