Το σύνολο των Πιστωτικών Μονάδων (ECTS) που απαιτούνται για την απόκτηση του Διπλώματος Μεταπτυχιακών Σπουδών (ΔΜΣ) ανέρχεται σε ενενήντα (90).
Από αυτές, τριάντα (30) μονάδες αντιστοιχούν στα τέσσερα (4) μαθήματα του Α΄ εξαμήνου, τριάντα (30) μονάδες αντιστοιχούν στα τέσσερα (4) μαθήματα του Β΄ εξαμήνου και, τριάντα (30) μονάδες, αντιστοιχούν στην εκπόνηση της μεταπτυχιακής διπλωματικής εργασίας του Γ΄ εξαμήνου.
Για τη λήψη ΔΜΣ οι φοιτητές υποχρεούνται να παρακολουθήσουν και να εξεταστούν επιτυχώς σε όλα τα υποχρεωτικά μαθήματα, σε τρία (3) από τα προσφερόμενα ως κατ’ επιλογή μαθήματα και να εκπονήσουν επιτυχώς διπλωματική εργασία κατά το Γ΄ εξάμηνο.
Το πρόγραμμα των μαθημάτων διαμορφώνεται ανά εξάμηνο ως εξής:
(απόφαση υπ΄αριθμ.8/18-5-2023 της Επιτροπής Προγράμματος Σπουδών. Η επικαιροποίηση τελεί υπό έγκριση από τη Σύγκλητο):
| Α΄ ΕΞΑΜΗΝΟ | |||
| Α. ΥΠΟΧΡΕΩΤΙΚΑ ΜΑΘΗΜΑΤΑ | |||
| Κωδικός | Π.Μ | Τίτλος | |
| DDCD106 | 7.5 | Αποκεντρωμένα Συστήματα Διαχείρισης Δεδομένων Μεγάλου Όγκου και Λήψης Αποφάσεων (Decentralized Systems for Big Data Management and Decision Making) | |
| MCDA101 | 7.5 | Στατιστικές Μέθοδοι στην Επιστήμη Δεδομένων (Methods for Statistical Data Analysis) | |
| Β. ΜΑΘΗΜΑΤΑ ΕΠΙΛΟΓΗΣ | |||
| 7.5 | Μάθημα επιλογής | ||
| 7.5 | Μάθημα επιλογής | ||
| ΣΥΝΟΛΟ | 30 | ||
| Β. ΜΑΘΗΜΑΤΑ ΕΠΙΛΟΓΗΣ Α΄ ΕΞΑΜΗΝΟΥ | |||
| DDCD103 | 7.5 | Ανάλυση και Διαχείριση Χωροχρονικών Δεδομένων (Analysis and Management of Spatial-Temporal Data) | |
| DDCD105 | 7.5 | Μέθοδοι Μητρώων και Υπολογιστικά Εργαλεία στην Επιστήμη Δεδομένων (Matrix Methods and Tools in Data Driven Science) | |
| DDCD107 | 7.5 | Ανάλυση της Απόδοσης Πληροφοριακών Συστημάτων (Performance Evaluation of Information Systems) | |
| DDCD109 | 7.5 | Μηχανισμοί Ποιότητας Υπηρεσίας σε Δίκτυα (Quality of Service in Networks) Δεν θα διδαχθεί το 2023-24 | |
| DDCD112 | 7.5 | Ευφυή Συστήματα Αποφάσεων (Intelligent Decision Making Systems) | |
| DDCD117 | 7.5 | Τεχνητή Νοημοσύνη στη Ρομποτική (Artificial Intelligence in Robotics) | |
| DDCD119 | 7.5 | Κυβερνοασφάλεια(Cybersecurity) | |
| Β΄ ΕΞΑΜΗΝΟ | |||
| Α. ΥΠΟΧΡΕΩΤΙΚΑ ΜΑΘΗΜΑΤΑ | |||
| Κωδικός | Π.Μ | Τίτλος | |
| DDCD102 | 7.5 | Τεχνικές διαχείρισης και Εξόρυξης για Δεδομένα Μεγάλου Όγκου (Big Data Management and Mining Methods) | |
| DDCD101 | 7.5 | Αλγόριθμοι Επιστήμης Δεδομένων (Algorithms for Data Science) | |
| DDCD002 | 7.5 | Μεθοδολογία Έρευνας και Μελέτη Περιπτώσεων στη Λήψη Αποφάσεων από Δεδομένα (Research Methodology and Case Studies in Data Driven Decision Making) | |
| Β. ΜΑΘΗΜΑΤΑ ΕΠΙΛΟΓΗΣ | |||
| 7.5 | Μάθημα Επιλογής | ||
| ΣΥΝΟΛΟ | 30 | ||
| ΜΑΘΗΜΑΤΑ ΕΠΙΛΟΓΗΣ Β΄ΕΞΑΜΗΝΟΥ | |||
| ΄Ενα (1) κατά το Β΄ εξάμηνο | |||
| Κωδικός | Π.Μ | Τίτλος | |
| DDCD108 | 7.5 | Προηγμένα Θέματα Τεχνολογιών Υλοποίησης Αλγορίθμων (Advanced Topics in Algorithm Engineering) | |
| DDCD110 | 7.5 | Υπολογιστική Υψηλών Επιδόσεων Επιστήμης Δεδομένων (High Performance Computing for Data Sciences) | |
| DDCD111 | 7.5 | Εφαρμοσμένη Μπεϋσιανή Στατιστική και Προσομοίωση (Applied Bayesian Statistics and Simulation) | |
| MCDA103 | 7.5 | Πιθανοτικά Μοντέλα με Χρήση Δεδομένων στη Διαδικασία Λήψης Αποφάσεων (Probabilistic Models for Data Driven Decision Making) | |
| DDCD111 | 7.5 | Ειδικά Θέματα Τεχνητής Νοημοσύνης (Special Topics in Artificial Intelligence) | |
| MCDA114 | 7.5 | Πολυμεταβλητή Αναλυτική Δεδομένων και Στατιστική Συμπερασματολογία (Multivariate Data Analysis and Statistical Inference) | |
| DDCD116 | 7.5 | Πιθανοτικές Μέθοδοι για Πολύπλοκα Δίκτυα (Probabilistic Methods for Complex Networks) | |
| Γ΄ ΕΞΑΜΗΝΟ | |||
| Α. ΥΠΟΧΡΕΩΤΙΚΑ ΜΑΘΗΜΑΤΑ | |||
| Κωδικός | Π.Μ | Τίτλος | |
| DDCD001 | 30 | Εκπόνηση Μεταπτυχιακής Διπλωματικής Εργασίας (MSc Thesis) | |
| ΣΥΝΟΛΟ | 30 | ||
