Διάρκεια Σπουδών

3 έτη

Μέθοδος Παρακολούθησης

Full-time

Γλώσσα Διδασκαλίας

Ελληνικά, Αγγλικά

Τρόπος Παρακολούθησης

Φυσική παρουσία, Online & On-demand (Υποστηρικτικά της διδασκαλίας)

Έναρξη Προγράμματος

Οκτώβριος 2026

Τοποθεσία

Αθήνα, Ελλάδα

Περιγραφή

Το πρόγραμμα BSc (Hons) Computer Science είναι ένα προπτυχιακό πρόγραμμα σπουδών τριετούς φοίτησης, το οποίο παρέχει το κατάλληλο υπόβαθρο θεωρητικών και πρακτικών γνώσεων, ώστε να καλλιεργηθούν τεχνικές δεξιότητες σχετικές με τον σχεδιασμό, την ανάπτυξη και τη διαχείριση των υπολογιστικών συστημάτων και σύγχρονων εφαρμογών λογισμικού.
Θα αναπτύξεις ικανότητες επιλογής κατάλληλων εργαλείων και τεχνικών για την ανάλυση, σχεδίαση και ανάπτυξη κάθε συστήματος, καθώς και δυνατότητες εφαρμογής σύγχρονων μεθοδολογιών ανάπτυξης λογισμικού και εκτίμησης των δόκιμων πρακτικών στη διαχείριση έργων λογισμικού.
Παράλληλα, θα αναπτύξεις δεξιότητες επίλυσης προβλημάτων με έμφαση στη λογική σκέψη, την ανάλυση και τη βελτιστοποίηση συστημάτων.
Θα κατανοήσεις τις επιπτώσεις που έχουν τα πληροφοριακά συστήματα στους οργανισμούς συνολικά αλλά και στα άτομα που τους απαρτίζουν, ενώ θα εμβαθύνεις στην ποικιλία και στη διαφοροποίηση των επιχειρησιακών πληροφοριακών συστημάτων και στον τρόπο χρήσης τους.
Θα κατανοήσεις τις αρχές λειτουργίας μιας ευρείας ποικιλίας διαφορετικών τεχνολογιών που χρησιμοποιούν τα δίκτυα και τα υπολογιστικά συστήματα, ενώ θα αποκτήσεις γνώσεις στα τεχνικά θέματα ασφάλειας των πληροφοριακών συστημάτων, με έμφαση στην προστασία δεδομένων και στην αποτροπή κακόβουλων επιθέσεων.
Παράλληλα, θα έρθεις σε επαφή με σύγχρονους τομείς όπως η Μηχανική Μάθηση (Machine Learning) και η Ανάλυση Δεδομένων (Data Analytics), συνδέοντας τη θεωρία με την πρακτική εφαρμογή μέσα από projects και σύγχρονες τεχνολογικές προσεγγίσεις.
Στόχος του προγράμματος είναι η ανάπτυξη αποφοίτων με ισχυρές τεχνικές, αναλυτικές και συνεργατικές δεξιότητες, ικανών να σχεδιάζουν και να υλοποιούν καινοτόμες, βιώσιμες και ασφαλείς ψηφιακές λύσεις που ανταποκρίνονται στις ανάγκες της σύγχρονης αγοράς εργασίας.

To πρόγραμμα προσφέρεται σε συνεργασία με το Wrexham University.

Στόχος του προγράμματος

  • Γιατί θα αποκτήσεις μια ισχυρή βάση γνώσεων στα θεμέλια της πληροφορικής, συμπεριλαμβανομένων των γλωσσών προγραμματισμού, του Web Development, της φιλοσοφία των αλγορίθμων, των βάσεων δεδομένων, της αρχιτεκτονικής υπολογιστών και των λειτουργικών συστημάτων.
  • Γιατί θα αναπτύξεις δεξιότητες προγραμματισμού, διαχείρισης δεδομένων και Software Skills, αξιοποιώντας σύγχρονες τεχνολογίες και μεθοδολογίες ανάπτυξης λογισμικού (Agile), ώστε να μπορείς να σχεδιάζεις και να υλοποιείς λύσεις για τον σημερινό κόσμο που κυριαρχείται από τους υπολογιστές.
  • Γιατί θα κατανοήσεις τις αρχές που διέπουν τα υπολογιστικά συστήματα, συμπεριλαμβανομένων των δικτύων, των λειτουργικών συστημάτων και της αρχιτεκτονικής των υπολογιστών, καθώς και σύγχρονων ζητημάτων όπως η ασφάλεια και η προστασία δεδομένων.
  • Γιατί οι ειδικοί στην πληροφορική έχουν μεγάλη ζήτηση, καθώς η τεχνολογία παίζει πλέον ρόλο σχεδόν σε όλα όσα κάνουμε. Το πτυχίο μας στην Πληροφορική συνδυάζει τις βασικές αρχές του τομέα με σύγχρονες εξελίξεις όπως η Μηχανική Μάθηση (Machine Learning)  και η Ανάλυση Δεδομένων (Data Analytics).
  • Γιατί θα αναπτύξεις πρακτικές δεξιότητες χρήσιμων σε κάθε τομέα των επιχειρήσεων, όπως η επίλυση προβλημάτων, η ομαδική εργασία, η διαχείριση έργων.

Δομή Προγράμματος Σπουδών

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εισαγάγει τους φοιτητές στις βασικές αρχές και τεχνικές του Machine Learning. Δίνεται έμφαση στην κατανόηση supervised και unsupervised learning αλγορίθμων, όπως Linear Models, Decision Trees, Random Forests, Neural Networks και Deep Learning, καθώς και στη μελέτη Evaluation Metrics, Data Pre-processing, Image/Speech Recognition, Natural Language Processing και ζητημάτων Ethics and Bias.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να αναγνωρίζεις και να εξηγείς τις βασικές έννοιες και τεχνικές του Machine Learning

  • Να εφαρμόζεις αλγορίθμους Machine Learning σε πραγματικά προβλήματα

  • Να αξιολογείς την απόδοση διαφορετικών μοντέλων με κατάλληλες μετρικές

  • Να αναγνωρίζεις ηθικά ζητήματα και bias σε Machine Learning εφαρμογές

Περιγραφή Μαθήματος

Το μάθημα εστιάζει στις αρχές της προστασίας πληροφοριών και της διακυβέρνησης σε οργανισμούς. Διδάσκονται risk management, security operations, incident response, identity and access management, legal and regulatory compliance, καθώς και security governance και emerging technologies. Ιδιαίτερη έμφαση δίνεται στην επαγγελματική και ηθική προσέγγιση, με κοινωνικές, πολιτικές και βιώσιμες διαστάσεις.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να εφαρμόζεις compliance laws, regulations και standards σε πραγματικά περιβάλλοντα

  • Να αξιολογείς και να εφαρμόζεις information security standards σε ιδιωτικό και δημόσιο τομέα

  • Να αναγνωρίζεις διεθνείς νόμους και κανονισμούς για την ασφάλεια πληροφοριών

  • Να ερμηνεύεις επαγγελματικές πιστοποιήσεις στον χώρο του computing

Περιγραφή Μαθήματος

Το μάθημα εισάγει τις βασικές αρχές του προγραμματισμού μέσα από industry-standard programming language και τη χρήση Integrated Development Environment (IDE). Καλύπτει θεμελιώδεις έννοιες όπως conditionals & loops, arrays & sorting, methods & functions, objects & instances, data structures, καθώς και εισαγωγή σε source control και απλά γραφικά.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να αναγνωρίζεις syntax και structure μίας programming language

  • Να εφαρμόζεις programming techniques για contextualized problems

  • Να αναπτύσσεις λύσεις σε IDE με κατάλληλη χρήση logic και structures

  • Να επιδεικνύεις κατανόηση βασικών data structures και source control

Περιγραφή Μαθήματος

Το μάθημα παρέχει θεμελιώδη κατανόηση των υπολογιστικών συστημάτων και της αρχιτεκτονικής τους. Εξετάζονται components όπως CPU, memory, I/O και storage, καθώς και έννοιες όπως instruction sets, memory hierarchy, bus structures, pipelining και parallelism. Οι φοιτητές αναπτύσσουν επίσης δεξιότητες performance evaluation και πρακτική εμπειρία στο assembling, configuring και troubleshooting συστημάτων.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να αναγνωρίζεις και να περιγράφεις βασικά components ενός computer system

  • Να εξηγείς έννοιες computer organization και architecture

  • Να αξιολογείς την απόδοση συστημάτων με performance metrics

  • Να επιδεικνύεις πρακτικές δεξιότητες σε assembling, configuring και troubleshooting

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εξοπλίσει τους φοιτητές με γνώσεις και δεξιότητες στον σχεδιασμό και την υλοποίηση αποδοτικών database schemas χρησιμοποιώντας SQL, με έμφαση στη διασφάλιση της ακεραιότητας των δεδομένων. Επιπλέον, το μάθημα καλύπτει τεχνικές SQL για queries, data manipulation και διαχείριση δεδομένων από πολλαπλούς πίνακες, ώστε οι φοιτητές να μπορούν να εφαρμόζουν ολοκληρωμένες λύσεις σε πραγματικά σενάρια.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να σχεδιάζεις και να υλοποιείς normalized database schemas με χρήση SQL
  • Να εφαρμόζεις SQL techniques για queries σε πολλαπλούς πίνακες
  • Να επιδεικνύεις επάρκεια στη διαχείριση, ανάκτηση και επεξεργασία δεδομένων σε databases

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εισαγάγει βασικές computational και mathematical έννοιες που απαιτούνται στην εφαρμογή της Computer Science, Software Engineering και Cyber Security.Η διδασκαλία επικεντρώνεται στη σύνδεση μαθηματικών θεωριών και τεχνικών με πραγματικά σενάρια, αξιοποιώντας industry-standard εργαλεία, hardware και software. Οι φοιτητές αναπτύσσουν δεξιότητες problem solving μέσα από coursework που αντικατοπτρίζει τις ανάγκες των ψηφιακών βιομηχανιών.

Εκπαιδευτικοί Στόχοι
Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:
  • Να αναγνωρίζεις μαθηματικά προβλήματα σε computing-related scenarios
  • Να εφαρμόζεις computational techniques για την επίλυση τεχνικών προβλημάτων
  • Να χρησιμοποιείς software packages για μαθηματικές λύσεις σχετικές με το αντικείμενο σπουδών

Περιγραφή Μαθήματος

Το μάθημα εισάγει τις βασικές αρχές του προγραμματισμού μέσα από industry-standard programming language και τη χρήση Integrated Development Environment (IDE). Καλύπτει θεμελιώδεις έννοιες όπως conditionals & loops, arrays & sorting, methods & functions, objects & instances, data structures, καθώς και εισαγωγή σε source control και απλά γραφικά.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να αναγνωρίζεις syntax και structure μίας programming language
  • Να εφαρμόζεις programming techniques για contextualized problems
  • Να αναπτύσσεις λύσεις σε IDE με κατάλληλη χρήση logic και structures
  • Να επιδεικνύεις κατανόηση βασικών data structures και source control

Περιγραφή Μαθήματος

Το μάθημα παρέχει θεμελιώδη κατανόηση των υπολογιστικών συστημάτων και της αρχιτεκτονικής τους. Εξετάζονται components όπως CPU, memory, I/O και storage, καθώς και έννοιες όπως instruction sets, memory hierarchy, bus structures, pipelining και parallelism. Οι φοιτητές αναπτύσσουν επίσης δεξιότητες performance evaluation και πρακτική εμπειρία στο assembling, configuring και troubleshooting συστημάτων.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση του μαθήματος θα μπορείς:

  • Να αναγνωρίζεις και να περιγράφεις βασικά components ενός computer system
  • Να εξηγείς έννοιες computer organization και architecture
  • Να αξιολογείς την απόδοση συστημάτων με performance metrics
  • Να επιδεικνύεις πρακτικές δεξιότητες σε assembling, configuring και troubleshooting

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εισαγάγει τους φοιτητές στις βασικές αρχές της ασφαλούς ανάπτυξης λογισμικού και στη σημασία της ασφάλειας κατά τον σχεδιασμό, την υλοποίηση και τη συντήρηση εφαρμογών. Δίνεται έμφαση στις μεθοδολογίες Secure Software Development Life Cycle (SDLC), στις πρακτικές ασφαλούς προγραμματισμού (Secure Coding), στις αρχές ασφαλούς σχεδίασης (Secure Design Principles), στις τεχνικές ελέγχου ασφαλείας, όπως Penetration Testing και Vulnerability Assessment, καθώς και στην προστασία εφαρμογών από συνηθισμένες ευπάθειες όπως SQL Injection, Cross-Site Scripting (XSS) και προβλήματα αυθεντικοποίησης και εξουσιοδότησης χρηστών.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να αναγνωρίζεις τις βασικές αρχές και μεθοδολογίες της ασφαλούς ανάπτυξης λογισμικού.
  •  Να εφαρμόζεις πρακτικές ασφαλούς σχεδίασης και προγραμματισμού κατά την ανάπτυξη εφαρμογών.
  •  Να αναλύεις και να αντιμετωπίζεις κοινές ευπάθειες ασφαλείας χρησιμοποιώντας κατάλληλες τεχνικές ελέγχου και αξιολόγησης.
  •  Να αξιολογείς την ασφάλεια εφαρμογών και να προτείνεις λύσεις για τη βελτίωση της προστασίας τους, εφαρμόζοντας κριτική σκέψη και αποτελεσματική επίλυση προβλημάτων.

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εισαγάγει τους φοιτητές στις βασικές έννοιες των Δομών Δεδομένων και των Αλγορίθμων, δίνοντας έμφαση στην αποδοτική οργάνωση και επεξεργασία δεδομένων. Το μάθημα καλύπτει βασικές δομές δεδομένων, όπως Arrays, Linked Lists, Stacks, Queues, Trees, Graphs και Hash Tables, καθώς και τεχνικές σχεδίασης και ανάλυσης αλγορίθμων, όπως Sorting, Searching, Graph Traversal, Dynamic Programming, Greedy Algorithms, Divide and Conquer και την αξιολόγηση της αποδοτικότητάς τους μέσω της Big O Notation.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να υλοποιείς, να διαχειρίζεσαι και να βελτιστοποιείς βασικές και σύνθετες δομές δεδομένων.
  •  Να εφαρμόζεις αλγορίθμους ταξινόμησης, αναζήτησης και επίλυσης προβλημάτων χρησιμοποιώντας κατάλληλες τεχνικές.
  •   Να αναλύεις και να αξιολογείς την αποδοτικότητα αλγορίθμων ως προς τον χρόνο και τον χώρο εκτέλεσης χρησιμοποιώντας τη σημειογραφία Big O.
  •  Να συγκρίνεις διαφορετικές δομές δεδομένων και αλγορίθμους, επιλέγοντας την καταλληλότερη λύση για κάθε πρόβλημα με βάση την αποδοτικότητα και τις απαιτήσεις του.

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εισαγάγει τους φοιτητές στις βασικές έννοιες, αρχές και τεχνολογίες του Cloud Computing, των Κατανεμημένων Συστημάτων (Distributed Systems) και της ασφάλειάς τους. Δίνεται έμφαση στα μοντέλα και τις αρχιτεκτονικές του Cloud (IaaS, PaaS, SaaS, Public, Private, Hybrid και Multi-cloud), στις αρχές σχεδίασης κατανεμημένων συστημάτων, στις τεχνολογίες εικονικοποίησης (Virtualization), στις υποδομές Cloud, καθώς και σε ζητήματα Cloud Security, προστασίας προσωπικών δεδομένων (GDPR), ασφάλειας εφαρμογών και νομικών και κανονιστικών απαιτήσεων.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να αναγνωρίζεις και να εξηγείς τις βασικές έννοιες του Cloud Computing και των Κατανεμημένων Συστημάτων.
  •  Να αναλύεις διαφορετικές αρχιτεκτονικές και τεχνολογίες κατανεμημένων συστημάτων και υποδομών Cloud.
  •  Να αξιολογείς μοντέλα ανάπτυξης Cloud, λαμβάνοντας υπόψη την επεκτασιμότητα (Scalability), την αξιοπιστία (Fault Tolerance) και την απόδοση.
  •  Να αναγνωρίζεις και να αξιολογείς ζητήματα ασφάλειας, προστασίας δεδομένων και κανονιστικής συμμόρφωσης σε περιβάλλοντα Cloud και Distributed Systems.

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εφοδιάσει τους φοιτητές με τις απαραίτητες γνώσεις και δεξιότητες για την εφαρμογή, αξιολόγηση και ερμηνεία αλγορίθμων Machine Learning σε σύνθετα σύνολα δεδομένων. Δίνεται έμφαση σε τεχνικές Regression, Classification, Clustering και Dimensionality Reduction, καθώς και στηδημιουργία ολοκληρωμένων Machine Learning Pipelines, που περιλαμβάνουν Data Pre-processing, Feature Engineering, Model Selection, Cross-validation, Regularization, Feature Selection και αξιολόγηση μοντέλων. Παράλληλα, εξετάζονται τρόποι αποτελεσματικής παρουσίασης των αποτελεσμάτων μέσω κατάλληλων οπτικοποιήσεων (Visualizations) και μετρικών αξιολόγησης.

Εκπαιδευτικοί Στόχοι

  • Να εφαρμόζεις και να ερμηνεύεις βασικούς αλγορίθμους Machine Learning για προβλήματα παλινδρόμησης, ταξινόμησης και ομαδοποίησης δεδομένων.
  • Να αξιολογείς και να βελτιστοποιείς μοντέλα Machine Learning χρησιμοποιώντας σύγχρονες τεχνικές και εργαλεία, όπως Cross-validation, Regularization και Feature Selection.
  • Να σχεδιάζεις και να υλοποιείς ολοκληρωμένα Machine Learning Pipelines, από την προεπεξεργασία δεδομένων έως την επιλογή και αξιολόγηση μοντέλων.
  • Να παρουσιάζεις και να επικοινωνείς αποτελεσματικά τα αποτελέσματα των μοντέλων χρησιμοποιώντας κατάλληλες μετρικές και οπτικοποιήσεις, τόσο για τεχνικό όσο και για μη τεχνικό κοινό.

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εισαγάγει τους φοιτητές στις βασικές αρχές της Μηχανικής Συστημάτων (Systems Engineering) και της Διαχείρισης Έργων (Project Management), με έμφαση στον σχεδιασμό, την ανάπτυξη και τη διαχείριση σύνθετων τεχνολογικών συστημάτων. Το μάθημα καλύπτει τις αρχές και τις μεθοδολογίες της Systems Engineering, τις τεχνικές διαχείρισης έργων, τον κύκλο ζωής ενός έργου (Project Lifecycle), τη διαχείριση απαιτήσεων (Requirements Analysis), τον προγραμματισμό (Scheduling), τη διαχείριση πόρων (Resource Allocation), τη διαχείριση κινδύνων (Risk Management), την εμπλοκή των ενδιαφερόμενων μερών (Stakeholder Management), καθώς και την αρχιτεκτονική, την ολοκλήρωση και τον έλεγχο συστημάτων.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να εφαρμόζεις τις βασικές αρχές, μεθοδολογίες και διαδικασίες της Systems Engineering στον σχεδιασμό και την ανάπτυξη σύνθετων συστημάτων.
  • Να διαχειρίζεσαι αποτελεσματικά έργα χρησιμοποιώντας σύγχρονες τεχνικές και εργαλεία Project Management.
  • Να αναλύεις τις απαιτήσεις ενός έργου, διασφαλίζοντας ότι ευθυγραμμίζονται με τις ανάγκες των ενδιαφερόμενων μερών (Stakeholders) και τους στόχους του έργου.
  • Να εφαρμόζεις συστημική σκέψη (Systems Thinking) και τεχνικές ανάλυσης για τη μοντελοποίηση, αξιολόγηση και βελτιστοποίηση σύνθετων συστημάτων.
  • Να αναγνωρίζεις και να αξιολογείς τα όρια (System Boundaries), τις διεπαφές (Interfaces), τη συμπεριφορά και την απόδοση ενός συστήματος.

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να προσφέρει στους φοιτητές εμπειρία προσομοίωσης πραγματικού εργασιακού περιβάλλοντος μέσω της υλοποίησης ενός ομαδικού έργου ανάπτυξης λογισμικού. Δίνεται έμφαση στην οργάνωση, την επικοινωνία και τον συντονισμό της ομάδας, καθώς και στη σχεδίαση, ανάπτυξη, υλοποίηση και αξιολόγηση ενός ψηφιακού προϊόντος σύμφωνα με επαγγελματικές μεθοδολογίες ανάπτυξης. Παράλληλα, εξετάζονται τεχνικές διαχείρισης έργων, μεθοδολογίες ανάπτυξης λογισμικού, ηγεσία, ομαδική συνεργασία, παρακολούθηση της προόδου του έργου (Project Tracking), ανάλυση δεδομένων και ζητήματα νομικής, ηθικής και επαγγελματικής δεοντολογίας.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  •  Να συνεργάζεσαι αποτελεσματικά σε ομάδα για τον σχεδιασμό, την ανάπτυξη, τον έλεγχο και την υλοποίηση ενός ψηφιακού προϊόντος.
  •  Να εφαρμόζεις και να παρακολουθείς κατάλληλες μεθοδολογίες ανάπτυξης λογισμικού στο πλαίσιο ενός ομαδικού έργου.
  •  Να αξιολογείς τεχνικά, οργανωτικά και διοικητικά ζητήματα που προκύπτουν κατά την ανάπτυξη ομαδικών έργων λογισμικού.
  •  Να αναγνωρίζεις και να εφαρμόζεις τις νομικές, ηθικές και επαγγελματικές αρχές που διέπουν τη σύγχρονη ανάπτυξη ψηφιακών συστημάτων.

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εφοδιάσει τους φοιτητές με τις απαραίτητες γνώσεις και δεξιότητες για τον σχεδιασμό, την υλοποίηση και τη βελτιστοποίηση μοντέλων Deep Learning για σύνθετα προβλήματα τεχνητής νοημοσύνης. Δίνεται έμφαση σεαρχιτεκτονικές Neural Networks, όπως Convolutional Neural Networks (CNNs) και Recurrent Neural Networks (RNNs), καθώς καισε τεχνικές Generative Models, Reinforcement Learning, Natural Language Processing (NLP) και Computer Vision. Παράλληλα, εξετάζονται τεχνικές Data Pre-processing, Data Augmentation, Hyperparameter Tuning, αποφυγής του Overfitting, καθώς καιη ανάπτυξη καιεγκατάσταση (Deployment) μοντέλων σε πραγματικά περιβάλλοντα παραγωγής.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να σχεδιάζεις και να υλοποιείς μοντέλα Deep Learning χρησιμοποιώντας σύγχρονες αρχιτεκτονικές νευρωνικών δικτύων για σύνθετες εφαρμογές.
  • Να αναλύεις και να συγκρίνεις διαφορετικές τεχνικές και αρχιτεκτονικές Deep Learning με στόχο τη βελτιστοποίηση της απόδοσης και της ακρίβειας των μοντέλων.
  • Να εφαρμόζεις προηγμένες τεχνικές βελτιστοποίησης, όπως Hyperparameter Tuning, Data Augmentation και τεχνικές αποφυγής του Overfitting.
  • Να αναπτύσσεις, να εκπαιδεύεις και να εγκαθιστάς (Deploy) μοντέλα Deep Learning σε πραγματικά περιβάλλοντα, ακολουθώντας βέλτιστες πρακτικές της βιομηχανίας.

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εισαγάγει τους φοιτητές στις βασικές αρχές της Κρυπτογραφίας (Cryptography) και των Αμυντικών Συστημάτων Ασφάλειας (Defensive Systems), με έμφαση στην προστασία δεδομένων και ασφαλών επικοινωνιών. Το μάθημα καλύπτει συμμετρικούς και ασύμμετρους αλγορίθμους κρυπτογράφησης (Symmetric & Public Key Cryptography), Hash Functions, κρυπτογραφικά πρωτόκολλα (Cryptographic Protocols), διαχείριση κλειδιών (Key Management), σχεδίαση ασφαλών κρυπτογραφικών συστημάτων, καθώς και τεχνικές άμυνας απέναντι σε σύγχρονες κυβερνοαπειλές. Παράλληλα, εξετάζονται μέθοδοι ανάλυσης ευπαθειών, αξιολόγησης αμυντικών μηχανισμών και σύγχρονες τάσεις στον χώρο της κρυπτογραφίας.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να αναγνωρίζεις, να συγκρίνεις και να εξηγείς τις βασικές αρχές, τους αλγορίθμους και τα πρωτόκολλα της Κρυπτογραφίας.
  •  Να αναλύεις κρυπτογραφικά συστήματα, εντοπίζοντας ευπάθειες και αδυναμίες στον σχεδιασμό και την υλοποίησή τους.
  •  Να αξιολογείς την αποτελεσματικότητα κρυπτογραφικών αλγορίθμων και αμυντικών συστημάτων σε διαφορετικά σενάρια ασφάλειας.
  •  Να αναλύεις σύνθετα προβλήματα κυβερνοασφάλειας, προτείνοντας κατάλληλα αντίμετρα (Countermeasures) και μηχανισμούς προστασίας.
  •  Να επικοινωνείς αποτελεσματικά έννοιες, πρωτόκολλα και αρχιτεκτονικές κρυπτογραφίας τόσο σε τεχνικό όσο και σε μη τεχνικό κοινό.

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να δώσει στους φοιτητές την ευκαιρία να σχεδιάσουν, να αναπτύξουν και να ολοκληρώσουν ένα ολοκληρωμένο έργο (Project) προσομοιώνοντας πραγματικές συνθήκες της βιομηχανίας. Δίνεται έμφαση στον καθορισμό προδιαγραφών (Project Specification), στην επιλογή κατάλληλης μεθοδολογίας ανάπτυξης, στη διαχείριση και παρακολούθηση του έργου (Project Management), στην ανάλυση και ανάπτυξη μιας λειτουργικής λύσης (Prototype/Deliverable), καθώς και στην αξιολόγηση του τελικού αποτελέσματος με βάση τεχνικά, επαγγελματικά, νομικά, ηθικά και κοινωνικά κριτήρια. Παράλληλα, οι φοιτητές αποκτούν εμπειρία στην τεκμηρίωση, την παρουσίαση και τη διαχείριση ενός έργου από τη σύλληψη της ιδέας έως την τελική υλοποίηση.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  • Να αναλύεις σύγχρονες τεχνολογικές τάσεις και να διαμορφώνεις ολοκληρωμένες προδιαγραφές για ένα έργο ανάπτυξης λογισμικού.
  •  Να επιλέγεις και να εφαρμόζεις κατάλληλες μεθοδολογίες ανάπτυξης και διαχείρισης έργων για την επιτυχή υλοποίηση ενός σύνθετου Project.
  •  Να σχεδιάζεις, να αναπτύσσεις και να αξιολογείς μια λειτουργική λύση σε πραγματικό πρόβλημα της βιομηχανίας, εφαρμόζοντας τις γνώσεις που απέκτησες κατά τη διάρκεια των σπουδών.
  •  Να παρακολουθείς την πρόοδο του έργου, να αξιολογείς την αποτελεσματικότητα της διαχείρισής του και να παρουσιάζεις επαγγελματικά τα αποτελέσματα, λαμβάνοντας υπόψη νομικά, ηθικά και επαγγελματικά ζητήματα.

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εισαγάγει τους φοιτητές στις βασικές αρχές της Ανάλυσης και Οπτικοποίησης Δεδομένων (Data Analysis and Visualisation), δίνοντας έμφαση στη συλλογή, ανάλυση, ερμηνεία και παρουσίαση δεδομένων από διαφορετικές πηγές. Το μάθημα καλύπτει τεχνικές Exploratory Data Analysis (EDA), στατιστικές μεθόδους ανάλυσης, εργαλεία και τεχνικές οπτικοποίησης δεδομένων, γεωγραφική και χρονική απεικόνιση δεδομένων, Text & Sentiment Analysis, καθώς και ζητήματα νομικής, κοινωνικής και ηθικής που σχετίζονται με την αξιοποίηση των δεδομένων. Παράλληλα, οι φοιτητές αποκτούν πρακτική εμπειρία χρησιμοποιώντας σύγχρονα εργαλεία ανάλυσης και οπτικοποίησης για την επίλυση πραγματικών προβλημάτων.

Εκπαιδευτικοί Στόχοι

Μετά την ολοκλήρωση των παραδόσεων θα μπορείς:

  •  Να αναλύεις και να εφαρμόζεις στατιστικές τεχνικές και αλγορίθμους στο πλαίσιο της Ανάλυσης Δεδομένων (Data Analytics).
  •  Να εφαρμόζεις τεχνικές Exploratory Data Analysis (EDA) για την ανακάλυψη προτύπων και χρήσιμων πληροφοριών μέσα από δεδομένα.
  •  Να αξιολογείς και να συνδυάζεις διαφορετικές αναλυτικές μεθόδους για την εξαγωγή έγκυρων συμπερασμάτων.
  •  Να δημιουργείς αποτελεσματικές οπτικοποιήσεις δεδομένων χρησιμοποιώντας κατάλληλα εργαλεία και τεχνικές, συμπεριλαμβανομένης της γεωγραφικής απεικόνισης (Spatial Data Mapping) και της παρουσίασης σύνθετων δεδομένων.

Στόχος του μαθήματος είναι να εισαγάγει τους φοιτητές στις Αναδυόμενες Τεχνολογίες (Emergent Technologies) και στον τρόπο με τον οποίο επηρεάζουν τον τομέα της Πληροφορικής και την κοινωνία. Δίνεται έμφαση στις βασικές αρχές, τις εφαρμογές και τις προοπτικές τεχνολογιών όπως το Internet of Things (IoT), η Τεχνητή Νοημοσύνη (Artificial Intelligence), το Machine Learning, το Blockchain, το Cloud & Edge Computing, η Επαυξημένη Πραγματικότητα (AR), η Εικονική Πραγματικότητα (VR) και το Quantum Computing. Παράλληλα, εξετάζονται οι ηθικές, νομικές και κοινωνικές προεκτάσεις των νέων τεχνολογιών, καθώς και ζητήματα ιδιωτικότητας, ασφάλειας και μελλοντικών τεχνολογικών εξελίξεων.

Εκπαιδευτικοί Στόχοι

  •  Να αναλύεις και να αξιολογείς τις αναδυόμενες τεχνολογίες και τον αντίκτυπό τους στην Πληροφορική και την κοινωνία.
  •  Να εξηγείς τις βασικές αρχές και τις τεχνολογίες που υποστηρίζουν σύγχρονες καινοτόμες εφαρμογές.
  •  Να εφαρμόζεις αναδυόμενες τεχνολογίες για την επίλυση σύνθετων προβλημάτων στον χώρο της Πληροφορικής.
  •  Να αναπτύσσεις δημιουργικές και καινοτόμες λύσεις, αξιοποιώντας νέες τεχνολογίες και αξιολογώντας τις τεχνικές, ηθικές και κοινωνικές προεκτάσεις τους.

Περισσότερες Πληροφορίες

Οι απόφοιτοι του προγράμματος έχουν τη δυνατότητα να σταδιοδρομήσουν στην Ελλάδα ή στο εξωτερικό, σε ένα ευρύ φάσμα σύγχρονων οργανισμών και επιχειρήσεων του κλάδου της Πληροφορικής και της Ψηφιακής Τεχνολογίας.

Τομείς Απασχόλησης
Επαγγελματικά Πεδία
Οι απόφοιτοι μπορούν να εργαστούν σε ρόλους όπως:
  • Software Developer
  • Data Analyst
  • Data Scientist
  • Artificial Intelligence Specialist
  • Machine Learning Engineer
  • Software Architect
  • Systems Analyst
  • IT Consultant

Το πρόγραμμα BSc (Hons) Computer Science απευθύνεται σε απόφοιτους Λυκείου που επιθυμούν να αποκτήσουν σύγχρονες γνώσεις πληροφορικής και να σταδιοδρομήσουν στον συγκεκριμένο κλάδο. Το πρόγραμμα περιλαμβάνει εργαστηριακά μαθήματα, συνδυάζοντας τη θεωρητική και την πρακτική γνώση. Έτσι, σε εφοδιάζει με όλες τις απαιτούμενες ακαδημαϊκές και πρακτικές γνώσεις αλλά και με τις κατάλληλες δεξιότητες για μια επιτυχημένη επαγγελματική σταδιοδρομία.

Το πτυχίο BSc Computer Science παρέχει επίσης τη δυνατότητα να συνεχίσεις τις σπουδές σου σε μεταπτυχιακό επίπεδο.

Το πρόγραμμα προσφέρεται με φυσική παρουσία σε προγραμματισμένα τμήματα στις εγκαταστάσεις μας – Λ. Συγγρού 68 (δίπλα στο Μετρό «Συγγρού – Φιξ»). Παράλληλα, μέσω της σύγχρονης εκπαιδευτικής μας πλατφόρμας, παρέχεται η δυνατότητα παρακολούθησης των μαθημάτων online (σύγχρονη τηλεκπαίδευση) και on demand (βιντεοσκοπημένα), το οποίο λειτουργεί υποστηρικτικά στη μαθησιακή διαδικασία.

Απολυτήριο Λυκείου ή Αντίστοιχος Τίτλος.

Η διδασκαλία, τα δύο πρώτα εξάμηνα, διεξάγεται στα ελληνικά ενώ τα επόμενα τέσσερα εξάμηνα γίνεται στα αγγλικά.

Είναι σημαντικό να σημειωθεί ότι κατά τη διάρκεια της τριετούς φοίτησής σου στο IST θα έχεις τη δυνατότητα να παρακολουθείς χωρίς κανένα κόστος και μαθήματα αγγλικής γλώσσας και μάλιστα αναλόγως του επιπέδου στο οποίο βρίσκεσαι, ώστε ολοκληρώνοντας τις ακαδημαϊκές σπουδές σου να έχεις βελτιώσει και τις γνώσεις σου στη γλώσσα.

Η διαδικασία εγγραφής είναι πιο απλή και σύντομη από ποτέ!

Μπορείς να κάνεις την εγγραφή σου με τους εξής τρόπους:

Α) Ηλεκτρονικά

Μπορείς να κατεβάσεις την αίτηση εγγραφής εδώ και να τη στείλεις συμπληρωμένη στο admissions@ist.edu.gr, μαζί με τα απαραίτητα δικαιολογητικά εγγραφής (για να τα δεις πάτησε εδώ και με το αποδεικτικό της κατάθεσης της προκαταβολής (για να δεις τους τραπεζικούς λογαριασμούς πάτησε εδώ).

Β) Με επίσκεψη στο IST College

To Διοικητικό Προσωπικό του IST College θα είναι στη διάθεσή σου για να σε βοηθήσει να κάνεις την εγγραφή σου. Το μόνο που χρειάζεται είναι να έρθεις στο IST College έχοντας μαζί σου τα απαραίτητα δικαιολογητικά εγγραφής (για να τα δεις πάτησε εδώ).

Ο τρόπος καταβολής των ήδη προσιτών διδάκτρων του IST College είναι ιδιαίτερα ευέλικτος. Σε συνεννόηση με τις οικονομικές υπηρεσίες του IST College δίνεται η δυνατότητα τμηματικής ή εφάπαξ καταβολής με ανάλογη έκπτωση.

Επίσης, ο Σύμβουλος Εκπαίδευσης θα σε ενημερώσει για τα οικονομικά και κοινωνικά κριτήρια που θα σου εξασφαλίσουν επιδότηση διδάκτρων έως και 30%, υποστηριζόμενη από το Ταμείο Φοιτητικής Μέριμνας του IST College.

Μπορείς ακόμα, να διεκδικήσεις μία από τις προσφερόμενες Υποτροφίες που ανακοινώνει σε τακτά χρονικά διαστήματα το IST College, σε συνεργασία με γνωστές επιχειρήσεις και οργανισμούς. Για περισσότερες πληροφορίες πάτησε εδώ.

Είναι σημαντικό να σημειωθεί ότι με την καταβολή των δίδακτρών σου, εκτός από την παρακολούθηση των μαθημάτων, θα απολαμβάνεις και μία σειρά προνομίων και υπηρεσιών χωρίς καμία επιπλέον χρέωση όπως:

  • Εγγραφή
  • Χρήση Βιβλιοθήκης IST College
  • Χρήση Εργαστηρίων Η/Υ στο IST College
  • Συμμετοχή στις Εξετάσεις
  • Χρήση της Σύγχρονης Εκπαιδευτικής Πλατφόρμας του IST College
  • Έκδοση όλων των πιστοποιητικών σπουδών, βαθμολογιών και βεβαιώσεων τόσο από IST College όσο και από το συνεργαζόμενο πανεπιστήμιο
  • Συμμετοχή σε σεμινάρια, εκδηλώσεις και συνέδρια που διοργανώνονται και προσφέρονται στο IST College
  • Κάρτα που εξασφαλίζει προνομιακές τιμές σε συνεργαζόμενα, με κολλέγιο, καταστήματα διαφόρων κλάδων και υπηρεσιών

Κατέβασε τον Οδηγό Σπουδών εδώ.

Ο Δ.Ο.Α.Τ.Α.Π. έχει αναγνωρίσει το Wrexham University και το έχει συμπεριλάβει στο Εθνικό Μητρώο Αναγνωρισμένων Ιδρυμάτων Ανώτατης Εκπαίδευσης της αλλοδαπής.

Τo προγράμμα σπουδών BSc (Hons) Computer Science του Wrexham University, προσφέρεται στην Ελλάδα από το IST College  μετά από έγκριση που έχει λάβει από το Υπουργείο Παιδείας.

Ο τίτλος σπουδών που απονέμεται μετά την ολοκλήρωση του  προγράμματος σπουδών μπορεί να αναγνωριστεί ως επαγγελματικά ισοδύναμος με τους τίτλους σπουδών που απονέμονται στο πλαίσιο του ελληνικού συστήματος ανώτατης εκπαίδευσης. Η αναγνώριση γίνεται από το Αυτοτελές Τμήμα Εφαρμογής της Ευρωπαϊκής Νομοθεσίας (ΑΤΕΕΝ) του Υπουργείου Παιδείας (https://www.minedu.gov.gr/ateen-anagnorisi-epaggelmatikis-isodynamias). Εφόσον αναγνωριστεί ως επαγγελματικά ισοδύναμος, ο τίτλος αυτος αξιοποιείται επαγγελματικά όπως οι τίτλοι που απονέμονται από τα ελληνικά ΑΕΙ. Η αναγνώριση του ΑΤΕΕΝ δεν είναι ακαδημαϊκή και δεν επιτρέπει τη συνέχιση των σπουδών σε ελληνικό ΑΕΙ. Ωστόσο, απόφοιτοί μας συνεχίζουν για μεταπτυχιακές και διδακτορικές σπουδές σε πανεπιστήμια του εξωτερικού, της επιλογής τους.

Ένας μεγάλος αριθμός αποφοίτων του IST College που έχει ακολουθήσει τις προβλεπόμενες από τον νόμο διαδικασίες, έχει λάβει αναγνώριση επαγγελματικής ισοδυναμίας του τίτλου σπουδών τους από το ΑΤΕΕΝ.

Testimonials

Σοφοκλής Καρέλης: Απόφοιτος τμήματος Πληροφορικής

Μπορεί να σας ενδιαφέρουν:

Μάθε περισσότερα
Εκδήλωση ενδιαφέροντος εδώ! ➜