Data Science – Software Development

Πληροφορίες

Τοποθεσία: Ανδρούτσου 21, Θεσσαλονίκη

Διάρκεια: 30 εβδομάδες, 6 ώρες/εβδομάδα (Οκτώβριος 2025)

Συμμετοχή: 200€/μήνα, με έκπτωση βάσει αποτελεσμάτων τεχνικής αξιολόγησης

Συμμετέχοντες: 25

Διαθέσιμες Υποτροφίες: 2 με βάση το tech assignment (Prep Bootcamp)

Γλώσσα Διδασκαλίας: Ελληνικά

Υπεύθυνοι Προγράμματος: Γιώργος Καντάσης, Δημήτρης Τραγουδάρας

ΕΓΓΡΑΦΗ

Χρονοδιάγραμμα

Έναρξη Αιτήσεων: 20 Μαΐου

Prep Bootcamp: Έναρξη Οκτώβριος

Πρόγραμμα Prep Bootcamp: 3 ημέρες/εβδομάδα, 3 ώρες/ημέρα

Βασικό Πρόγραμμα: Έναρξη Νοέμβριος

Πρόγραμμα: 2 ημέρες/εβδομάδα, 3 ώρες/ημέρα

Κριτήρια Επιλογής

Τεχνική Κατάρτιση (40%) – Θεωρητικό υπόβαθρο και τεχνικές δεξιότητες.

Αξιολόγηση Ενδιαφέροντος (40%) –Κίνητρο ένταξης στον κλάδο της τεχνολογίας.

Καταλληλότητα (20%) – Δυνατότητα ευθυγράμμισης με τις απαιτήσεις και τις προδιαγραφές του προγράμματος.

Προσδοκίες

Αναγνωρισμένη επαγγελματική εκπαίδευση και κατάρτιση σε τεχνολογίες υψηλής ζήτησης.

Προοπτική επαγγελματικής απορρόφησης στον κλάδο της τεχνολογίας

Αλληλεπίδραση και δικτύωση με εταιρίες και έμπειρους επαγγελματίες.

Συμμετοχή σε πλήρη προσομοίωση εργασιακού περιβάλλοντος, hands-on projects και δημιουργία επαγγελματικού portfolio.

Βαθύτερη κατανόηση του κλάδου της πληροφορικής και της τεχνολογίας.

Περιγραφή Προγράμματος

Εξειδίκευση σε Data Science.

Στόχοι Προγράμματος

Βασικές αρχές Data Science.

Hands-on Projects & δημιουργία επαγγελματικού portfolio.

Διεύρυνση επαγγελματικών προοπτικών.

Καθοδήγηση από επαγγελματίες του κλάδου.

Δικτύωση με την κοινότητα του Data Science.

Διαδικασία Αίτησης

Αξιολόγηση Αίτησης

Ατομικές & Ομαδικές Συνεντεύξεις

Tech Assessment

Τελική Αξιολόγηση Αίτησης

Κριτήρια Συμμετοχής

Απόφοιτοι πληροφορικής ή σχολής θετικών επιστημών, και άτομα με background στον προγραμματισμό

Γνώση της Αγγλικής

Ενεργή συμμετοχή με φυσική παρουσία στο μεγαλύτερο μέρος του προγράμματος

Υποτροφίες

Τύπος: Ενιαία (Single-tier) Υποτροφία

Δομή Προγράμματος

Bootcamp

1η Εβδομάδα: Εισαγωγή στο Git και IDEs

Μάθημα 1: Git και Code Editor Setup
Μάθημα 2: Προχωρημένες λειτουργίες Git και GitHub
Μάθημα 3: Εφαρμογή εργασιών με Git και GitHub

2η–3η Εβδομάδα: Προγραμματισμός, Δομή Ελέγχου και Δομές Δεδομένων

Μάθημα 4: Βασικές έννοιες Προγραμματισμού
Μάθημα 5: Δομές Ελέγχου
Μάθημα 6: Πρακτική στις Δομές Ελέγχου
Μάθημα 7: Βασικές Δομές Δεδομένων
Μάθημα 8: Βασικοί Αλγόριθμοι
Μάθημα 9: Πρακτική σε Δομές Δεδομένων και Αλγορίθμους

4η Εβδομάδα: Διαχείριση Έργων και Τελική Αξιολόγηση

Συνεδρία 10: Εισαγωγή σε Εργαλεία Διαχείρισης Έργων
Συνεδρία 11: Τελική Αξιολόγηση
Συνεδρία 12: Καθοδήγηση σε Επαγγελματικές Κατευθύνσεις

Εξάμηνο Α: Νοέμβριος 2025 – Μάρτιος 2026 | Data Science & ML με Python

Εβδομάδα 1–5 : Θεμελιώδεις Γνώσεις Python και Στατιστικής.

– Εβδ. 1: Εισαγωγή στην Python και Βασική Σύνταξη.
– Εβδ. 2: Ροή Ελέγχου και Συναρτήσεις.
– Εβδ. 3: Δομές Δεδομένων στην Python.
– Εβδ. 4–5: Εισαγωγή στη Στατιστική.

Εβδομάδα 6–10 : Επεξεργασία και Προετοιμασία Δεδομένων.

– Εβδ. 6: Διαχείριση Δεδομένων με NumPy.
– Εβδ. 7: Επεξεργασία Δεδομένων με Pandas.
– Εβδ. 8: Προχωρημένες τεχνικές Pandas.
– Εβδ. 9–10: Στρατηγικές Καθαρισμού και Προεπεξεργασίας Δεδομένων.

Εβδομάδα 11–15 : SQL και Οπτικοποίηση Δεδομένων.

– Εβδ. 11: Βασικές έννοιες SQL.
– Εβδ. 12: Προχωρημένη SQL.
– Εβδ. 13: Οπτικοποίηση Δεδομένων με Python.
– Εβδ. 14–15: Οπτικοποίηση Δεδομένων με PowerBI.

Εβδομάδα 16–20 : Μηχανική Μάθηση και Τεχνητή Νοημοσύνη με Python.

– Εβδ. 16: Εισαγωγή στη Μηχανική Μάθηση.
– Εβδ. 17–18: Αλγόριθμοι Επιβλεπόμενης Μάθησης.
– Εβδ. 19: Αλγόριθμοι Μη Επιβλεπόμενης Μάθησης.
– Εβδ. 20: Αξιολόγηση και Βελτιστοποίηση Μοντέλων.

Εξάμηνο B: Απρίλιος 2026 – Ιούνιος 2026 | Προχωρημένα Θέματα Μηχανικής Μάθησης και AI

Εβδ. 21–22: Νευρωνικά Δίκτυα.

Εβδ. 23–24: Επεξεργασία Φυσικής Γλώσσας (NLP).

Εβδ. 24–25: Υποστηρικτές Διανυσματικές Μηχανές (SVM).

Εβδ. 25–26: Ανάλυση Χρονοσειρών.

Εβδ. 27: Συνδυαστικά Μοντέλα (Ensemble Methods).

Εβδ. 28: XGBoost

Εβδ. 29: Μεγάλα Γλωσσικά Μοντέλα (Large Language Models).

Apply here