Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας

Μόνιμο URI για αυτήν την κοινότηταhttps://pyxida.aueb.gr/handle/123456789/49

Το Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας ιδρύθηκε το 1999 στο πλαίσιο της πολιτικής του Οικονομικού Πανεπιστημίου να συνδέσει τη σύγχρονη διοικητική επιστήμη με τις νέες τεχνολογίες και τις οργανωσιακές σπουδές. Για το λόγο αυτό είναι μοναδικό στην ειδίκευσή του στην Ελλάδα Πανεπιστημιακό Τμήμα. Αποστολή του Τμήματος είναι η διδασκαλία και η έρευνα στους τομείς της διοικητικής επιστήμης που συνδέονται με την τεχνολογία και τις οργανωσιακές σπουδές καθώς και η αξιοποίηση των νέων τεχνολογιών, και ιδιαίτερα της πληροφορικής και των επικοινωνιών, στη χάραξη επιχειρηματικής στρατηγικής, στη λήψη αποφάσεων και στην αναδιοργάνωση των επιχειρηματικών δραστηριοτήτων.Οι σπουδές στο Τμήμα είναι τεχνοκρατικά και πολύ καλά οργανωμένες. Ακόμη, έχουν έντονη διεθνή διάσταση με έμφαση στην έρευνα και την ανάπτυξη νέας γνώσης. Το επιστημονικό προσωπικό του Τμήματος έχει έντονη παρουσία στον ακαδημαϊκό χώρο και υψηλή αναγνωρισιμότητα, Το υψηλό επίπεδο των σπουδών στο Τμήμα τεκμηριώνεται από την ευχέρεια με την οποία οι πτυχιούχοι του συνεχίζουν μεταπτυχιακές σπουδές σε Πανεπιστήμια πρώτης γραμμής του εξωτερικού και από το γεγονός ότι οι διδάκτορες του Τμήματος κάνουν δημοσιεύσεις σε σημαντικά διεθνή περιοδικά, ενώ έχουν ήδη αναλάβει θέσεις ΔΕΠ εντός και εκτός Ελλάδας. Οι πτυχιούχοι του Τμήματος είναι ανταγωνιστικοί ως στελέχη και ως σύμβουλοι σε όλες τις παραδοσιακές ειδικότητες της Διοίκησης Επιχειρήσεων, στο νέο περιβάλλον του Ηλεκτρονικού Επιχειρείν και της Κοινωνίας της Πληροφορίας όπως Διοίκηση Παραγωγής, Χρηματοοικονομικά, Διοίκηση Ανθρωπίνων Πόρων, κ. ά.URL: http://www.dmst.aueb.gr

Περιήγηση

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z

Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω

Τώρα δείχνει 1 - 20 από 24

Actuarial odelling of claim counts
(31-01-2024) Γκάζικα, Βασιλική; Gkazika, Vassiliki; Athens University of Economics and Business, Department of Management Science and Technology; Ntzoufras, Ioannis; Chatziantoniou, Damianos; Karlis, Dimitrios
Ο τομέας της ασφαλιστικής κάλυψης ατυχημάτων γνωρίζει αξιόλογη ανάπτυξη, καθιστώντας τον έναν από τους ταχύτερα αναπτυσσόμενους τομείς στο επάγγελμα του αναλογιστή. Καθώς αυτός ο τομέας γνωρίζει ταχεία ανάπτυξη, η ζήτηση για ακριβή και αποτελεσματική μοντελοποίηση δεδομένων σχετικά με τα ατυχήματα αυξάνεται κατακόρυφα. Ευτυχώς, έχουμε άφθονα ιστορικά δεδομένα στη διάθεσή μας, και η διερεύνηση αυτών των δεδομένων μπορεί να αποκαλύψει ενδιαφέρουσες πληροφορίες για τους παράγοντες που οδηγούν σε ασφαλιστικές απαιτήσεις, τα χαρακτηριστικά των απαιτητών και πολλές άλλες πτυχές.Το επίκεντρο αυτής της διατριβής έγκειται στη διερεύνηση και εξερεύνηση των καταλληλότερων μοντέλων για την ανάλυση των δεδομένων απαιτήσεων και την κατανόηση των συνεπειών των ευρημάτων. Χρησιμοποιούμε επίσης βασικούς δείκτες για την αξιολόγηση της ποιότητας της προσαρμογής αυτών των μοντέλων στα δεδομένα, προκειμένου να διασφαλίσουμε μια ολοκληρωμένη ανάλυση. Ιδιαίτερα, οι πληροφορίες που προκύπτουν από αυτά τα μοντέλα ρίχνουν φως στα πρότυπα των απαιτήσεων του παρελθόντος και μας επιτρέπουν να προβλέψουμε μελλοντικές απαιτήσεις και τις σχετιζόμενες απώλειες.
Analysis with Play-by-Play Data in Euroleague
(31-01-2023) Λουκόπουλος, Ορέστης; Loukopoulos, Orestis; Athens University of Economics and Business, Department of Management Science and Technology; Ntzoufras, Ioannis; Chatziantoniou, Damianos; Karlis, Dimitrios
Η παρούσα διατριβή παρουσιάζει μια ανάλυση των επιθέσεων στο ευρωπαϊκό μπάσκετ. Ο στόχος αυτής της μελέτης είναι να εντοπίσει τους κύριους παράγοντες που συντελούν στην επιτυχημένη έκβαση των επιθέσεων. Συνήθως, οι περισσότεροι ερευνητές χρησιμοποιούν δεδομένα από το box-score για να εντοπίσουν αυτούς τους παράγοντες. Σε αυτήν τη διατριβή, χρησιμοποιήσαμε δεδομένα από τη σεζόν 2019 - 2020 της Ευρωλίγκας σε μορφή play-by-play. Η κύρια ιδέα ήταν να λάβουμε υπόψη πληροφορίες σχετικά με τη διάρκεια κάθε κατοχής, καθώς και πληροφορίες σχετικά με την πρόοδο και την έκβαση της προηγούμενης κατοχής των αντιπάλων.Χρησιμοποιήσαμε αυτά τα δεδομένα εφαρμόζοντας ορισμένα περιγραφικά στατιστικά καθώς και ένα μοντέλο Λογιστικής Παλινδρόμησης. Τα αποτελέσματα της ανάλυσης αυτής, παρέχουν πληροφορίες σχετικά με τα χαρακτηριστικά του παιχνιδιού που μεγιστοποιούν την επιθετική αποδοτικότητα μιας ομάδας. Τα ευρήματα αυτής της μελέτης μπορούν να χρησιμοποιηθούν από προπονητές προκειμένου να βελτιώσουν στρατηγικές και να αυξήσουν την επιθετική αποτελεσματικότητα της ομάδας τους.
Analytics using public medical records
(2024) Vlassis, Georgios-Konstantinos; Βλάσσης, Γεώργιος-Κωνσταντίνος; Athens University of Economics and Business, Department of Management Science and Technology; Papastamoulis, Panagiotis; Chatziantoniou, Damianos; Karlis, Dimitrios
Η διατριβή «Αναλυτική με τη χρήση δημόσιων ιατρικών αρχείων» διερευνά τη μεταμορφωτική δυναμική της ενσωμάτωσης της αναλυτικής στην υγειονομική περίθαλψη της Ελλάδας, αξιοποιώντας δημόσια ιατρικά αρχεία. Εξετάζει τα πολυδιάστατα οφέλη, όπως η βελτίωση της διαχείρισης ασθενειών, η ενισχυμένη φροντίδα ασθενών μέσω εξατομικευμένων θεραπευτικών σχεδίων και η αποδοτικότητα της παροχής υγειονομικής περίθαλψης. Η διατριβή αντιμετωπίζει τεχνικές προκλήσεις όπως η διαχείριση βάσεων δεδομένων, η προστασία δεδομένων, η ασφάλεια και η διαλειτουργικότητα, τονίζοντας λύσεις και στρατηγικές για την υπέρβασή τους. Ηθικές πτυχές, συμπεριλαμβανομένης της διαχείρισης ευαίσθητων δεδομένων ασθενών και της διασφάλισης της ιδιωτικότητας, αξιολογούνται κριτικά. Μέσα από μελέτες περιπτώσεων και την εξέταση υπαρχουσών ερευνών, η διατριβή υπογραμμίζει τον κρίσιμο ρόλο των προγνωστικών, προδιαγραφικών, περιγραφικών και διαγνωστικών αναλύσεων στην επανάσταση της υγειονομικής περίθαλψης. Τονίζει την αναγκαιότητα μιας προσεκτικής σύνθεσης τεχνικών καινοτομιών και ηθικών πρακτικών για την αξιοποίηση του πλήρους δυναμικού της αναλυτικής στην υγειονομική περίθαλψη, ιδιαίτερα στο μοναδικό πλαίσιο των υποδομών υγειονομικής περίθαλψης της Ελλάδας και της ανάπτυξης ενός ηλεκτρονικού συστήματος φακέλου ασθενούς.
Assessing the trajectories of Greek football players' careers
(17-06-2024) Charamaras, Kostas; Χαραμαράς, Κωνσταντίνος; Athens University of Economics and Business, Department of Management Science and Technology; Ntzoufras, Ioannis; Chatziantoniou, Damianos; Karlis, Dimitrios
Αυτή η διπλωματική εργασία χρησιμοποιεί δεδομένα μεταγραφών και απόδοσης για να εξετάσει την πορεία της καριέρας ενός Έλληνα ποδοσφαιριστή μετά από μια μεταγραφική κίνηση. Μετά την ανάλυση των αγοραίων αξιών 92.811 ποδοσφαιριστών σε όλη την Ευρώπη, χρησιμοποιήθηκαν πληροφορίες σχετικά με 1.050 Έλληνες ποδοσφαιριστές με βάση την Ελλάδα και το εξωτερικό κατά την περίοδο 2013 – 2023. Εφαρμόζοντας ανάλυση παλινδρόμησης, μπορούμε να αποκτήσουμε πληροφορίες σχετικά με το πώς η αλλαγή της αγοραίας αξίας ενός ποδοσφαιριστή συμπεριφέρεται μετά από μια μεταγραφή, και τα αποτελέσματα υποδηλώνουν ότι ενώ η απόδοση του παίκτη στο γήπεδο είναι προφανώς σημαντική, η εγγενής αλλαγή της αξίας των προηγούμενων ετών μπορεί να θεωρηθεί ως ο πιο σημαντικός παράγοντας.
Clustering algorithms analysis on telecommunications data
(01-08-2024) Καϊμενοπούλου, Γλυκερία; Kaimenopoulou, Glykeria; Athens University of Economics and Business, Department of Management Science and Technology; Papastamoulis, Panagiotis; Chatziantoniou, Damianos; Karlis, Dimitrios
Η μελέτη παρέχει μια ολοκληρωμένη έρευνα των τεχνικών ομαδοποίησης, αξιολογώντας την καταλληλότητά τους στα δεδομένα τηλεπικοινωνιών. Αναλύει την επεκτασιμότητα κάθε αλγορίθμου, την ευαισθησία σε παραμέτρους, στον θόρυβο και τον χειρισμό ακραίων τιμών, την ποιότητα ομαδοποίησης, την ερμηνευτικότητα και την υπολογιστική απόδοση. Η έρευνα περιλαμβάνει επίσης πρακτικές εφαρμογές σε δεδομένα τηλεπικοινωνιών, αξιολογώντας την αποτελεσματικότητα και την απόδοση των επιλεγμένων αλγορίθμων. Αυτή η εργασία στοχεύει στο να βελτιώσει την κατανόηση των μεθοδολογιών ομαδοποίησης και να υποστηρίξει αποφάσεις που βασίζονται σε δεδομένα στον κλάδο των τηλεπικοινωνιών, τονίζοντας τις δυνατότητες βελτιστοποίησης.
Clustering mixed mode data
(2021) Apostolaki, Eleftheria; Αποστολάκη, Ελευθερία; Athens University of Economics and Business, Department of Management Science and Technology; Karlis, Dimitrios
In the current thesis, the research problem that will be approached covers the clustering of mixed mode data (e.g. numeric, categorical, etc.), its benefits and applications. In Chapter 2, the literature review for clustering mixed mode data is detailed including the methodologies that will be used as part of the thesis and any additional methodologies that are available for this type of clustering according to the bibliography. In Chapter 3, a detailed overview and analysis is presented for the prostate cancer dataset on which the selected clustering methods (Kamila, K-Prototypes, Latent Variable Model) will be applied while in Chapter 4 the clustering results and their interpretation are provided. In chapter 5 that follows, the conclusions drawn from this research are described along with any future work required for the clustering of mixed mode data.
Clustering professional basketball players by three-point shooting efficiency & participation
(2021) Kolovos, Konstantinos; Κολοβός, Κωνσταντίνος; Athens University of Economics and Business, Department of Management Science and Technology; Karlis, Dimitrios
The most important coach's duties are talent identification, selection of players for specific teams, player potential determination, as well as the design and application of developmental training programs aimed at improving actual play quality. Because players are the bearers of play concepts and the creators of competition results, player selection is a key aim of professional sports club activity. Players must acquire and improve universal technical-tactical skills and knowledge as a result of their duty to assume responsibility for diverse roles in various phases of the game.This master's thesis is part of the general framework of player selection, dealing initially with the question of whether players become better by increasing their shooting accuracy of three-pointers over time and their greater experience. We are grouping and analyzing players' profiles according to their shooting evolution through years looking for common characteristics. In addition, it has been observed that players do not participate proportionally in each one of the four periods of a basketball game, but some of them more at the beginning, in the middle, or the end of a game. Are there any common attributes in the above groups of players? Using a database with each shot attempted in the NBA from 1996 to the 2019-2020 season, approximately 5 million shots, and combining biometric and statistical data for players we attempt to answer the above questions.
Clustering time series data
(08/26/2020) Pierrakos, Georgios; Πιερράκος, Γεώργιος; Athens University of Economics and Business, Department of Management Science and Technology; Ntzoufras, Ioannis; Chatziantoniou, Damianos; Karlis, Dimitrios
The present thesis aims to examine all the factors that need to be defined when applying clustering methodologies to time series data. However, the adaptation of existing methodologies to time series is not straightforward; the intricacies of high dimensionality, ordered and correlated observations need also to be addressed. The problem definition amounts to two separate tasks: (i) identifying the criteria to assess the value of time series clustering methodologies and then, (ii) identifying which clustering methodology works best. The former task reveals that the problem is one of multi-objective optimization: both accuracy (measured by the Silhouette cvi – cluster validity index) and efficiency (measured by algorithm execution times) need to be maximized so that meaningful methodologies can be proposed. The latter task entails testing a number of methodologies using a sample dataset. A set of such methodologies use static data clustering approaches, hierarchical, partitioning and fuzzy, using time series distance definitions. Bibliography reveals that the most prominent distance definition is dynamic time warping. A number of related parameters need to be examined: step pattern, window size and sample timeseries selection (for algorithms that build clusters around representative timeseries). Another set of methodologies use a hierarchical algorithm fed with clipped series, Pearson correlation and Lp-norm (euclidean and Manhattan) distance definitions. The sample dataset consists of the diurnal variation of bike rental commencements of the Capital Bikeshare scheme in Washington DC, USA across the various stations. Results obtained are also examined on the map, to check whether time series clusters lead to geographical clusters as well. Main conclusions are that: (i) no single distance definition is best in all cases, the semantics of the underlying process need to be very well understood and (ii) while the dtw improves on standard Lp-norm distance definitions, it is associated with a heavy time cost, reducing scalability.
Clustering Washington D.C. bike share stations by using time series data
(08/31/2020) Sarac, Burcin; Athens University of Economics and Business, Department of Management Science and Technology; Karlis, Dimitrios
In this economic era, technological developments lead on changing consumption habits. This mutation in consumption created sharing economy, which has consistently been getting a bigger role in economy day by day. Bike sharing systems, as one of the pioneers of sharing economy, are now counted as type of transportation in most of the big cities. Thus there are various studies works on improving efficiency of these systems. This thesis aims to cluster Washington D.C. bike-share stations and by identifying stations with similar rental behaviours, it is aimed to impact on efficiency of management of these stations. The dataset includes one-year rental records of shared bikes with their date time information as large time series data. Before clustering bike stations, first part of the thesis describes various clustering methods. Clustering is unsupervised learning method, to organize set of observations by their similarity and classify them. Calculating similarity between observations depends on selected clustering approach. This thesis covers iteration steps and evaluation of several clustering approaches, like k-means, k-medoids, hierarchical clustering, model based clustering, DBSCAN. After exploration of common algorithms, in the second part, to cluster bike-share stations, k-means, agglomerative hierarchical clustering and model based clustering methods implemented and evaluated.
Data analysis in COVID-19 data for Greece
(07/01/2021) Malliopoulou, Vasiliki; Μαλλιοπούλου, Βασιλική; Athens University of Economics and Business, Department of Management Science and Technology; Karlis, Dimitrios
That dissertation focuses on study in depth the COVID-19 data, to analyse them and to draw conclusions about what is happening and what are the effects of the virus in Greece. Moreover the goal was to create a spatio-temporal model that will explain the spread of the vurius in Greece. That models considered the number of cases in a region in a specific period of time, the number of cases in a neighbor region in a specific period of time and the lockdown effect.
Demand forecasting for the bike sharing system in Washington DC
(07/21/2021) Tsaka, Matilnta; Τσάκα, Ματίλντα; Athens University of Economics and Business, Department of Management Science and Technology; Karlis, Dimitrios
The aim of this project is to study the demand of bike sharing systems and try to understand what other variables influence the total number of rentals. The main objective is to create a predictive model for the demand of 10 stations of the Capital Bikeshare, one of the U.S.A.’s largest bicycle sharing systems on an hourly basis. At first, I did some research on the topic and the methodologies that have been used to develop a predictive model for the system’s demand forecasting. The next step was to acquire the necessary data for our analysis. This required downloading data from Capital Bikeshare website, Washington D.C.’s local government website (https://www.capitalbikeshare.com/system-data) and weather data from an internet weather service website (www.timeanddate.com.). In this project we are going to use historical data for two years from 2018 to 2019 on an hourly basis. The data mentioned above were aggregated into one single dataset. For our analysis, we chose 10 stations of the bike sharing system to study. Once the data for the 10 selected stations were gathered, the R programming language was used to visualize and explore the data. Then, time series forecasting models were built to predict the demand of bikes of each station. For most of the station the models gave us good predictions, but they were not the best that we could get. After fitting the models, it was obvious that data incorporated more than one seasonal component, and this was something that the models that were trained could not handle to result in better prediction.
Elo type ranking systems
(2022) Chalioris, Stefanos-Anthimos; Χαλιορής, Στέφανος-Άνθιμος; Athens University of Economics and Business, Department of Management Science and Technology; Karlis, Dimitrios
The evaluation of players and teams in various sports and games has garnered the interest of many researchers in recent decades. One of the reasons this topic has taken on such a large scale is the apparent increase in media publicity as they are an integral part of our daily lives. Subsequently, the demand for coverage of sports-related positions has drastically increased. This intensifies the need for more and more "fair" ranking systems over time. This paper deals with the recording – evaluation of Elo systems and aims to add a more practical perspective to the understanding and application of these systems in relation to other existing research. The systems to be undertaken are Elo, Glicko, Glicko-2 and MOV. Particular emphasis is placed on the application that the aforementioned systems have in chess, since the nature of the game itself allows it in a greater extent. Applications of MOV are briefly analyzed in football and basketball.
Explore the correlation between tweets and stock price movement
(30-09-2022) Πέτρου, Άρης; Petrou, Aris; Athens University of Economics and Business, Department of Management Science and Technology; Ntzoufras, Ioannis; Chatziantoniou, Damianos; Karlis, Dimitrios
Τα τελευταία χρόνια τα μέσα κοινωνικής δικτύωσης παίζουν τεράστιο ρόλο στις ανθρώπινες ζωές. Ο αντίκτυπός τους στο μάρκετινγκ ή την πολιτική έχει παρακινήσει μεγάλες εταιρείες και διάσημους επιχειρηματίες να αλλάξουν επιχειρηματικές στρατηγικές, να δημιουργήσουν νέα τμήματα στους οργανισμούς τους, να επανεξετάσουν τις φιλοσοφίες της εταιρείας τους και να προσπαθούν πάντα να «πιάνουν» τα μέσα κοινωνικής δικτύωσης όποτε είναι δυνατόν. Τι γίνεται όμως με το χρηματιστήριο;Η Wall Street ήταν πάντα ένα πεδίο ελεγχόμενο από hedge funds και πλούσιους επιχειρηματίες. Η χειραγώγηση με πολλούς τρόπους, όπως το βραχυκύκλωμα μιας μετοχής, είναι συνηθισμένη για τους περισσότερους από αυτούς και είναι επίσης ένας εύκολος τρόπος για να αυξήσουν τα κέρδη τους. Υπήρχαν πολλές διαδικτυακές ομάδες και φόρουμ όπου οι άνθρωποι μπορούσαν να συζητήσουν για το χρηματιστήριο, αλλά μέχρι τον Ιανουάριο του 2021, το χρηματιστήριο δεν άλλαξε ποτέ τόσο πολύ ως αποτέλεσμα των δραστηριοτήτων μικρών επενδυτών στα μέσα κοινωνικής δικτύωσης. Τον Ιανουάριο του 2021, μια ομάδα επενδυτών ανακάλυψε ότι πολλά αμοιβαία κεφάλαια αντιστάθμισης κινδύνου βραχυκυκλώνουν σε μεγάλο βαθμό τη μετοχή της εταιρείας GameStop και κάλεσε τους χιλιάδες ανθρώπους που διαβάζουν αυτό το ιστολόγιο να αγοράσουν τη μετοχή και να σταματήσουν το shorting. Η αγορά μιας μετοχής με πολύ βραχυκύκλωμα σημαίνει ότι εάν η τιμή αυξηθεί, τότε τα hedge funds θα χάσουν χρήματα και η εταιρεία θα σωθεί. Η είδηση αυτής της κλήσης μέσω του Reddit, είχε διαδοθεί σε όλο τον κόσμο μέσω Twitter και Facebook και καθημερινά, ακόμη και άνθρωποι που δεν είχαν ενδιαφερθεί ποτέ πριν για το χρηματιστήριο, αγόραζαν μετοχές του GameStop και κατάφερναν να αυξήσουν την τιμή της μετοχής κατά 1625% σε ένα μόνο μήνας. Ως αποτέλεσμα, οι θέσεις shorting των hedge funds είχαν κλείσει και η Melvin Capital, το hedge fund που στόχευαν οι χρήστες του Reddit, έχασε δισεκατομμύρια δολάρια σε μόλις ένα μήνα.Μικροί επενδυτές που οργανώθηκαν από μια μικρή ομάδα ανθρώπων στα μέσα κοινωνικής δικτύωσης, πέτυχαν μεγάλη νίκη έναντι των hedge funds όχι μόνο με τη μετοχή GameStop, αλλά και με την AMC, τη Nokia και τη BlackBerry. Θα χρειαστεί χρόνος για να συνειδητοποιήσουμε εάν θα υπάρξουν σημαντικές αλλαγές στη δομή της αγοράς λόγω των επιπτώσεων στην επενδυτική προσέγγιση από άτομα που ακολουθούν τις τάσεις στα μέσα κοινωνικής δικτύωσης. Αλλά με ποιους τρόπους μπορούν οι τάσεις των μέσων κοινωνικής δικτύωσης να επηρεάσουν την τιμή μιας μετοχής; Ο αριθμός των θετικών tweets πρέπει να υπερβαίνει έναν συγκεκριμένο αριθμό ή όχι;Σε αυτήν την αναφορά, θα εξεταστεί μια σχέση μεταξύ των αναφορών των μέσων κοινωνικής δικτύωσης και της τιμής της μετοχής, εμπνευσμένη από τη σύντομη συμπίεση του GameStop και τη θεωρία ότι η δύναμη των πολλών μικρών παικτών είναι σε θέση να νικήσει τα μεγάλα hedge funds. Αρχικά, πραγματοποιήθηκε ανάλυση χρονοσειρών για τη μετοχή GameStop (GME), προκειμένου να μελετηθεί η απόδοση της τιμής της μετοχής με πιο παραδοσιακό τρόπο και στη συνέχεια παρουσιάζεται μια ανάλυση συναισθήματος χρησιμοποιώντας tweets για τη μελέτη αυτής της σχέσης.
Football analytics based on player tracking data using interpolation techniques for the prediction of missing coordinates
(09/10/2021) Kontos, Christos; Κοντός, Χρήστος; Athens University of Economics and Business, Department of Management Science and Technology; Karlis, Dimitrios
Nowadays the sports industry has integrated Computer Vision and Artificial Intelligence that can be applied directly to live broadcast videos, in order to identify and monitor the precise location of a player and the ball. Players’ and ball’s positions are obtained from the main broadcast camera and are being tracked as long as they are observed inside the main broadcast camera shot. Hence, a major challenge, that prevents existing methods for multicamera tracking data from being applied directly to broadcast tracking data, is the censoring and the effect of missingness. Within this framework, the primary aim of this Thesis, is the exploration and discovery of the most accurate method for filling the missingness information of players’ positions and rectify as much as possible the effect of censoring which often leads to discontinuous player tracks and unreliable player identification. We explored and compared different interpolation methodologies by using a number of various imputation algorithms, non-linear Machine Learning regression algorithms as well as a Time Series forecasting technique, in order to address this problem. Moreover, we tried to distinguish possible differences between the actual data, as they were tracked from the camera and the interpolated data as they have been estimated from our best selected method. We extracted important insights that are mainly based on tactical analyses as well as on players’ performances. We also tried to derive important insights by effectively estimate teams’ formations and calculate the consistency of each player according to his initial position in the team formation. Finally, we tried to observe possible correlations when a team is attacking or defending by using a pitch control model that quantifies the probability of a player could control the ball assuming it is at that location.
Forecasting indices based on macroeconomic data
(11-10-2024) Γεμιντζή, Ελένη; Gemintzi, Eleni; Athens University of Economics and Business, Department of Management Science and Technology; Ntzoufras, Ioannis; Karlis, Dimitrios
Η κατοικία είναι ένα ουσιαστικό μέρος της οικονομίας, καθώς παίζει έναν θεμελιώδη ρόλο στον πλούτο, τις επενδύσεις, τις δαπάνες, τις κοινωνικές δυναμικές και τη συνολική σταθερότητα. Συνεπώς, υπάρχει μια αυξανόμενη ανάγκη να προβλεφθεί η εξέλιξή της.Ενώ, παραδοσιακά, τα περιουσιακά στοιχεία προβλέπονται χρησιμοποιώντας μεθόδους παρεκβολής, προτείνεται ότι η μελέτη της αγοράς ακινήτων σε ένα ευρύτερο οικονομικό πλαίσιο αποφέρει βέλτιστα αποτελέσματα. Η έρευνα έχει εκμεταλλευτεί την αυξανόμενη διαθεσιμότητα προηγμένων εργαλείων στατιστικής και μηχανικής μάθησης για να ενσωματώσει μακροοικονομική πληροφορία.Η Ελλάδα είναι ένα χαρακτηριστικό παράδειγμα οικονομίας που επηρεάστηκε σοβαρά από την έκρηξη της στεγαστικής φούσκας το 2007. Η επακόλουθη οικονομική κρίση και οι έντονες, διαρκείς επιπτώσεις της σε πολλαπλούς μακροοικονομικούς δείκτες επαληθεύουν την αλληλεπίδραση της αγοράς ακίνητης περιουσίας με τους άλλους τομείς. Ως αποτέλεσμα, παρουσιάζονται ταυτόχρονα έντονες ανωμαλίες σε στεγαστικούς και μακροικονομικούς δείκτες, όπως απότομες αλλαγές και ακραίες τιμές.Ο σκοπός αυτής της εργασίας είναι να εξετάσει αν η συμπερίληψη μακροοικονομικής πληροφοριας στη διαδικασία μοντελοποίησης ενισχύει την πρόβλεψη, ειδικά όταν τόσο οι τιμές ακινήτων όσο και οι συμπληρωματικοί δείκτες είναι εξαιρετικά ασταθείς, όπως στην περίπτωση της Ελλάδας. Ο στόχος είναι να προσδιοριστεί αν η προσθήκη μακροοικονομικής πληροφοριας είναι πλέον χρήσιμη ή, αντίθετα, διαστρεβλωτική.Για να επιτευχθεί αυτό, μοντελοποιούνται οι τιμές κατοικιών τριών ελληνικών περιοχών, χρησιμοποιώντας μονομεταβλητές και πολυμεταβλητές μεθόδους. Στην πρώτη κατηγορία, χρησιμοποιούνται παραδοσιακά εργαλεία ανάλυσης χρονοσειρών, όπως η μέθοδος Box–Jenkins, η εκθετική εξομάλυνση Holt-Winters και το φίλτρο Hodrick-Prescott. Από την άλλη πλευρά, οι μέθοδοι αιτιότητας Granger και συνολοκλήρωσης εφαρμόζονται στις τιμές ακινήτων και στους μακροοικονομικούς δείκτες, για να ενσωματώσουν τις δυναμικές σχέσεις τους στις προβλέψεις.Η αξιολόγηση καθορίζει ποια από τις δύο κατηγορίες μοντέλων — μονομεταβλητά ή πολυμεταβλητά — είναι πιο αποτελεσματική στην πρόβλεψη των τιμών ακινήτων στην Ελλάδα για μια τριετία. Ελπίζεται ότι τα αποτελέσματα θα αξιολογίσουν τη χρήση της μακροοικονομικής πληροφορίας στην πρόβλεψη μέσα σε ένα σύνθετο οικονομικό περιβάλλον.
Goalkeeper analysis with advanced clustering methods
(14-06-2024) Βλάσσης, Χρήστος; Vlassis, Christos; Athens University of Economics and Business, Department of Management Science and Technology; Ntzoufras, Ioannis; Chatziantoniou, Damianos; Karlis, Dimitrios
Αυτή η διπλωματική εργασία εξετάζει τις διαφορές στα χαρακτηριστικά των τερματοφυλάκων σε διάφορες καταστάσεις, με κύριο στόχο τη χρήση προηγμένων τεχνικών ομαδοποίησης για τον εντοπισμό κοινών στιλ παιχνιδιού μεταξύ επαγγελματιών τερματοφυλάκων. Κεντρικό σημείο αυτής της έρευνας είναι η αξιολόγηση της συνέπειας αυτών των στιλ παιχνιδιού σε διαφορετικές συνθήκες αγώνων, ιδιαίτερα σε αντίθεση με τις επιδόσεις εντός και εκτός έδρας αγώνων. Επιπλέον, η μελέτη εξερευνά την επίδραση της κατάταξης της ομάδας στις τακτικές των τερματοφυλάκων, διερευνώντας αν υπάρχει συσχέτιση μεταξύ της επιτυχίας της ομάδας και συγκεκριμένων συμπεριφορών των τερματοφυλάκων. Ένας άλλος κρίσιμος τομέας αυτής της έρευνας αφορά την ανάλυση της επίδρασης εξωτερικών παραγόντων, όπως η τοποθεσία του αγώνα, η ποιότητα του αντιπάλου και η εθνικότητα του τερματοφύλακα στα μετρικά της απόδοσης, προσφέροντας έτσι πληροφορίες για το πώς αυτές οι μεταβλητές μπορεί να απαιτούν προσαρμογές στις τακτικές και την εκπαίδευση των τερματοφυλάκων. Μέσω της ενσωμάτωσης της ανάλυσης δεδομένων ανά αγώνα και της αξιολόγησης των επιδόσεων των τερματοφυλάκων στο πλαίσιο της δυναμικής της ομάδας και των εξωτερικών επιρροών, αυτή η έρευνα στοχεύει να εμπλουτίσει την κατανόηση της συνεισφοράς των τερματοφυλάκων στη δυναμική της ομάδας. Επιπλέον, επιδιώκει να αποκαλύψει τις λεπτές ομοιότητες και διαφορές στα στιλ παιχνιδιού των τερματοφυλάκων υπό διάφορες συνθήκες, φωτίζοντας έτσι τις στρατηγικές επιπτώσεις του ρόλου του τερματοφύλακα στο σύγχρονο ποδόσφαιρο.
Marketing mix modeling: a holistic approach, from statistical modeling to business interpretation
(29-05-2024) Αλαμάνης, Κωνσταντίνος; Alamanis, Konstantinos; Athens University of Economics and Business, Department of Management Science and Technology; Ntzoufras, Ioannis; Karlis, Dimitrios
Η διπλωματική εργασία εξερευνά διεξοδικά το Μοντέλο Μίξης Μάρκετινγκ (MMM), παρουσιάζοντας τις θεμελιώδεις αρχές και μεθοδολογίες του. Στόχος είναι η χρήση προσομοιωμένου συνόλου δεδομένων για την εφαρμογή της μεθοδολογίας. Τα εισαγωγικά κεφάλαια αναδεικνύουν τη σημασία του MMM στη διαφήμιση και το μάρκετινγκ, υπογραμμίζοντας την αυξανόμενη σημασία του για την αριστεία στη μέτρηση.Η εργασία εξηγεί τις δυναμικές των φαινομένων carryover και saturation στο MMM, χρησιμοποιώντας θεωρία και προσομοιωμένα γραφήματα. Αυτά τα φαινόμενα είναι κρίσιμα για την κατανόηση της διάρκειας των διαφημιστικών επιπτώσεων και της σχέσης μεταξύ διαφημιστικής έκθεσης και αποτελεσμάτων. Αυτά αποτελούν τη βάση της προτεινόμενης μεθοδολογίας.Η μεθοδολογία παρουσιάζει ένα συστηματικό πλαίσιο για την ανάλυση του MMM, χρησιμοποιώντας το προσομοιωμένο σύνολο δεδομένων. Περιλαμβάνει επισκόπηση της μεθοδολογίας, ανασκόπηση του συνόλου δεδομένων και τεχνικές διερευνητικής ανάλυσης. Επιπλέον, αναφέρεται στην ανάγκη βέλτιστης επιλογής παραμέτρων για τα αποτελέσματα adstock και τις δυναμικές saturation, για την εντοπισμό του βέλτιστου μοντέλου.Οι επόμενες ενότητες εμβαθύνουν στα αποτελέσματα της μοντελοποίησης, παρουσιάζοντας ένα βασικό μοντέλο και τη σύγκρισή του με το τελικό μοντέλο. Η ανάλυση επεκτείνεται σε διαγνωστικά για τα κατάλοιπα, διασφαλίζοντας την αξιοπιστία του μοντέλου στο προσομοιωμένο σύνολο δεδομένων.Η εργασία καταλήγει με μια ολοκληρωμένη συζήτηση των επιχειρηματικών επιπτώσεων των αποτελεσμάτων της μοντελοποίησης. Παρέχει πληροφορίες για την αποσύνθεση των πωλήσεων ανά διαφημιστικό κανάλι, την αποτελεσματικότητα των διαφημιστικών καναλιών όσον αφορά την απόδοση επένδυσης και την ερμηνεία των καμπυλών saturation. Αυτά τα ευρήματα αποσκοπούν να ενδυναμώσουν τους διαφημιστές και τους εμπόρους με χρήσιμα ευρήματα για την περαιτέρω υιοθέτηση του πλαισίου του MMM.
Mixed membership classification
(04-10-2024) Σουμπασαϊ, Γκρισέλντα; Subashaj, Griselda; Athens University of Economics and Business, Department of Management Science and Technology; Papastamoulis, Panagiotis; Chatziantoniou, Damianos; Karlis, Dimitrios
Τα μοντέλα με μικτή συμμετοχή μέλους είναι δημοφιλή μοντέλα με πρακτικές εφαρμογές σε διάφορους τομείς, προσφέροντας λύσεις στις προκλήσεις της ανάλυσης πολύπλοκων, πολύπλευρων δεδομένων. Αυτά τα μοντέλα δημιουργούν ένα στατιστικό πλαίσιο όπου τα σημεία δεδομένων μπορούν να ανήκουν σε πολλές κατηγορίες με διαφορετικές αναλογίες, προσφέροντας ετσι μια πιο διαφοροποιημένη προσέγγιση σε σύγκριση με τις παραδοσιακές μεθόδους ταξινόμησης. Αυτή η μελέτη εμβαθύνει σε τρία μοντέλα με μικτή συμμετοχή μέλους. Τα μοντέλα αυτα ειναι το Grade of Membership (GoM),το Latent Dirichlet Allocation (LDA) και το Mixed Membership Stochastic Block (MMSB) model. Το μοντέλο GoM αποδεικνύεται ωφέλιμο όταν τα άτομα εμφανίζουν συμμετοχή σε λανθάνουσες κατηγορίες, όπως φαίνεται στις ιατρικές διαγνώσεις, καταγράφοντας αποτελεσματικά σύνθετα πρότυπα ασθενειών. Το LDA χρησιμοποιείται συνήθως για ανάλυση κειμένου και μοντελοποίηση θεμάτων, βοηθώντας στην εξαγωγή θεμάτων από μεγάλες συλλογές κειμένων και στην επίλυση του ζητήματος της κατηγοριοποίησης εγγράφων με πολλά θέματα. Το μοντέλο MMSB αντιμετωπίζει την ανάλυση κοινωνικών δικτύων κατανοώντας τους ρόλους και τις σχέσεις των οντοτήτων μέσα στα δίκτυα, ρίχνοντας φως στις πολύπλευρες σχέσεις μέσα στις κοινωνικές δομές. Μέσω πρακτικής εφαρμογής αυτών των μοντέλων σε δεδομένα πραγματικού κόσμου, όπως μεμονωμένες έρευνες, ανάλυση εγγράφων και δεδομένα κοινωνικών δικτύων, αυτή η έρευνα δείχνει πώς αυτά τα μοντέλα βελτιώνουν την ακρίβεια και την ερμηνεία πολύπλοκων συνόλων δεδομένων. Παρόλο που υπήρχαν δυσκολίες, με την πολυπλοκότητα των υπολογισμών και την απουσία ήδη ενσωματωμένων πακέτων για τη χρήση των μοντέλων GoM και MMSB, αυτο διαχείριζεται με την δημιουργία προσαρμοσμένων αλγορίθμων για την εκτέλεση αυτών των μοντέλων.Εφαρμόζοντας τον αλγόριθμο Expectation-Maximization και στα δύο σενάρια, αυτή η έρευνα δείχνει πώς τα μικτά μοντέλα μελών μπορούν να βοηθήσουν στην καλύτερη κατανόηση των μοτύβων των δεδομένων.Στην περίπτωση του μοντέλου LDA, χρησιμοποιείται ένα υπάρχον πακέτο και εφαρμόζεται η μέθοδος Collapsed Gibbs Sampling. Τα αποτελέσματα τονίζουν την ανάγκη για μελλοντική έρευνα με επίκεντρο την αλγοριθμική απόδοση και την ερμηνευσιμότητα του μοντέλου.
Models for survival analysis in cancer research
(05/01/2021) Kintaka, Michaella; Κιντάκα, Μιχαέλλα; Athens University of Economics and Business, Department of Management Science and Technology; Karlis, Dimitrios
In this thesis we apply cox regression analysis and survival forests to data from a large clinical trial. The data have been masked for reasons of confidentiality. A brief description of basic ideas in survival analysis needed for the development of the model are provided in Chapter 2. Chapter 3 provides a description of the dataset to be used. Preliminary results with standard survival methodology are given in chapter 4 and 5. Chapter 4 provides descriptive evidence about the data while Chapter 5 presents results from a standard Cox proportional model. The new results based on survival random forest are presented in Chapter 6. Concluding remarks and a discussion is provided ion Chapter 7.
Predict shot success in NBA
(05/20/2022) Pliatsikas, Anastasios; Πλιάτσικας, Αναστάσιος; Athens University of Economics and Business, Department of Management Science and Technology; Ntzoufras, Ioannis; Chatziantoniou, Damianos; Karlis, Dimitrios
Basketball teams have expended significant (financial, human, and material) resources in an attempt to measure and identify court locations from which individual players shoot at a higher percentage. In this regard, the current study's main goals are to determine the best approach for predicting shot success as well as gain insights into the performance indicators affecting players' shooting effectiveness.Our sample included player tracking and play-by-play data from the NBA's 2014-2015 season, along with a variety of features (e.g. spatiotemporal, situational, player and team based attributes), allowing us to investigate a player's performance history and in-the-moment factors that may influence shot success. Six different classification models (decision trees, random forests, naïve Bayes, k-nearest neighbors, linear probability model and logistic regression) were developed and then evaluated in terms of accuracy and F1-score. This procedure was repeated once for all field goals, once for two-pointers, and once for three-pointers. We also investigated each team's shooting strategies, the factors influencing shooting efficiency and the defensive aspect of the game, while also focusing on LeBron James.Our results indicated that the optimal classifier for predicting the shot success was random forest, which was also the case for three-pointers. The logistic regression was the most accurate classifier for two-pointers and among the best overall. It was also highlighted that the spatial-temporal aspects of shots (primarily shooting distance) and the player's shooting abilities (mainly the average field goal percentage per shot zone and per shot type) had a significant influence on a shot’s success.Coaching staffs and general managers could use our models to better understand and improve their players' abilities and shot selection throughout a game, as well as to assist them in their coaching decisions, game plan development, creation of efficient lineups and acquisition of players who are complementary to the team’s needs.

Περιήγηση

Πλοήγηση Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας ανά Επιβλέπων "Karlis, Dimitrios"