Τεχνικές Προβλέψεων

Το μάθημα παρέχει μια ολοκληρωμένη επισκόπηση των σύγχρονων τεχνικών προβλέψεων, καλύπτοντας τόσο στατιστικές όσο και μη στατιστικές μεθόδους. Κύριος στόχος του είναι να εξοπλίσει τους φοιτητές με τις απαραίτητες γνώσεις και δεξιότητες για την κατανόηση, αξιολόγηση, σχεδίαση και υλοποίηση αποτελεσματικών διαδικασιών πρόβλεψης. Το μάθημα δίνει έμφαση στη πρόβλεψη χρονοσειρών, συμπεριλαμβάνοντας: Θεμελιώδη στατιστική ανάλυση χρονοσειρών, Ποιοτικά χαρακτηριστικά χρονοσειρών, Τεχνικές εξομάλυνσης (κινητοί μέσοι όροι), Μεθόδους αποσύνθεσης, Αναγνώριση και διαχείριση ειδικών γεγονότων, Ταξινόμηση μεθόδων πρόβλεψης, Επιλογή και σύγκριση μοντέλων πρόβλεψης, Αξιολόγηση και παρακολούθηση ακρίβειας προβλέψεων, Μοντέλα εκθετικής εξομάλυνσης (Simple, Holt, Damped), Γραμμικά μοντέλα παλινδρόμησης, Μοντέλα ARIMA, Μέθοδος Theta, Μέθοδοι πρόβλεψης διακοπτόμενης ζήτησης, Μακροπρόθεσμη πρόβλεψη και σενάρια, Κριτική πρόβλεψη, Διαγωνισμοί προβλέψεων και μέθοδοι αναφοράς, Ιεραρχική πρόβλεψη, Πρόβλεψη με μεθόδους μηχανικής μάθησης. Επιπλέον, το μάθημα αναδεικνύει την πρακτική αξιοποίηση πληροφοριακών συστημάτων για την υποστήριξη της πρόβλεψης. Στο τέλος του μαθήματος, οι φοιτητές θα έχουν αποκτήσει τόσο θεωρητικές βάσεις όσο και πρακτικές δεξιότητες στις επιχειρησιακές προβλέψεις. Για την ενίσχυση της εκπαιδευτικής διαδικασίας, το μάθημα συνδυάζει θεωρητικές διαλέξεις με ασκήσεις και πρακτικές εφαρμογές.