ΑΝΑΖΗΤΗΣΗ ΠΛΗΡΟΦΟΡΙΩΝ

ΑΝΑΖΗΤΗΣΗ ΠΛΗΡΟΦΟΡΙΩΝ

ΚΑΝΤΕ ΑΙΤΗΣΗ ΤΩΡΑ

ΚΑΝΤΕ ΑΙΤΗΣΗ ΤΩΡΑ

Σπούδασε Ανάλυση Δεδομένων και Νέες Τεχνολογίες: η περίπτωση της Μεθοδολογίας Ανάλυσης Συναισθήματος


16 March 2023
Δρ Αναστάσιος Λιαπάκης (Post-Doc, PhD, MBA, MSc, BSc) Επικεφαλής Σχολής Πληροφορικής NYC Συμβ. Λέκτορας, Τμήμα Τεχνολογιών Ψηφιακής Βιομηχανίας, Πανεπιστήμιο Αθηνών
Σπούδασε Ανάλυση Δεδομένων και Νέες Τεχνολογίες: η περίπτωση της Μεθοδολογίας Ανάλυσης Συναισθήματος

Τα τελευταία χρόνια, ειδικά μετά την πανδημία του Covid 19, έχει παρουσιαστεί μια αστρονομική άνοδος στον τρόπο συλλογής και ερμηνείας των δεδομένων για την επιχειρηματική ευφυΐα και τη λήψη αποφάσεων. Καθώς αναδύονται νέες ψηφιακές τεχνολογίες για να βοηθήσουν και να ενισχύσουν τις επιχειρήσεις, οι Αναλυτές Δεδομένων θα γίνονται όλο και πιο πολύτιμοι στη αγορά εργασίας, οδηγώντας σε μια εξαιρετική εξέλιξη σταδιοδρομίας και ασφάλεια διατήρησης της απασχόλησης. Πολλές ελληνικές και πολυεθνικές εταιρείες επιδιώκουν ενεργά να απασχολήσουν πτυχιούχους με σπουδές στις τεχνολογίες Ανάλυσης Δεδομένων καθώς και στην Επιστήμη των Δεδομένων. Καθώς η ζήτηση για Αναλυτές Δεδομένων συνεχίζει να αυξάνεται σε διάφορους κλάδους, οι επιχειρήσεις απαιτούν ειδικευμένους επαγγελματίες που μπορούν να αναλύουν, να ερμηνεύουν και να μεταφράζουν δεδομένα σε αξιόπιστες πληροφορίες. Ένας απόφοιτος αυτού του κλάδου, διαθέτει όλες τις απαραίτητες τεχνικές και αναλυτικές δεξιότητες για να εργαστεί σε ανοιχτούς ρόλους υψηλής ζήτησης, όπως Αναλυτές Δεδομένων, Επιστήμονες Δεδομένων, Αναλυτές Επιχειρήσεων, Σύμβουλοι CRM και άλλα.

Η Μεθοδολογία Ανάλυσης Συναισθήματος των Big Data Analytics

Τα μέσα κοινωνικής δικτύωσης συνήθως επηρεάζουν τη συμπεριφορά των καταναλωτών. Στις μέρες μας, όλο και περισσότερες εταιρείες χρησιμοποιούν το μάρκετινγκ κοινωνικής δικτύωσης για να προσελκύσουν περισσότερους πελάτες. Αυτό, τροποποιεί τη στάση των καταναλωτών και οι επιχειρήσεις ή οι οργανισμοί δεν μπορούν να εντοπίσουν τις μεταβολές αυτές, λόγω του μεγάλου όγκου και της ποικιλομορφίας των παραγόμενων πληροφοριών. Στο πλαίσιο αυτό, η ποιότητα των υπηρεσιών, το μάρκετινγκ και η μεγιστοποίηση των πωλήσεων θα επηρεαστεί από το περιεχόμενο κειμένου που παράγεται από τους χρήστες του Διαδικτύου. Η ανάλυση συναισθήματος (υποκειμενική ανάλυση ή εξόρυξη γνώμης είναι, επίσης, εναλλακτικές ονομασίες) μπορεί να προσεγγίσει μεθοδολογικά το πρόβλημα, εντοπίζοντας σχετικές πληροφορίες από τον τεράστιο όγκο δεδομένων απόψεων που παράγονται από τους χρήστες του Διαδικτύου. Τα δεδομένα απόψεων που δημιουργούνται συνεχόμενα οδήγησαν στην ανάπτυξη της εξόρυξης γνώμης ιστού, ως έννοια της διαδικτυακής ευφυΐας, εστιάζοντας στην εξαγωγή, ανάλυση και συνδυασμό δεδομένων ιστού σχετικά με τις σκέψεις των χρηστών. Η ανάλυση συναισθήματος είναι σημαντική, καθώς οι απόψεις των χρηστών παρέχουν πληροφορίες για το πώς αισθάνονται οι καταναλωτές για ένα θέμα ενδιαφέροντος και κατανοούν πώς αυτό αναγνωρίστηκε από την αγορά. Η ανάλυση ταξινόμησης συναισθημάτων βασίζεται σε τρεις τύπους τεχνικών: τεχνικές μηχανικής μάθησης, τεχνικές βασισμένες σε λεξικό και υβριδικές τεχνικές.

Η Σχολή Πληροφορικής του NYC διαθέτει τον αλγόριθμο για να επιτύχετε σε αυτόν τον κλάδο υψηλής ζήτησης. Σπούδασε BSc (Hons) Computing (Data Analyst) και MSc of Data Analytics and Technologies σε συνεργασία με το Πανεπιστήμιο του Bolton.

NEWSLETTER
NEWSLETTER

Εγγραφείτε στο Newsletter για να ενημερώνεστε πρώτοι για τα νέα & τις εκδηλώσεις μας!

Unsubscribe