Βιογραφικό
O Ευάγγελος Βασιλείου είναι Επίκουρος Καθηγητής στο αντικείμενο της υπολογιστικής βελτιστοποίησης στο Τμήμα Μηχανικών Οικονομίας και Διοίκησης του Πανεπιστημίου Αιγαίου. Είναι κάτοχος πτυχίου μαθηματικών (Πανεπιστήμιο Πατρών), μεταπτυχιακού διπλώματος ειδίκευσης στη στατιστική και επιχειρησιακή έρευνα (Τμήμα Μαθηματικών, Πανεπιστήμιο Αθηνών), μεταπτυχιακού διπλώματος ειδίκευσης στα μαθηματικά της αγοράς και της παραγωγής (Πανεπιστήμιο Αθηνών - Οικονομικό Πανεπιστήμιο Αθηνών) και διδακτορικού διπλώματος στις αριθμητικές προσεγγίσεις - υπολογιστική βελτιστοποίηση (Τομέας Μαθηματικών και Πληροφορικής, Τμήμα Οικονομικών Επιστημών, Πανεπιστήμιο Αθηνών). Έχει παρουσιάσει το έργο του σε διεθνή συνέδρια και έχει δημοσιεύσει τις εργασίες του σε διεθνή επιστημονικά περιοδικά. Το διδακτικό του έργο αφορά στην ανάλυση δεδομένων, στις πιθανότητες, στην οικονομετρία, στην προσομοίωση, στην πρόβλεψη και στην ανάλυση χρονολογικών σειρών. Τα ερευνητικά του ενδιαφέροντα επικεντρώνονται στην ανάπτυξη θεωρίας και αλγόριθμων αριθμητικών προσεγγίσεων και βελτιστοποίησης συνοδευόμενων από την ανάπτυξη αντίστοιχου λογισμικού. Η έρευνα εστιάζει ειδικά στη λείανση δεδομένων (data fitting) με διηρημένες διαφορές βρίσκοντας πρακτική χρησιμότητα σε επιστημονικούς και τεχνικούς υπολογισμούς προσαρμογής δεδομένων, περικλείοντας, μεταξύ άλλων, τα μαθηματικά μοντέλα στην οικονομία, τα μη παραμετρικά μοντέλα στη στατιστική ανάλυση δεδομένων και την επιχειρησιακή έρευνα. Η μεθοδολογία συνεισφέρει στην «επιστήμη δεδομένων» (data science) από την πλευρά των υπολογισμών, της ανάλυσης, της κατανόησης και της διερμήνευσης των δεδομένων.
Συμπληρωματικά, διαθέτει σημαντική εμπειρία στον ιδιωτικό τομέα ως διοικητικό στέλεχος στο τμήμα Analytics της εταιρείας ACCENTURE AE. Από τη θέση αυτή, έχει συμμετάσχει ως analytics team lead σε πληθώρα έργων ηγετικών εταιρειών από αναπτυγμένες αγορές, παρέχοντας υπηρεσίες και κάνοντας χρήση μεθοδολογιών από το χώρο του machine learning, demand forecasting, pricing, churn management, network analytics, assortment and space optimization, κ.α..
Μαθήματα
Επικοινωνία
Περισσότερες Πληροφορίες
Ανάπτυξη θεωρίας και αλγόριθμων αριθμητικών προσεγγίσεων και βελτιστοποίησης συνοδευόμενων από την ανάπτυξη αντίστοιχου λογισμικού. Η έρευνα εστιάζει ειδικά στη λείανση δεδομένων (data fitting) με διηρημένες διαφορές βρίσκοντας πρακτική χρησιμότητα σε επιστημονικούς και τεχνικούς υπολογισμούς προσαρμογής δεδομένων, περικλείοντας, μεταξύ άλλων, τα μαθηματικά μοντέλα στην οικονομία, τα μη παραμετρικά μοντέλα στη στατιστική ανάλυση δεδομένων και την επιχειρησιακή έρευνα. Η μεθοδολογία συνεισφέρει στην «επιστήμη δεδομένων» (data science) από την πλευρά των υπολογισμών, της ανάλυσης, της κατανόησης και της διερμήνευσης των δεδομένων.