Τηλέμαχος Χατζηβασιλείου
Τηλέμαχος Χατζηβασιλείου Μαθηματικός · Καθηγητής & Data Analyst
data analyst · mathematics graduate

Τηλέμαχος
Χατζηβασιλείου

Πτυχιούχος Μαθηματικός ΑΠΘ με Πιστοποίηση Παιδαγωγικής Επάρκειας — διδάσκω μαθηματικά με τάξη και υπομονή, και αναλύω δεδομένα με Python με την ίδια λογική: αναζητώ πρότυπα και καταλήγω σε συμπεράσματα που στηρίζονται, όχι σε εντυπώσεις.

7.20
Βαθμός Πτυχίου · «Λίαν Καλώς»
240
ECTS · Τμήμα Μαθηματικών ΑΠΘ
8
Ολοκληρωμένα data projects
2026
Πιστοποίηση Python for Data Analytics
προφίλ

Από τη θεωρία στην πράξη

Αποφοίτησα από το Τμήμα Μαθηματικών του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης τον Απρίλιο του 2026, με βαθμό πτυχίου 7.20 («Λίαν Καλώς») και ολοκληρωμένα 240 ECTS. Στη διάρκεια των σπουδών μου εμβάθυνα ιδιαίτερα σε Θεωρία Πιθανοτήτων, Στατιστική, Στοχαστικές Διαδικασίες και Στοχαστικές Μεθόδους στα Χρηματοοικονομικά (βαθμός 10) — το θεωρητικό υπόβαθρο που στηρίζει σήμερα τη δουλειά μου στην ανάλυση δεδομένων.

Παράλληλα, απέκτησα Πιστοποίηση Παιδαγωγικής και Διδακτικής Επάρκειας, κάτι που με βάζει στη διπλή θέση: μπορώ να αναλύω δεδομένα και να εξηγώ σύνθετες έννοιες με τρόπο κατανοητό — χρήσιμο τόσο σε ρόλους ανάλυσης όσο και σε διδασκαλία/φροντιστήρια.

Συνέχισα με την πιστοποίηση «Python for Data Analytics» (DeepLearning.AI, μέσω Coursera) και έκτοτε δουλεύω σε πραγματικά datasets — από Amazon reviews μέχρι HR attrition — εφαρμόζοντας Python, Pandas και exploratory data analysis σε ερωτήματα με επιχειρηματική αξία.

δεξιότητες

Εργαλεία & θεωρητικό υπόβαθρο

Ο συνδυασμός μαθηματικής αυστηρότητας με πρακτικά εργαλεία ανάλυσης δεδομένων.

Γλώσσα

Python

Pandas, NumPy — καθαρισμός, μετασχηματισμός και διερευνητική ανάλυση δεδομένων.

Visualization

Matplotlib & Seaborn

Διαγράμματα που αναδεικνύουν πρότυπα, συσχετίσεις και outliers σε datasets.

Περιβάλλον

Jupyter Notebook

Δομημένη, αναπαραγώγιμη ανάλυση από το ερώτημα μέχρι το συμπέρασμα.

Θεωρία

Πιθανότητες & Στατιστική

Θεωρία Πιθανοτήτων Ι & ΙΙ, Στατιστική, Στοχαστικές Διαδικασίες (ΑΠΘ).

Εφαρμοσμένα

Στοχαστικά Μοντέλα

Στοχαστικές Μέθοδοι στα Χρηματοοικονομικά & Στοχαστικές Επιχειρησιακές Έρευνες.

Soft skill

Διδακτική Επάρκεια

Ικανότητα ανάλυσης & εξήγησης σύνθετων εννοιών σε μαθητές/ομάδες.

projects

Ανάλυση πάνω σε πραγματικά δεδομένα

Οκτώ ολοκληρωμένα data analysis projects — από στατιστική & ανάλυση κινδύνου μέχρι exploratory data analysis, από ερώτημα μέχρι επιχειρηματική σύσταση.

01

Customer Lifetime Value (CLV) Analysis

Ανάλυση πάνω από 500.000 συναλλαγών λιανικής για τον υπολογισμό της αξίας ζωής πελάτη (CLV) — συχνότητα αγορών, μέση αξία παραγγελίας, έσοδα ανά πελάτη/χώρα/προϊόν, με στόχο στρατηγικές διατήρησης πελατών.

Τα έσοδα συγκεντρώνονται σε μικρή ομάδα πελατών · συχνότητα αγοράς = ισχυρότερος δείκτης CLV
PythonPandasNumPyStatistics
Repository ↗
02

Investment Portfolio Risk & Return Analysis

Στατιστική ανάλυση ιστορικών τιμών για πάνω από 500 μετοχές (600.000+ παρατηρήσεις) — υπολογισμός daily returns, μεταβλητότητας (volatility) και risk-adjusted απόδοσης, για διαφορετικά επενδυτικά προφίλ.

Θετική αλλά μη τέλεια σχέση ρίσκου-απόδοσης · NVIDIA με την υψηλότερη συνολική απόδοση
PythonPandasNumPyStatistics
Repository ↗
03

Credit Risk Analysis — Loan Default

Ανάλυση οικονομικών & προσωπικών χαρακτηριστικών δανειοληπτών για τον εντοπισμό παραγόντων κινδύνου αθέτησης δανείου — εισόδημα, ιστορικό απασχόλησης, ποσό & επιτόκιο δανείου, βαθμολογία πιστοληπτικής ικανότητας.

Το εισόδημα είναι ο ισχυρότερος προγνωστικός παράγοντας · η ηλικία έχει ελάχιστη επίδραση
PythonPandasNumPyStatistics
Repository ↗
04

Customer Churn Analysis

Ανάλυση δεδομένων αποχώρησης πελατών τηλεπικοινωνιακής εταιρίας (Telco Customer Churn, Kaggle), με στόχο τον εντοπισμό των παραγόντων που οδηγούν σε churn — τύπος συμβολαίου, μηνιαία χρέωση, διάρκεια παραμονής, τεχνική υποστήριξη.

26.5% churn rate · month-to-month συμβόλαια = υψηλότερος κίνδυνος
PythonPandasSeabornEDA
Repository ↗
05

HR Analytics — Employee Attrition & Performance

Διερευνητική ανάλυση του IBM HR Analytics dataset για τον εντοπισμό παραγόντων αποχώρησης εργαζομένων: υπερωρίες, μισθός, ικανοποίηση εργασίας, ισορροπία προσωπικής/επαγγελματικής ζωής, τμήμα και χρόνια προϋπηρεσίας.

Υπερωρίες & χαμηλή ικανοποίηση = ισχυρότεροι προγνωστικοί παράγοντες attrition
PythonPandasNumPyMatplotlib
Repository ↗
06

Amazon Ratings & Discounts Analysis

Εξέταση της σχέσης ανάμεσα σε ratings, εκπτώσεις και engagement πελατών σε προϊόντα Amazon, με στόχο να φανεί αν η επιθετική τιμολόγηση όντως «χτίζει» καλύτερη αξιολόγηση.

Ασθενής συσχέτιση discount % ↔ rating · η ποιότητα προϊόντος μετράει περισσότερο
PythonPandasMatplotlibSeaborn
Repository ↗
07

Hotel Booking Demand Analysis

Ανάλυση δεδομένων κρατήσεων ξενοδοχείου (City & Resort Hotels, Πορτογαλία) με στόχο την κατανόηση της συμπεριφοράς πελατών και τον εντοπισμό των κύριων αιτιών ακύρωσης κράτησης — lead time, τύπος πελάτη, εποχικότητα, ADR.

~37% ακυρώσεις · μεγαλύτερο lead time & transient πελάτες = υψηλότερος κίνδυνος ακύρωσης
PythonPandasNumPySeaborn
Repository ↗
08

Superstore Sales Analysis

Ανάλυση πωλήσεων λιανικής (Superstore) με στόχο τον εντοπισμό των βασικών παραγόντων εσόδων: κατηγορίες προϊόντων, περιοχές, πελάτες, τρόποι αποστολής και εποχικές τάσεις πωλήσεων.

Technology = κορυφαία κατηγορία · Νοέμβριος = ισχυρότερος μήνας πωλήσεων
PythonPandasNumPyMatplotlib
Repository ↗
σπουδές

Ακαδημαϊκό υπόβαθρο

Τμήμα Μαθηματικών — Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης

7.20 / 10
Οκτώβριος 2021 – Απρίλιος 2026 · 240 ECTS · Επίπεδο 6 ΕΠΠ (EQF)
Θεωρία Ομάδων10
Κλασική Θεωρία Ελέγχου10
Στοχαστικές Μέθοδοι Χρημ/κών10
Διδακτική Μαθηματικών Ι10
Αλγεβρικές Δομές ΙΙ9.5
Θεωρία Galois9.5
Στοχ. Επιχειρ. Έρευνες9.2
Εισ. στην Πραγματική Ανάλυση9
επικοινωνία

Ανοιχτός σε συνεργασίες, θέσεις data analyst και φροντιστήρια.

Αν ψάχνεις κάποιον που συνδυάζει μαθηματική σκέψη, ανάλυση δεδομένων σε Python και ικανότητα να εξηγεί καθαρά — ας μιλήσουμε.