Eksploracja danych Kierunek studiów: Informatyka
Kod programu: W4-S2INA19.2021

Nazwa modułu: Eksploracja danych
Kod modułu: W4-INA-S2-20-2-ED
Kod programu: W4-S2INA19.2021
Semestr: semestr zimowy 2022/2023
Język wykładowy: angielski
Forma zaliczenia: egzamin
Punkty ECTS: 4
Opis:
Celem jest wprowadzenie słuchacza w metody eksploracji danych, zagadnienia klasyfikacji, grupowania oraz indukcji reguł z danych. Treści: 1. Pojęcia wstępne 2. Przygotowanie i wstępna obróbka danych 3. Klasteryzacja 4. Podstawy klasyfikacji 5. Selekcja cech 6. Reguły decyzyjne 7. Testowanie hipotez statystycznych 8. Reguły asocjacyjne 9. Drzewa decyzyjne 10. Zespoły klasyfikatorów 11. Regresja liniowa 12. Sieci neuronowe
Wymagania wstępne:
(brak informacji)
Literatura podstawowa:
Larose Daniel „Metody i modele eksploracji danych”. PWN, 2008 Hand David, Manila Heikki, SmythPadhraic, „Principles of data mining”, MIT Press, 2001. YanchangZhao, „R and data mining”, Example and CaseStudies, Elsevier, 2013. Morzy Tadeusz, „Eksploracja danych”, PWN, 2013 Koronacki Jan, Mielniczuk Jan „Statystyczne systemy uczące”, WNT, 2005 Ćwik Jan, Koronacki Jacek, Statystyczne systemy uczące się w oparciu o pakiet R”, OWPD, 2009 Gatnar Eugeniusz, Walesiak Marek, „Statystyczna analiza danych z wykorzystaniem programu R”, PWN, 2009 Han J., Kamber M.: Data Mining: Concepts and Techniques, Morgan Kaufmann 2011 E. Gatnar, Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji, PWN, 2008
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Ma świadomość wpływu metod eksploracji danych i typów danych na jakość eksplorowanej wiedzy. [M_001]
 K_K02 [1/5]
Ma wiedzę z zakresu typów danych, miar podobieństwa, miar oceny jakości klasyfikacji [M_002]
 K_W09 [2/5]
Ma wiedzę z zakresu przygotowania danych do analizy (dyskretyzacja, normalizacja, braki w danych) [M_003]
 K_W09 [2/5]
Ma wiedzę z zakresu wyboru właściwej metody eksploracji w zależności od typu danych wejściowych i oczekiwanych rezultatów [M_004]
 K_W09 [3/5]
Potrafi przygotować zbiór do analizy (dokonać dyskretyzacji danych, normalizacji danych, uzupełnić braki w danych) [M_005]
 K_U03 [2/5] K_U08 [2/5] K_U09 [4/5]
Potrafi zaimplementować wybrane algorytmy analizy skupień [M_006]
 K_U08 [2/5] K_U09 [4/5]
Potrafi określić jakość klasyfikacji [M_007]
 K_U08 [2/5] K_U09 [3/5]
Ma podstawową wiedzę z zakresu reguł asocjacyjnych i decyzyjnych oraz podejść do ich konstruowania [M_008]
 K_U09 [2/5]
Potrafi przedstawić wybrane algorytmy dla konstruowania reguł decyzyjnych i asocjacyjnych oraz i ich zastosowanie [M_009]
 K_W02 [2/5] K_W09 [2/5]
Ma podstawową wiedze z zakresu selekcji cech [M_010]
 K_W09 [1/5]
Potrafi dokonać klasyfikacji danych i właściwie zinterpretować wynik [M_011]
 K_W09 [3/5]
Ma podstawową wiedzę z zakresu drzew decyzyjnychi zespołów klasyfikatorów. [M_012]
 K_W05 [1/5] K_W09 [1/5]
Potrafi przedstawić wybrane podejścia do konstrukcji drzew decyzyjnych i zespołów klasyfikatorów. [M_013]
 K_U08 [1/5]
Ma podstawową wiedzę na temat oraz potrafi wyznaczyć funkcję regresji liniowej. [M_014]
 K_W01 [1/5] K_W09 [1/5] K_U08 [1/5]
Ma podstawową wiedzę z zakresu sieci neuronowych [M_015]
 K_W09 [1/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
Egzamin pisemny [W_001]
Weryfikacja wiedzy w oparciu o treści prezentowane na wykładzie. Egzamin składa się zarówno z pytań otwartych jak i zamkniętych z teorii.
 M_001 M_002 M_003 M_004 M_005 M_006 M_007 M_008 M_009 M_010 M_011 M_012 M_013 M_014 M_015
Projekty i sprawozdania [W_002]
Opracowanie projektów ze sprawozdaniami dla nich w określonym terminie jako weryfikacja umiejętności nabytych podczas rozwiązywania problemów.
 M_001 M_002 M_005 M_006 M_007 M_008 M_009 M_010 M_011 M_012 M_013 M_014 M_015
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
wykład [Z_001]
Przekazanie treści kształcenia w formie werbalnej z wykorzystaniem środków audiowizualnych oraz innych pisemnych pomocy dydaktycznych.
 30
Przygotowanie do egzaminu.
 15 Egzamin pisemny [W_001]
laboratorium [Z_002]
Szczegółowe przygotowanie studentów do rozwiązywania zadań ze wskazaniem na metodologię postępowania, wskazaniem kolejności wykonywanych czynności.
 30
Przygotowanie do laboratorium. Samodzielne rozwiązanie przez studentów zadań przydzielonych na laboratorium, opracowanie sprawozdań
 45 Projekty i sprawozdania [W_002]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)