Metody analizy danych Kierunek studiów: Informatyka
Kod programu: 08-S1INI12.2016

Nazwa modułu: Metody analizy danych
Kod modułu: 08-IO1S-13-MAD
Kod programu: 08-S1INI12.2016
Semestr: semestr zimowy 2019/2020
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 6
Opis:
Celem zajęć w tym module jest przygotowanie studentów do stosowania różnorodnych metod (algorytmów) analizy danych, wykorzystywanych w praktyce, zaimplementowanych w różnych systemach (programach) wspomagających proces odkrywania wiedzy z danych. Dzięki temu student powinien wykazać się pełnym zrozumieniem tematyki związanej z analizą danych, w szczególności powinien znać rolę eksploracji danych w procesie pozyskiwania wiedzy z danych. Wynikiem tego będzie umiejętność posługiwania się najważniejszymi metodami wykorzystywanymi w eksploracji danych. Student powinien potrafić wybrać odpowiednie algorytmy do konkretnego zadania analizy danych. Aby można było sprawnie przeprowadzić proces eksploracji danych, niezbędne jest oprogramowanie, wspomagające ten proces. W związku z tym student powinien bezproblemowo posługiwać się programami wykorzystywanymi w eksploracji danych, ze szczególnym uwzględnieniem programów upowszechnianych nieodpłatnie, m. in. RapidMiner, RSES i Weka.
Wymagania wstępne:
(brak informacji)
Literatura podstawowa:
(brak informacji)
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Potrafi planować i realizować terminowo różne zadania; Potrafi współdziałać i pracować w zespole kilkuosobowym, przyjmując w nim różne role. [MAD_K_1]
 K_1_A_I_K03 [3/5]
Potrafi formułować opinie na temat podstawowych zagadnień, aktualnego stanu i trendów rozwojowych w analizie i eksploracji danych [MAD_K_2]
 K_1_A_I_K06 [3/5]
Potrafi pozyskiwać informacje z literatury, baz danych oraz innych właściwie dobranych źródeł, także w języku angielskim z zakresu eksploracji danych; potrafi integrować uzyskane informacje, dokonywać ich interpretacji i krytycznej oceny, a także wyciągać wnioski oraz formułować opinie. [MAD_U_1]
 K_1_A_I_U01 [3/5] K_1_A_I_U21 [2/5]
Potrafi wybrać odpowiednie metody analizy danych w tym wybrać algorytmy rozwiązujące dany problem. Potrafi ocenić otrzymane wyniki (wzorce). [MAD_U_2]
 K_1_A_I_U21 [5/5]
Do przeprowadzenia procesu analizy danych potrafi wykorzystać dostępne programy. [MAD_U_3]
 K_1_A_I_U21 [5/5]
Ma wiedzę z zakresu podstawowych pojęć analizy danych i odkrywania wiedzy z danych. [MAD_W_1]
 K_1_A_I_W18 [5/5]
Zna główne metody eksploracji danych w tym: odkrywanie asocjacji, klasyfikacja (predykcja), grupowanie, wykrywanie punktów osobliwych. Zna dziedziny zastosowań różnych metod eksploracji danych. [MAD_W_2]
 K_1_A_I_W09 [1/5] K_1_A_I_W18 [5/5]
Zna oprogramowanie używane w analizie danych. [MAD_W_3]
 K_1_A_I_W09 [1/5] K_1_A_I_W18 [5/5]
Ma wiedzę o trendach rozwojowych i najistotniejszych nowych osiągnięciach z zakresu odkrywania wiedzy w danych. [MAD_W_4]
 K_1_A_I_W12 [2/5] K_1_A_I_W18 [5/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
Test pisemny ze znajomości wykładów [MAD_w_1]
Ocena znajomości przez studenta treści wykładów poprzez rozwiązanie testu
 MAD_W_1 MAD_W_2 MAD_W_3 MAD_W_4
Przygotowanie projektów/ programów [MAD_w_2]
Przygotowanie projektu/programu w grupie 1-3 osobowej realizującego proces odkrywania wiedzy z danych z użyciem dostępnych programów
 MAD_K_1 MAD_K_2 MAD_U_1 MAD_U_2 MAD_U_3 MAD_W_1 MAD_W_2 MAD_W_3 MAD_W_4
Sprawozdania [MAD_w_3]
Przygotowanie sprawozdań dla projektów, z opisem uzyskanych rezultatów i przesłanie w formie elektronicznej w określonym terminie
 MAD_K_1 MAD_K_2 MAD_U_1 MAD_U_2 MAD_W_1 MAD_W_2 MAD_W_3
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
wykład [MAD_fs_1]
Podanie treści kształcenia w formie ustnej z wykorzystaniem wizualizacji treści. Zwrócenie uwagi na materiał trudny pojęciowo i wskazanie materiałów pomocniczych
 15
Zapoznanie się z tematyką wykładu z wykorzystaniem: wykładów w wersji elektronicznej, stron internetowych, zalecanej literatury
 30 Test pisemny ze znajomości wykładów [MAD_w_1]
laboratorium [MAD_fs_2]
Szczegółowe przygotowanie studentów do zrealizowania przydzielonych projektów ze wskazaniem na metodologię postępowania, wskazaniem kolejności wykonywanych czynności
 30
Przygotowanie do laboratorium Samodzielne przygotowanie projektów; Przygotowanie sprawozdań z zrealizowanych projektów i przesłanie ich w odpowiednim czasie
105 Przygotowanie projektów/ programów [MAD_w_2] Sprawozdania [MAD_w_3]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)