Analiza danych w biznesie Kierunek studiów: Informatyka
Kod programu: 08-S2INIA15.2016

Nazwa modułu: Analiza danych w biznesie
Kod modułu: 08-IN-ISI-S2-ADwB
Kod programu: 08-S2INIA15.2016
Semestr: semestr letni 2017/2018
Język wykładowy: angielski
Forma zaliczenia: zaliczenie
Punkty ECTS: 3
Opis:
Analiza danych w biznesie ma na celu wykształcenie umiejętności posługiwania się statystycznymi charakterystykami populacji oraz konstrukcji i wykorzystania modeli data mining w celu analizy danych. Celem przedmiotu jest również doskonalenie znajomości klasycznych oraz nowoczesnych technik analizy danych na przykładzie danych finansowych. Przewiduje się realizację następujących treści programowych: 1. Gromadzenie, opracowanie i graficzna prezentacja danych. 2. Elementy opisowej analizy danych biznesowych 3. Analiza współzależności zjawisk, analiza korelacji i regresji 4. Zastosowanie analizy technicznej oraz analizy fundamentalnej do analizy danych finansowych 5. Zastosowanie zagadnień związanych z poziomami Fibonacciego oraz Pivota. 6. Zastosowanie sieci neuronowych do analizy danych biznesowych Celem zajęć jest wykształcenie u studentów umiejętności posługiwania się najważniejszymi metodami wykorzystywanymi w eksploracji danych.
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 pozyskiwać informacje z literatury, baz danych oraz innych właściwie dobranych źródeł, potrafi integrować uzyskane informacje, dokonywać ich interpretacji, a także wyciągać wnioski oraz formułować i uzasadniać opinie. [ADwB -U_3]
 K_2_A_I_U01 [2/5]
Potrafi podać opis matematyczny wybranego wskaźnika technicznego do analizy danych. [ADwB -U_4]
 K_2_A_I_U07 [1/5]
Potrafi wykorzystać dostępne programy do przeprowadzenia eksploracji danych. [ADwB -U_5]
 K_2_A_I_U18 [4/5] K_2_A_I_U22 [1/5]
Student ma wiedzę na temat miar przeciętnych, miar zmienności oraz miar asymetrii w celu dokonania opisowej analizy danych biznesowych. Student stosuje zagadnienia analizy współzależności zjawisk oraz analizy korelacji i regresji w celu odkrywania zależności występujących w danych biznesowych. [ADwB -W_1]
 K_2_A_I_W03 [2/5]
Student ma wiedzę na temat wstępnego opracowania danych oraz zastosowania klasyfikatora k najbliższych sąsiadów, naiwnyego klasyfikatora Bayesa, klasyfikatora drzew klasyfikacyjnych i regresyjnych, sieci neuronowych, analizy koszykowej i sekwencji do analizy danych. [ADwB -W_2]
 K_2_A_I_W17 [4/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
Ocenianie ciągłe [ADwB _w_1]
weryfikacja na podstawie odpowiedzi na zadawane pytania dotyczące wykładanych treści i znajomości rozwiązań zdań domowych
ADwB -U_3 ADwB -U_4 ADwB -U_5 ADwB -W_1 ADwB -W_2
Sprawdziany pisemne [ADwB _w_2]
weryfikacja umiejętności na podstawie analizy rozwiązań zadań w trakcie sprawdzianów pisemnych z wykorzystaniem komputera
 ADwB -U_3 ADwB -U_4 ADwB -U_5 ADwB -W_1 ADwB -W_2
Pisemne opracowanie [ADwB _w_3]
weryfikacja umiejętności poprzez pisemne opracowanie materiału związanego z przeprowadzeniem analizy zbioru danych oraz interpretacją otrzymanych wyników
 ADwB -U_3 ADwB -U_4 ADwB -U_5 ADwB -W_1 ADwB -W_2
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
wykład [ADwB _fs_1]
wykład prezentujący pojęcia i fakty z zakresu treści programowych wymienionych w opisie modułu i ilustrujący je licznymi przykładami
 15
samodzielne studiowanie wykładów i wskazanej w sylabusie literatury pomocniczej
 15 Ocenianie ciągłe [ADwB _w_1] Sprawdziany pisemne [ADwB _w_2] Pisemne opracowanie [ADwB _w_3]
laboratorium [ADwB _fs_2]
laboratorium, w trakcie którego studenci wykonują z pomocą prowadzącego ćwiczenia kształtujące umiejętności wymienione w zestawie efektów kształcenia modułu
 30
samodzielne doskonalenie umiejętności wymienione w zestawie efektów kształcenia modułu
30 Ocenianie ciągłe [ADwB _w_1] Sprawdziany pisemne [ADwB _w_2] Pisemne opracowanie [ADwB _w_3]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)