Analiza danych w biznesie Kierunek studiów: Informatyka
Kod programu: W4-S2IN19.2020

Nazwa modułu: Analiza danych w biznesie
Kod modułu: W4-IN-S2-20-F-ADwB
Kod programu: W4-S2IN19.2020
Semestr:
  • semestr letni 2021/2022
  • semestr zimowy 2021/2022
  • semestr letni 2020/2021
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 4
Opis:
Analiza danych w biznesie ma na celu wykształcenie umiejętności posługiwania się statystycznymi charakterystykami populacji oraz wykorzystania modeli data mining w celu analizy danych biznesowych. Celem przedmiotu jest również doskonalenie znajomości klasycznych oraz nowoczesnych technik analizy danych na przykładzie danych finansowych. Treści: 1. Gromadzenie, opracowanie i prezentacja danych 2. Elementy opisowej analizy danych biznesowych 3. Analiza współzależności zjawisk, korelacji i regresji 4. Zastosowanie drzew klasyfikacyjnych i regresyjnych do analizy danych biznesowych 5. Zastosowanie analizy technicznej oraz fundamentalnej do analizy danych finansowych 6. Zastosowanie sieci neuronowych do analizy danych biznesowych
Wymagania wstępne:
(brak informacji)
Literatura podstawowa:
1. F. Provost, T. Fawcett, Analiza danych w biznesie. Sztuka podejmowania skutecznych decyzji. Helion Onepress, 2015 2. D. Larose, Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych. PWN, Warszawa, 2006. 3. D. Larose, Metody i modele eksploracji danych. PWN, Warszawa, 2008. 4. A. Stanisz, Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny. Tom 1. Statystyki podstawowe. StatSoft Polska, 2006. 5. Murphy J., Analiza techniczna rynków finansowych, Wig Press, Warszawa 1999.
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Student ma wiedzę na temat miar przeciętnych, miar zmienności oraz miar asymetrii w celu dokonania opisowej analizy danych biznesowych. Student ma wiedzę na temat zagadnień analizy współzależności zjawisk oraz analizy korelacji i regresji w celu odkrywania zależności występujących w danych biznesowych. [M_001]
 K_W01 [1/5] K_W09 [1/5]
Student ma wiedzę na temat drzew klasyfikacyjnych i regresyjnych, sieci neuronowych, analizy fundamentalnej i technicznej stosowanej do analizy danych biznesowych i finansowych. [M_002]
 K_W09 [1/5]
Potrafi dokonać wstępnej oceny danych biznesowych, przedstawić je w odpowiedniej postaci, wybrać model lub modele odpowiednie do analizy. Potrafi porównać otrzymane wyniki i na ich podstawie wyciągnąć wnioski. [M_003]
 K_U01 [1/5] K_U08 [1/5] K_K04 [1/5]
Potrafi wykorzystać wybrany programy do przeprowadzenia analizy danych biznesowych. [M_004]
 K_U09 [1/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
Zaliczenie sprawozdań [W_001]
Opracowanie sprawozdań w formie pisemnej oraz ustne ich zaliczenie w określonym terminie jako weryfikacja umiejętności nabytych podczas rozwiązywania problemów.
 M_001 M_002 M_003 M_004
Sprawdzian pisemny [W_002]
Weryfikacja wiedzy i umiejętności na podstawie analizy rozwiązań zadań w trakcie sprawdzianu pisemnego.
 M_001 M_002 M_003
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
wykład [Z_001]
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
 15 Sprawdzian pisemny [W_002]
laboratorium [Z_002]
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
 60 Zaliczenie sprawozdań [W_001] Sprawdzian pisemny [W_002]
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)