Algorytmy wykrywania odchyleń w danych Kierunek studiów: Informatyka
Kod programu: W4-N2IN19.2020

Nazwa modułu: Algorytmy wykrywania odchyleń w danych
Kod modułu: W4-IN-N2-20-F-AWOwD
Kod programu: W4-N2IN19.2020
Semestr:
  • semestr zimowy 2022/2023
  • semestr letni 2021/2022
  • semestr zimowy 2021/2022
  • semestr letni 2020/2021
Język wykładowy: polski
Forma zaliczenia: zaliczenie
Punkty ECTS: 4
Opis:
Celem jest wprowadzenie słuchacza w algorytmy wykrywania odchyleń tak ważne w praktycznych zastosowaniach, np. dla wykrywania defraudacji, czy nietypowych objawów chorobowych. Wśród poruszanych zagadnień będą zarówno algorytmy oparte na odległości między obiektami w analizowanej przestrzeni jak i algorytmy wywodzące się z analizy skupień pozwalające identyfikować obiekty niepodobne do innych i nie dające się przez to grupować.
Wymagania wstępne:
(brak informacji)
Literatura podstawowa:
Aggarwal, Charu C., „Outlier Analysis”, 2013, Springer Mehrotra, Kishan G., Mohan, Chilukuri, Huang, Huaming, „Anomaly Detection Principles and Algorithms”, 2017, Springer Dhruba Kumar Bhattacharyya, Jugal Kumar Kalita, „Network Anomaly Detection: A Machine Learning Perspective, CRC Press 2014 Hawkins, D. , „Identification of Outliers”, Monographs on Statistics and Applied Probability, Springer, 1980 Tadeusz Morzy , „Eksploracja danych : metody i algorytmy”, Warszawa, 2013,PWN. Larose Daniel „Metody i modele eksploracji danych”. PWN, 2008 Hand David, Manila Heikki, Smyth Padhraic, „Principles of data mining”, MIT Press, 2001.
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Ma świadomość istoty odchyleń w danych, które nie są błędami w danych lecz rzeczywistymi obiektami odmiennymi. [M_001]
 K_K01 [1/5]
Ma wiedzę z zakresu podstaw statystki opisowej, w tym zagadnień pozwalających identyfikować odchylenia w danych. [M_002]
 K_W04 [3/5] K_W09 [2/5]
Ma wiedzę z zakresu metod graficznej reprezentacji danych i wykrywania odchyleń w takich reprezentacjach. [M_003]
 K_U09 [3/5]
Ma wiedzę z zakresu wybranych algorytmów wykrywania odchyleń, w tym algorytmów opartych na odległości i rozkładzie danych, jak również algorytmów opartych na gęstości danych czy lokalnych odchyleń. [M_004]
 K_W02 [2/5] K_W04 [2/5] K_W09 [3/5]
Potrafi wybrać właściwy algorytm wykrywania odchyleń w zależności od typu danych analizowanych. [M_005]
 K_U01 [2/5] K_U03 [2/5] K_U08 [2/5] K_U09 [2/5]
Potrafi zaimplementować bądź użyć gotowych bibliotek/pakietów pozwalających na użycie algorytmu wykrywania odchyleń dla wybranego zbioru danych. [M_006]
 K_U01 [2/5] K_U03 [2/5] K_U08 [2/5] K_U09 [3/5]
Potrafi wyznaczyć podobieństwo/odległość między dwoma obiektami w przestrzeni wielowymiarowej. [M_007]
 K_U01 [2/5] K_U03 [2/5] K_U08 [2/5] K_U09 [3/5]
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
Zaliczenie projektów (+sprawozdania) [W_002]
Opracowanie projektów ze sprawozdaniami dla nich w określonym terminie jako weryfikacja umiejętności nabytych podczas rozwiązywania problemów.
 M_001 M_005 M_006 M_007
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.
 15
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
 60 Zaliczenie projektów (+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)