Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Hurtownie danych i systemy Business Intelligence
Koordynator przedmiotu:
Dr hab. inż. Maciej Grzenda, prof. PW
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia I stopnia
Program:
Inżynieria i Analiza Danych
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
.
Semestr nominalny:
6 / rok ak. 2018/2019
Liczba punktów ECTS:
6
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
1. godziny kontaktowe – 68 h; w tym a) obecność na wykładach – 15 h b) obecność na laboratoriach – 45 h c) obecność na egzaminie – 3 h d) konsultacje – 5 h 2. praca własna studenta – 82 h; w tym a) przygotowanie do laboratoriów – 50 h b) zapoznanie się z literaturą – 12 h c) przygotowanie do egzaminu – 20 h Razem 150 h, co odpowiada 6 pkt. ECTS
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
1. obecność na wykładach – 15 h 2. obecność na laboratoriach – 45 h 3. obecność na egzaminie – 3 h 4. konsultacje – 5 h Razem 68 h, co odpowiada 3 pkt. ECTS
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
1. obecność na laboratoriach – 45 h 2. przygotowanie do laboratoriów – 50 h Razem 68 h, co odpowiada 3 pkt. ECTS
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia0h
  • Laboratorium45h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
.
Limit liczby studentów:
.
Cel przedmiotu:
Celem przedmiotu jest zapoznanie studentów z zagadnieniami hurtowni danych, w tym projektowania modelu danych hurtowni danych oraz raportowania i wizualizacji danych z wykorzystaniem systemów Business Intelligence.
Treści kształcenia:
Studenci zapoznają się z podstawowymi i zaawansowanymi zagadnieniami hurtowni danych, w tym zastosowaniami hurtowni danych, ich projektowaniem i implementacją. Szczególna uwaga jest poświęcana roli modelu danych i technikom modelowania hurtowni danych. Druga część przedmiotu koncentruje się na systemach Business Intelligence i współczesnych możliwościach raportowania i wizualizacji danych zapewnianych przez te systemy. Wykład: 1. Wprowadzenie do hurtowni danych i systemów Business Intelligence 2. Projektowanie modelu danych dla hurtowni danych. Model danych a normalizacja. 3. Techniki projektowania wymiarowego (ang. dimensional modelling) 4. Rola wymiaru czasu i zmian w danych w projektowaniu modelu danych. 5. Wykorzystanie kostek danych OLAP w raportowaniu. 6. Przegląd metod raportowania i wizualizacji danych, zapewnianych przez wybrane platformy Business Intelligence. Laboratorium: 1. Implementacja przykładowych tabel faktów i wymiarów 2. Zastosowanie zaawansowanych technik modelowania np. wymiarów zmiennych w czasie 3. Przygotowanie kostki danych i wizualizacja danych z tabeli faktów i powiązanych i wymiarów 4. Analiza roli metadanych w konfiguracji systemu Business Intelligence 5. Konfiguracja raportów i wizualizacji danych w systemie Business Intelligence
Metody oceny:
Zaliczenie przedmiotu oparte jest o wyniki realizacji dwóch zadań punkto-wanych w trakcie laboratorium (60%) oraz egzamin (40%). Maksymalna liczba dostępnych punktów wynosi 100. Wyniki zadań punktowanych są ogłaszane na stronie internetowej prowa-dzącego zajęcia w danej grupie laboratoryjnej lub rozsyłane do uczestników drogą mailową. W końcowej części semestru student może skorzystać z terminu poprawkowego, w trakcie którego może poprawić jedno z zadań punktowanych: - termin poprawkowy jest ogłaszany studentom z wyprzedzeniem co najmniej jednego tygodnia, - każdy ze studentów ma zagwarantowaną możliwość udziału w jednym terminie poprawkowym, przy założeniu, iż był obecny w oryginalnym terminie zadania lub przedstawił w terminie dokument uzasadniający nieobecność w tym terminie, - najpóźniej tydzień przed terminem poprawkowym, studenci zaintere-sowani poprawianiem zadania, zobligowani są zadeklarować, które z zadań chcieliby poprawiać w terminie poprawkowym, - ocena zadania uzyskana w terminie poprawkowym zastępuje oryginalną ocenę z tego zadania. Ocena końcowa zależy od łącznej liczby punktów uzyskanych z zadań punktowanych oraz egzaminu i jest wyznaczana zgodnie z poniższymi regułami: 0-50 pkt – 2.0, 51-60 pkt – 3.0, 61-70 pkt – 3.5, 71-80 pkt – 4.0, 81-90 pkt – 4.5, 91-100 pkt – 5.0.
Egzamin:
tak
Literatura:
1. C. Howson, C., Successful business intelligence : unlock the value of BI & big data, McGraw-Hill Education, 2014 2. R. Root, C. Mason, Pro SQL Server 2012 BI solutions, Apress, 2012 3. R. Kimball, M. Ross, The data warehouse toolkit : the definitive guide to dimensional modeling, John Wiley & Sons, 2013
Witryna www przedmiotu:
.
Uwagi:
.

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka W01
Ma wiedzę na temat technik modelowania danych stosowaną w budowie hurtowni danych bazującej na modelu relacyjnym
Weryfikacja: Egzamin, zadanie punktowane
Powiązane charakterystyki kierunkowe: DS_W12
Powiązane charakterystyki obszarowe: I.P6S_WG

Profil ogólnoakademicki - umiejętności

Charakterystyka U01
Umie wykorzystywać systemy zarządzania bazą danych do składowania danych hurtowni danych
Weryfikacja: Zadanie punktowane
Powiązane charakterystyki kierunkowe: DS_U18
Powiązane charakterystyki obszarowe: I.P6S_UW
Charakterystyka U02
Umie wykorzystywać platformy Business Intelligence do tworzenia interaktywnych raportów i wizualizacji zgromadzonych danych
Weryfikacja: Zadanie punktowane
Powiązane charakterystyki kierunkowe: DS_U18
Powiązane charakterystyki obszarowe: I.P6S_UW
Charakterystyka U03
Umie pozyskiwać dane z baz danych spełniających wymogi trzeciej formy normalnej i umieszczać je w strukturach hurtowni danych, np. z wykorzystaniem kodu wykonywanego w ramach systemów zarządzania bazami danych
Weryfikacja: Zadanie punktowane
Powiązane charakterystyki kierunkowe: DS_U22
Powiązane charakterystyki obszarowe: I.P6S_UW

Profil ogólnoakademicki - kompetencje społeczne

Charakterystyka K01
Rozumie potrzebę uczenia się przez całe życie i podnoszenia kompetencji zawodowych na przykładzie ewolucji systemów i metod składowania oraz analizy danych
Weryfikacja: Egzamin
Powiązane charakterystyki kierunkowe: DS_K01
Powiązane charakterystyki obszarowe: I.P6S_KK