Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Wstęp do eksploracji danych
Koordynator przedmiotu:
dr hab. inż. Przemysław Biecek, prof. PW
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia I stopnia
Program:
Matematyka i Analiza Danych
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
.
Semestr nominalny:
4 / rok ak. 2019/2020
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
1. godziny kontaktowe – 65 h; w tym a) obecność na wykładach – 30 h b) obecność na laboratoriach – 30 h d) konsultacje – 5 h 2. praca własna studenta – 50 h; w tym a) zapoznanie się z literaturą – 8 h b) rozwiązanie zadań domowych – 20 h c) przygotowanie do zajęć projektowych – 22 h Razem 115 h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
1. obecność na wykładach – 30 h 2. obecność na laboratoriach – 30 h 4. konsultacje – 5 h Razem 65 h, co odpowiada 2 pkt. ECTS
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
obecność na laboratoriach – 30 h rozwiązanie zadań domowych – 20 h przygotowanie do zajęć projektowych –22 h Razem 72 h, co odpowiada 3 pkt. ECTS
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium30h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Podstawy programowania i przetwarzania danych Rachunek prawdopodobieństwa
Limit liczby studentów:
.
Cel przedmiotu:
Poznanie technik eksploracyjnej analizy danych. W szczególności technik analizy rozkładu pojedynczych zmiennych oraz par zmiennych. Wprowadzenie do analizy zależności pomiędzy zmiennymi. Omówienie technik opisu liczbowego oraz graficznego. Wykrywanie wartości nietypowych oraz błędów w danych.
Treści kształcenia:
Wykład i laboratorium: 1. Cele eksploracyjnej analizy danych 2. Analiza rozkładu jednej zmiennej ciągłej (histogram, wykres pudełko wąsy, jądrowy estymator gęstości) 3. Analiza rozkładu jednej zmiennej dyskretnej (analiza częstości) 4. Analiza zgodności rozkładu (wykres qqplot, rootogram) 5. Analiza wartości nietypowych, skrajnych i błędnych 6. Analiza wartości brakujących 7. Analiza dwóch zmiennych ciągłych (korelacja) 8. Analiza dwóch zmiennych kategorycznych (wykresy mozaikowe) 9. Analiza dwóch zmiennych mieszanych 10. Analiza wielu zmiennych
Metody oceny:
Zaliczenie przedmiotu oparte będzie o trzy składowe. Główna (50%) to prace domowe, których w semestrze będzie 10. Pozostałe dwie składowe to projekt (30%) oraz aktywność na zajęciach (20%).
Egzamin:
nie
Literatura:
1. ,,Przewodnik po pakiecie R'', Przemysław Biecek 2017 2. ,,R for Data Science’’ Garrett Grolemund, Hadley Wickham 2018
Witryna www przedmiotu:
.
Uwagi:
.

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka WAD_W01
Zna podstawy programowania w języku R. Zna podstawowe metody i algorytmy wykorzystywane w przetwarzaniu danych i przygotowywaniu ich do analizy.
Weryfikacja: Projekt
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:
Charakterystyka WAD_W02
Zna podstawowe metody eksploracyjnej analizy danych i ich wizualizacji.
Weryfikacja: Prace domowe
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - umiejętności

Charakterystyka WAD_U01
Potrafi przygotować dane do analizy, dobrać metodę wizualizacji do specyfiki danych oraz przeprowadzić ich eksploracyjną analizę.
Weryfikacja: Prace domowe
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Charakterystyka WAD_K01
Potrafi współdziałać i pracować w grupie, przyjmując w niej różne role.
Weryfikacja: projekt
Powiązane charakterystyki kierunkowe: MAD1_K05
Powiązane charakterystyki obszarowe: I.P6S_KO