Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Badania operacyjne i analiza danych
Koordynator przedmiotu:
dr inż. Małgorzata Petzel, prof. uczelni
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Technologia Chemiczna
Grupa przedmiotów:
Wspólne dla kierunku
Kod przedmiotu:
CS2A_13
Semestr nominalny:
1 / rok ak. 2021/2022
Liczba punktów ECTS:
2
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
Wykłady: liczba godzin według planu studiów - 30, zapoznanie ze wskazaną literaturą - 10, śledzenie informacji internetowych, prasowych i literatury fachowej - 10 Razem - 50 h
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
Wykłady - 30 h; Razem - 30 h = 1,2 ECTS
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
0
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium0h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
-
Limit liczby studentów:
Wykład: min. 15
Cel przedmiotu:
Celem przedmiotu jest uzyskanie przez studenta wiedzy w zakresie podstawowych zagadnień decyzyjnych i optymalizacyjnych oraz technik analizy danych.
Treści kształcenia:
W01 – Programowanie liniowe. Wstęp. W02 – Programowanie liniowe. Metoda graficzna. W03 – Programowanie liniowe. Programowanie całkowitoliczbowe, binarne i mieszane. W04 – Programowanie liniowe. Analiza wrażliwości. W05 – Programowanie liniowe. Przykłady zastosowań. W06 – Big data. W07 – Ranking wielokryterialny. W08 – AHP. W09 – Analiza skupień. W10 – k-NN. W11 – Naiwny Bayes. W12 – Drzewa decyzyjne w teorii decyzji. W13 – Drzewa decyzyjne w Data Mining.
Metody oceny:
zgodnie z regulaminem przedmiotu
Egzamin:
nie
Literatura:
1. Siudak M., Badania operacyjne, Oficyna Wydawnicza Politechniki Warszawskiej, 2012. 2. Pamuła T., Król A., Badania operacyjne w przykładach z rozwiązaniami w Excelu, Wydawnictwa Politechniki Śląskiej, Gliwice 2013. 3. Trzaskalik T., Wprowadzenie do badań operacyjnych z komputerem, Polskie Wydawnictwo Ekonomiczne, Warszawa 2008. 4. Natingga D., Algorytmy Data Science, Helion, Gliwice 2019. 5. Foreman J.W., Mistrz analizy danych, Helion, Gliwice 2017.
Witryna www przedmiotu:
-
Uwagi:
Program studiów opracowany na podstawie programu nauczania zmodyfikowanego w ramach Zadania 8 Programu NERW. Zajęcia z przedmiotu będą realizowane przy użyciu nowych technik multimedialnych, takich jak platforma Moodle.

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka W07
Posiada wiedzę z zakresu eksploracji danych, metod optymalizacji oraz podejmowania decyzji wykorzystywanych w praktyce inżynierskiej.
Weryfikacja: Ocena poprzez sprawdzenie wiedzy na sprawdzianie (W1 - W8). Ocena aktywności na zajęciach wykładowych.
Powiązane charakterystyki kierunkowe: C2A_W07
Powiązane charakterystyki obszarowe: P7U_W
Charakterystyka W17
Posiada wiedzę pozwalającą postrzegać problemy decyzyjne w zarządzaniu przedsiębiorstwem, formułować i rozwiązywać te problemy przy użyciu programów komputerowych.
Weryfikacja: Ocena poprzez sprawdzenie wiedzy na sprawdzianie (W1 - W8). Ocena aktywności na zajęciach wykładowych.
Powiązane charakterystyki kierunkowe: C2A_W17
Powiązane charakterystyki obszarowe: I.P7S_WK