- Nazwa przedmiotu:
- Systemy gromadzenia i przetwarzania danych
- Koordynator przedmiotu:
- dr hab. Wodecki Andrzej
- Status przedmiotu:
- Obowiązkowy
- Poziom kształcenia:
- Studia I stopnia
- Program:
- Zarządzanie
- Grupa przedmiotów:
- Specjalność: Zarządzanie w gospodarce cyfrowej
- Kod przedmiotu:
- -
- Semestr nominalny:
- 4 / rok ak. 2022/2023
- Liczba punktów ECTS:
- 2
- Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
- 2 ECTS:
20h laboratorium + 13h nauka własna + 15h przygotowanie projektu + 2h konsultacji = 50h
- Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
- 0,9 ECTS
- Język prowadzenia zajęć:
- polski
- Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
- -
- Formy zajęć i ich wymiar w semestrze:
-
- Wykład0h
- Ćwiczenia0h
- Laboratorium30h
- Projekt0h
- Lekcje komputerowe0h
- Wymagania wstępne:
- -
- Limit liczby studentów:
- - od 8 osób do limitu miejsc w sali laboratoryjnej (laboratorium)
- Cel przedmiotu:
- Wykształcenie umiejętności pozyskiwania, składowania, przygotowania i modelowania danych na potrzeby analiz biznesowych
- Treści kształcenia:
- Laboratorium:
1. Konfiguracja platformy Data Science: Dataiku.com
2. Ćwiczenia:
a. Podłączenie źródeł danych
b. Analiza opisowa
c. Czyszczenie danych
d. Wzbogacenie danych
e. Przygotowanie danych do modelowania
f. Modelowanie danych
g. Ocena i wybór najlepszego algorytmu
h. Interpretacja wyników modelu
3. Projekt:
a. Podział na grupy
b. Wybór tematu projektu grupowego
c. Organizacja prac zespołu zgodnie z metodyką CRISP-DM
d. Realizacja projektu
e. Prezentacje końcowe
- Metody oceny:
- 1. Ocena formatywna: projekt, prezentacja
2. Ocena sumatywna: oceny projektu i prezentacji
- Egzamin:
- nie
- Literatura:
- Obowiązkowa:
1. Szeliga M., 2019, Praktyczne uczenie maszynowe, Warszawa, Wydawnictwo Naukowe PWN
2. Grus J., 2020, Data science od podstaw: analiza danych w Pythonie, Gliwice, Helion
Uzupełniająca:
1. Boschetti A., Massaron L., 2017. Python. Podstawy nauki o danych. Wydanie II , Gliwice, Helion
3. Hurbans R., 2021, Algorytmy sztucznej inteligencji. Ilustrowany przewodnik, Gliwice: Helion
4. Jacob T. VanderPlas, Python data science handbook : essential tools for working with data, O'Reilly 2017
- Witryna www przedmiotu:
- moodle.usos.pw.edu.pl
- Uwagi:
- -
Efekty uczenia się
Profil ogólnoakademicki - wiedza
- Charakterystyka Z1_WG9
- Absolwent zna i rozumie w zaawansowanym stopniu współczesne technologie informacyjne (w tym narzędzia modelowania/analizy/ wykorzystania danych), co pozwala mu być świadomym ich użytkownikiem i znaleźć ich zastosowania w organizacjach w gospodarce cyfrowej
Weryfikacja: Laboratorium – zaliczenie projektu i prezentacji
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:
Profil ogólnoakademicki - umiejętności
- Charakterystyka Z1_UK10
- Absolwent potrafi porozumiewać się w sposób profesjonalny, przy użyciu terminologii właściwej dla systemów gromadzenia i przetwarzania danych
Weryfikacja: Laboratorium – zaliczenie projektu i prezentacji
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:
- Charakterystyka Z1_UO13
- Absolwent potrafi wykorzystywać posiadaną wiedzę, narzędzia oraz techniki informacyjno-komunikacyjne do planowania i organizowania pracy indywidualnej oraz w zespołach
Weryfikacja: Laboratorium – zaliczenie projektu i prezentacji
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:
- Charakterystyka Z1_UW1
- Absolwent potrafi wykorzystywać posiadaną wiedzę z zakresu gromadzenia i przetwarzania danych do formułowania i rozwiązywania złożonych i nietypowych problemów z różnych obszarów zarządzania, w szczególności w zakresie analizy i oceny problemu, syntezy informacji, formułowania wymagań oraz proponowania rozwiązań
Weryfikacja: Laboratorium – zaliczenie projektu i prezentacji
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe:
Profil ogólnoakademicki - kompetencje społeczne
- Charakterystyka Z1_KK1, Z1_KK2, Z1_KO4
- Absolwent rozumie jak istotna jest jego własna wiedza z zakresu systemów gromadzenia i przetwarzania danych dla funkcjonowania i pokonywania problemów w organizacji oraz dla działania w sposób przedsiębiorczy. Jest gotów do jej krytycznej oceny i zasięgania opinii ekspertów w tej dziedzinie
Weryfikacja: Laboratorium – zaliczenie projektu i prezentacji
Powiązane charakterystyki kierunkowe:
Powiązane charakterystyki obszarowe: