Oprogramowanie Open Source w analizie danych
Informacje ogólne
Kod przedmiotu: | 1100-12-Z22-IB-OSwAD |
Kod Erasmus / ISCED: |
(brak danych)
/
(0410) Biznes i administracja
|
Nazwa przedmiotu: | Oprogramowanie Open Source w analizie danych |
Jednostka: | Katedra Zastosowań Informatyki i Matematyki w Ekonomii |
Grupy: |
Zarządzanie - plan studiów 2 rok 2 stopnia Zarządzanie, 2 rok II stopnia, PRK, sp. informatyka w biznesie |
Punkty ECTS i inne: |
4.00
|
Język prowadzenia: | polski |
Wymagania wstępne: | 1. Wiedza oraz praktyczne umiejętności z zakresu matematyki, statystyki opisowej oraz ekonometrii. 2. Podstawy programowania. 3. Znajomość pakietu Microsoft Office. |
Całkowity nakład pracy studenta: | 1. Godziny realizowane z udziałem nauczyciela – 15 godzin ćwiczeń w laboratorium komputerowym + 10 godzin wykład 2. Praca indywidualna studenta potrzebna do pomyślnego zaliczenia przedmiotu – 30 godzin 3. Czas wymagany do przygotowania się do uczestnictwa w procesie oceniania – 20 godzin 4. Konsultacje ze studentami – 25 godzin Razem nakład pracy studenta 100 godzin. |
Efekty uczenia się - wiedza: | W1. Student zna metody ilościowe oraz narzędzia badawcze, które można zastosować przy wykorzystaniu oprogramowania Open Source (K_W08). W2. Zna zasady przeprowadzania badań z wykorzystaniem narzędzi badawczych dostępnych w oprogramowaniu Open Source (K_W08). W3. Zna metody i techniki pozyskiwania danych niezbędnych do przeprowadzenia badań zjawisk ekonomicznych (K_W08). |
Efekty uczenia się - umiejętności: | U1. Potrafi diagnozować i modelować zjawiska ekonomiczne (K_U04). U2. Student posiada kompetencje w zakresie komunikatywnego formułowania i przekazywania swych myśli, opinii i wszelkich informacji (K_U10). |
Efekty uczenia się - kompetencje społeczne: | K1. Student rozumie znaczenie korzystania z wiarygodnych, kompletnych danych statystycznych. Samodzielnie i efektywnie pracuje z dużą ilością danych. Przeprowadza analizy i wyciąga wnioski posługując się zasadami logiki (K_K02). |
Metody dydaktyczne: | ćwiczenia, pogadanka, praca w grupach, wykorzystanie narzędzia do przeprowadzania analiz biznesowych, np. KNIME, rozwiązywanie zadań |
Skrócony opis: |
Przedmiot ma na celu zapoznanie z narzędziami wykorzystywanymi do analizy danych biznesowych. Student po ukończeniu przedmiotu będzie miał praktyczną wiedzę w jaki sposób analizować dane pochodzące z różnych systemów oraz obszarów działalności przedsiębiorstwa. Zdobyta podczas zajęć wiedza oraz umiejętności praktyczne przygotują studenta do prowadzenia badań analitycznych przy wykorzystaniu odpowiednich narzędzi informatycznych oraz podejmowania racjonalnych decyzji biznesowych w oparciu o przeprowadzone analizy. |
Pełny opis: |
1. Omówienie oprogramowania wykorzystywanego do analizy danych, np. KNIME. 2. Wczytywanie danych z różnych źródeł. 3. Transformacja i czyszczenie danych. 4. Eksploracja danych i techniki data mining. 5. Wykorzystanie metod uczenia maszynowego. 6. Przygotowywanie analiz i raportów. 7. Wizualizowanie wyników przeprowadzonych analizy. 8. Automatyzacja procesu tworzenia analiz. 9. Udostępnianie stworzonych raportów i analiz innym użytkownikom. |
Literatura: |
• Provost F., Fawcett T., Analiza danych w biznesie. Sztuka podejmowania skutecznych decyzji, Onepress, 2014 • Foreman J. W., Mistrz analizy danych. Od danych do wiedzy, Helion. 2017 • Croll A., Yoskovitz B., Metoda Lean Analytics. Zbuduj sukces startupu w oparciu o analizę danych, Helion, 2014 • De Mauro A., Data Analytics Made Easy, Packt Publishing, 2021 • Witryny internetowe producentów oprogramowania |
Metody i kryteria oceniania: |
Końcowe zaliczenie obejmujące: • wczytanie i przekształcenie danych potrzebnych do przeprowadzenia analizy - W2, U2 • przygotowanie kompletnej analizy danych podmiotu prowadzącego działalność gospodarczą - W1, W3, U1 • prezentacja projektu - U1, U2, K1, K2 Weryfikacja efektów kształcenia: • W1: ustne zaliczenie +++, projekt i prezentacja ++, bieżące przygotowanie do zajęć i aktywność • W2: ustne zaliczenie +++, projekt i prezentacja ++, bieżące przygotowanie do zajęć i aktywność • W3: ustne zaliczenie +++, projekt i prezentacja ++, bieżące przygotowanie do zajęć i aktywność • U1: ustne zaliczenie +++, projekt i prezentacja ++, bieżące przygotowanie do zajęć i aktywność • U2: ustne zaliczenie +++, projekt i prezentacja ++, bieżące przygotowanie do zajęć i aktywność • K1: ustne zaliczenie +++, projekt i prezentacja ++, bieżące przygotowanie do zajęć i aktywność • K2: ustne zaliczenie +++, projekt i prezentacja ++, bieżące przygotowanie do zajęć i aktywność |
Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)
Okres: | 2023-10-01 - 2024-02-19 |
Przejdź do planu
PN WT ŚR CZ PT CW
WYK
|
Typ zajęć: |
Ćwiczenia, 15 godzin
Wykład, 10 godzin
|
|
Koordynatorzy: | Marcin Stawarz | |
Prowadzący grup: | Marcin Stawarz | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Egzamin
Ćwiczenia - Zaliczenie na ocenę Wykład - Egzamin |
|
Skrócony opis: |
Przedmiot ma na celu zapoznanie z narzędziami wykorzystywanymi do analizy danych biznesowych. Student po ukończeniu przedmiotu będzie miał praktyczną wiedzę w jaki sposób analizować dane pochodzące z różnych systemów oraz obszarów działalności przedsiębiorstwa. Zdobyta podczas zajęć wiedza oraz umiejętności praktyczne przygotują studenta do prowadzenia badań analitycznych przy wykorzystaniu odpowiednich narzędzi informatycznych oraz podejmowania racjonalnych decyzji biznesowych w oparciu o przeprowadzone analizy. |
|
Pełny opis: |
1. Omówienie oprogramowania wykorzystywanego do analizy danych, np. KNIME. 2. Wczytywanie danych z różnych źródeł. 3. Transformacja i czyszczenie danych. 4. Eksploracja danych i techniki data mining. 5. Wykorzystanie metod uczenia maszynowego. 6. Przygotowywanie analiz i raportów. 7. Wizualizowanie wyników przeprowadzonych analizy. 8. Automatyzacja procesu tworzenia analiz. 9. Udostępnianie stworzonych raportów i analiz innym użytkownikom. |
|
Literatura: |
• Provost F., Fawcett T., Analiza danych w biznesie. Sztuka podejmowania skutecznych decyzji, Onepress, 2014 • Foreman J. W., Mistrz analizy danych. Od danych do wiedzy, Helion. 2017 • Croll A., Yoskovitz B., Metoda Lean Analytics. Zbuduj sukces startupu w oparciu o analizę danych, Helion, 2014 • De Mauro A., Data Analytics Made Easy, Packt Publishing, 2021 • Witryny internetowe producentów oprogramowania |
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.