Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowaniaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Wprowadzenie do Data Science

Informacje ogólne

Kod przedmiotu: 117129-WprDataSc Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Wprowadzenie do Data Science
Jednostka: Wydział Nauk Ekonomicznych i Zarządzania
Grupy: Studia podyplomowe w zakresie "Data Science w biznesie"
Punkty ECTS i inne: 1.00
Język prowadzenia: polski
Wymagania wstępne:

Brak

Rodzaj przedmiotu:

przedmiot obowiązkowy

Całkowity nakład pracy studenta:

Godziny realizowane z udziałem nauczycieli: wykład - 6 godzin.

Czas poświęcony na pracę indywidualną studenta/słuchacza/uczestnika kursu potrzebny do pomyślnego zaliczenia przedmiotu - 10 godzin.

Czas wymagany do przygotowania się i do uczestnictwa w procesie oceniania (np. w egzaminach) - 10 godzin.

RAZEM: 26 godzin (1 punkt ECTS).


Efekty uczenia się - wiedza:

W1 – Zna główne zadania eksploracji danych: klasyfikację, grupowanie, szacowanie i prognozę – EK_W02

W2 – Zna najważniejsze metodologie eksploracji danych – EK_W03

W3 - Orientuje się w dostępnym na rynku oprogramowaniu do eksploracji danych - (EK_W10)


Efekty uczenia się - umiejętności:

U1 – Rozpoznaje zadania eksploracji danych w praktycznych

problemach biznesowych – EK_U12

U2 – Umie określić cele i efekty kolejnych etapów przynajmniej

jednej metodologii pracy z danymi – EK_U02

U3 – Umie identyfikować dane oraz ich źródła – EK_U03

Efekty uczenia się - kompetencje społeczne:

K1 – Potrafi sformułować problem eksploracji danych w sposób zrozumiały zarówno dla osób, z którymi współpracuje w tym obszarze, jak i ekspertów analityków – EK_K01


Metody dydaktyczne podające:

- wykład informacyjny (konwencjonalny)
- wykład konwersatoryjny

Skrócony opis:

Celem przedmiotu jest zapoznanie uczestników z głównymi zadaniami eksploracji danych, najważniejszymi metodologiami stosowanymi w eksploracji danych, a także podstawowymi typami danych oraz poziomami ich pomiaru.

Pełny opis:

1. Big data

2. Otwarte źródła informacji

3. Oprogramowanie

4. Eksploracja danych - definicja i przykłady zastosowań

5. Podstawowe zadania eksploracji danych (opis, klasyfikacja, regresja, prognoza, grupowanie, odkrywanie reguł).

6. Najważniejsze metodologie pracy z danymi (CRISP-DM, SEMMA, KDD, VC-DM) .

7. Podstawy pracy z danymi i ocena jakości modeli.

8. Eksploracja danych tekstowych - przykłady zastosowań.

9. Strukturyzacja danych tekstowych.

Literatura:

Literatura podstawowa:

Daniel T. Larose: ,,Odkrywanie wiedzy z danych''. Wydawnictwo Naukowe PWN, Warszawa, 2006.

Metody i kryteria oceniania:

Obecność i aktywność na zajęciach (W1, W2, W3, U1, U2, U3, K1)

Zajęcia w cyklu "Rok akademicki 2019/20" (zakończony)

Okres: 2019-10-01 - 2020-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Wykład, 6 godzin więcej informacji
Koordynatorzy: Sylwester Bejger, Joanna Karłowska-Pik, Bartosz Ziemkiewicz
Prowadzący grup: Joanna Karłowska-Pik, Bartosz Ziemkiewicz
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie
Wykład - Zaliczenie
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.