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

Statystyka i eksploracja danych

Informacje ogólne

Kod przedmiotu: 117209-M1-StatEksD Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Statystyka i eksploracja danych
Jednostka: Wydział Nauk Ekonomicznych i Zarządzania
Grupy: KD "Działania w zakresie kompetencji dot. zarządzania informacją"
Punkty ECTS i inne: 2.00
Język prowadzenia: polski
Wymagania wstępne:

Podstawowa umiejętność posługiwania się programem IBM SPSS Statistics.

Całkowity nakład pracy studenta:

Liczba godzin kontaktowych: 30 godzin

Praca indywidualna uczestnika: 70 godzin

Samodzielne uczenie się i odrabianie zadań domowych: 35 godzin

Przygotowanie projektu zaliczeniowego: 15 godzin.



Efekty uczenia się - wiedza:

SiED-W01 Zna najważniejsze narzędzia statystyki matematycznej, w tym konstrukcję przedziałów ufności oraz testy parametryczne i nieparametryczne

SiED -W02 Zna przykładowe algorytmy eksploracji danych służące do klasyfikacji, szacowania i grupowania.

SiED-W03 Orientuje się w dostępnym na rynku oprogramowaniu do statystyki i eksploracji danych.


Efekty uczenia się - umiejętności:

SiED-U01 Umie zbudować przedział ufności oraz zastosować test statystyczny adekwatny do danego problemu i zbioru danych.

SiED-U02 Umie zaproponować odpowiednie algorytmy eksploracji danych do konkretnego zagadnienia, w tym klasyfikacji, grupowania i szacowania, oraz wyselekcjonować z ich użyciem najlepszy model.

SiED-U03 Umie posługiwać się w stopniu co najmniej podstawowym przynajmniej jednym programem do statystyki i eksploracji danych.


Efekty uczenia się - kompetencje społeczne:

SiED-K01 Rozumie potrzebę pozyskiwania wiedzy w oparciu o dane.

SiED-K02 Potrafi formułować problemy z zakresu statystyki i eksploracji danych w sposób zrozumiały zarówno dla ekspertów jak i dla studentów.

SiED-K03 Potrafi dostrzec zagadnienia związane ze statystyką i eksploracją danych w nauczanych przez siebie przedmiotach oraz wspomóc studentów w doborze odpowiednich metod i algorytmów.


Metody dydaktyczne:

Metoda laboratoryjna.

Metody dydaktyczne podające:

- wykład informacyjny (konwencjonalny)
- wykład problemowy

Metody dydaktyczne poszukujące:

- laboratoryjna

Skrócony opis:

Przedmiot ma na celu zapoznanie uczestników z podstawowymi narzędziami statystyki matematycznej oraz technikami eksploracji danych z zakresu klasyfikacji, szacowania oraz grupowania.

Pełny opis:

Realizowane tematy:

1. Podstawy pracy z danymi: wczytywanie, przekształcanie, rekodowanie (2h).

2. Statystyka opisowa (3h).

3. Przedziały ufności dla wartości oczekiwanej (2h).

4. Testy średnich (3h).

5. Testy nieparametryczne, w tym testowanie normalności rozkładu (3h).

6. Regresja liniowa jednej i wielu zmiennych, ocena jakości szacowania (4h).

7. Regresja logistyczna, ocena jakości klasyfikacji (3h).

8. Drzewa klasyfikacyjne CRT (4h).

9. Sieci neuronowe (4h).

10. Algorytm k średnich (2h).

Literatura:

1. Jacek Koronacki, Jan Mielniczuk: ,,Statystyka dla studentów kierunków technicznych i przyrodniczych’’. WNT, Warszawa, 2004.

2. David J. Sheskin: ,,Handbook of Parametric and Nonparametric Statistical Procedures’’, CRC Press, 2011.

3. Andy Field: ,,Discovering Statistics Using IBM SPSS Statistics’’, Sage Publications, 2013.

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

5. Daniel T. Larose: ,,Metody i modele eksploracji danych''. Wydawnictwo Naukowe PWN, Warszawa, 2012.

6. Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani: ,,An Introduction to Statistical Learning with Applications in R''. IV Edition. Springer, 2014 (dostępne na stronie http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Fourth%20Printing.pdf).

7. Trevor Hastie, Robert Tibshirani, Jerome Friedman: ,,The Elements of Statistical Learning''. Springer, 2009 (dostępne na stronie http://statweb.stanford.edu/~tibs/ElemStatLearn/).

Metody i kryteria oceniania:

Uczestnictwo w zajęciach, projekt zaliczeniowy.

Zajęcia w cyklu "Rok akademicki 2017/18" (zakończony)

Okres: 2017-10-01 - 2018-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Ćwiczenia, 30 godzin więcej informacji
Koordynatorzy: Agnieszka Goroncy, Robert Karaszewski
Prowadzący grup: Adrian Falkowski, Agnieszka Goroncy, Mateusz Topolewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie
Ćwiczenia - Zaliczenie

Zajęcia w cyklu "Rok akademicki 2018/19" (zakończony)

Okres: 2018-10-01 - 2019-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Ćwiczenia, 30 godzin więcej informacji
Koordynatorzy: Robert Karaszewski
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie
Ćwiczenia - Zaliczenie
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.