Studia przypadków

Student powinien dysponować wiedzą z zakresu eksploracji danych i uczenia maszynowego oraz dobrze posługiwać się językami programowania R i Python.

1. Godziny realizowane z udziałem nauczycieli:

a. laboratorium – 30 godzin,

b. bieżące przygotowanie do zajęć, w tym rozwiązywanie zadań zleconych przez prowadzących, zapoznanie się z informacją zwrotną dotyczącą rozwiązanych zadań oraz konsultacje z prowadzącymi zajęcia – 20 godzin.

2. Czas poświęcony na pracę indywidualną studenta/słuchacza/uczestnika kursu potrzebny do pomyślnego zaliczenia przedmiotu:

a. studiowanie literatury – 10 godzin,

b. zapoznanie się z materiałami dodatkowymi, m.in. dokumentacją bibliotek i pakietów – 5 godzin,

c. wykonanie zadań/projektów zaliczeniowych – 15 godzin.

Razem: 80 h (3 pkt. ECTS)

W01: Zna etapy realizacji projektu z zakresu eksploracji danych (K_W03).

W02: Rozumie potrzebę wstępnego przygotowania danych i sprawdzenia ich poprawności (K_W03, K_W04).

W03: Ma poszerzoną wiedzę z zakresu budowy modeli dla różnego typu danych (K_W05-K_W09).

W04: Zna narzędzia informatyczne oraz języki programowania stosowane w analizie danych rzeczywistych, w tym także dużych zbiorów danych (K_W10-K_W12).

W05: Rozumie potrzebę oceny jakości modelu, zna metody oceny jakości modeli (K_W01, K_W03).

U01: Potrafi przygotować dane i ocenić ich jakość (KU_04-K_U05).

U02: Potrafi dobrać odpowiednie techniki modelowania do postawionego problemu i rodzaju danych (K_U06-K_U12).

U03: Potrafi dobrać odpowiednie narzędzie pracy: program, język programowania, do postawionego problemu i wybranych metod budowy modeli (K_U13-K_U17).

U04: Potrafi pracować w grupie i organizować jej pracę, jest przy tym terminowy i zorganizowany (K_U18).

K01: Potrafi odnaleźć się w sytuacji praktycznej i dla siebie nowej (K_K04).

K02: Myśli twórczo i jest w stanie zaproponować kreatywne podejście do postawionego problemu (K_K01).

K03: Jest komunikatywny, potrafi porozumieć się z innymi osobami, tak specjalistami jak i laikami, by zrozumieć stawiany mu problem oraz przedstawić wyniki swojej pracy (K_K05).

K04: Przestrzega prawa własności intelektualnej w zakresie przekazywanych mu do analizy danych oraz koncepcji rozwiązań (K_K07).

- giełda pomysłów
- laboratoryjna
- studium przypadku

Przedmiot ma rys praktyczny. Polega na analizie przypadków proponowanych przez ekspertów zewnętrznych – osób pracujących na co dzień z danymi.

Przedmiot koncentruje się na aspektach praktycznych pracy z danymi i zakłada analizę dwóch-trzech przykładów rzeczywistych projektów analitycznych przedstawionych przez praktyków lub realizację projektu zaproponowanego przez prowadzącego zajęcia eksperta zewnętrznego. Dzięki temu student będzie miał możliwość zmierzenia się z sytuacjami podobnymi do pracy zawodowej, gdzie mogą być stawiane przed nim różnego typu zadania. Zakłada pracę w niewielkich zespołach utworzonych przez studentów.

Literatura podstawowa:

- W. McKinney: Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska IPython. Helion, 2018.

- P. Biecek: Przewodnik po pakiecie R. http://biecek.pl/r/przewodnikpopakiecierwydanieiiiinternet.pdf

Przedłużona obserwacja - kryterium zaliczenia ustala prowadzący na początkowych zajęciach: K01-K02

Zadania/projekty zlecone przez prowadzących - kryterium zaliczenia ustala prowadzący na początkowych zajęciach: W01-W05, U01-U04, K03-K04