Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Studia przypadków

Informacje ogólne

Kod przedmiotu: 1000-AD-StudPrzyp
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Studia przypadków
Jednostka: Wydział Matematyki i Informatyki
Grupy: Analiza danych-przedmiot do wyboru
Inf., II st, stacjonarne, przedmioty do wyboru
Punkty ECTS i inne: 3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Wymagania wstępne:

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

Całkowity nakład pracy studenta:

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)


Efekty uczenia się - wiedza:

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).


Efekty uczenia się - umiejętności:

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).


Efekty uczenia się - kompetencje społeczne:

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).


Metody dydaktyczne poszukujące:

- giełda pomysłów
- laboratoryjna
- studium przypadku

Skrócony opis:

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

Pełny opis:

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:

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

Metody i kryteria oceniania:

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

Zajęcia w cyklu "Semestr letni 2022/23" (zakończony)

Okres: 2023-02-20 - 2023-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Koordynatorzy: Joanna Karłowska-Pik
Prowadzący grup: Maria Knorps
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-20 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Koordynatorzy: Maria Knorps
Prowadzący grup: Maria Knorps
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres: 2025-02-24 - 2025-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.1.0-2 (2024-11-25)