Nicolaus Copernicus University in Torun - Central Authentication Service
Strona główna

Data Analysis

General data

Course ID: 1000-M1ADA
Erasmus code / ISCED: (unknown) / (0541) Mathematics The ISCED (International Standard Classification of Education) code has been designed by UNESCO.
Course title: Data Analysis
Name in Polish: Analiza danych
Organizational unit: Faculty of Mathematics and Computer Science
Course groups:
ECTS credit allocation (and other scores): 2.00 Basic information on ECTS credits allocation principles:
  • the annual hourly workload of the student’s work required to achieve the expected learning outcomes for a given stage is 1500-1800h, corresponding to 60 ECTS;
  • the student’s weekly hourly workload is 45 h;
  • 1 ECTS point corresponds to 25-30 hours of student work needed to achieve the assumed learning outcomes;
  • weekly student workload necessary to achieve the assumed learning outcomes allows to obtain 1.5 ECTS;
  • work required to pass the course, which has been assigned 3 ECTS, constitutes 10% of the semester student load.

view allocation of credits
Language: Polish
Prerequisites:

(in Polish) Zaliczenie przedmiotu Rachunek prawdopodobieństwa.

Type of course:

compulsory course

Total student workload:

(in Polish) - godziny realizowane z udziałem nauczycieli: 30 godz. (15 godz. wykład + 15 godz. laboratorium),

- praca własna (bieżące przygotowanie do zajęć, studiowanie literatury): 12 godz.,

- czas poświęcony na przygotowanie do zaliczenia i zaliczenie: 8 godz.

Razem: 50 godzin (2 pkt ECTS).

Learning outcomes - knowledge:

(in Polish) W1: zna podstawy rachunku prawdopodobieństwa w stopniu wystarczającym do opisu i analizy eksperymentu losowego i przeprowadzania prostego rozumowania statystycznego (K_W06),

W2: zna podstawowe metody statystyki opisowej i matematycznej, w tym zasady tworzenia wykresów statystycznych, estymacji oraz testowania hipotez parametrycznych (K_W02).

Learning outcomes - skills:

(in Polish) U1: potrafi zbudować i przeanalizować model matematyczny eksperymentu losowego (K_U21),

U2: umie posługiwać się statystycznymi charakterystykami populacji i ich odpowiednikami próbkowymi, potrafi przeprowadzić proste rozumowanie statystyczne, także z wykorzystaniem narzędzi komputerowych (K_U22).

U3: pracuje systematycznie i umie samodzielnie realizować uzgodnione cele; dotrzymuje terminów (K_U24, K_U26).

Learning outcomes - social competencies:

(in Polish) K1: jest gotów do krytycznej oceny swojej wiedzy i dalszego jej doskonalenia z wykorzystaniem różnych źródeł informacji (K_K03),

K2: jest gotów do pokonywania trudności stojących na drodze do realizacji założonego celu i systematycznej pracy nad wszelkimi projektami (K_K04).

Teaching methods:

(in Polish) Wykład informacyjny (konwencjonalny), pokaz, metoda laboratoryjna.

Observation/demonstration teaching methods:

- display

Expository teaching methods:

- informative (conventional) lecture

Exploratory teaching methods:

- laboratory

Short description: (in Polish)

Przedmiot ten może być zalecony przez komisję kwalifikacyjną jako przedmiot wyrównawczy uczestnikom studiów 2. stopnia, którzy nie osiągnęli efektów kształcenia tego przedmiotu w trakcie studiów 1. stopnia.

Celem wykładu jest elementarne wprowadzenie w problematykę analizy i eksploracji danych.

Ćwiczenia prowadzone będą w laboratorium z używaniem pakietu SPSS i programu R.

Full description: (in Polish)

Wstęp. Statystyki opisowe. Wstępna obróbka danych. Wizualizacja danych.

Elementy analizy regresji liniowej.

Klasyfikacja. Ocena jakości klasyfikacji. Algorytm k najbliższych sąsiadów.

Grupowanie, analiza skupień. Algorytm k średnich. Grupowanie hierarchiczne.

Analiza składowych głównych.

Odkrywanie reguł asocjacyjnych.

Bibliography: (in Polish)

Literatura podstawowa:

D. T. Larose, Odkrywanie wiedzy z danych. PWN, Warszawa, 2006.

Larose D. T. Metody i modele eksploracji danych. PWN, Warszawa, 2008.

Literatura uzupełniająca:

Brandt S. Analiza danych. PWN, Warszawa, 1998.

Koronacki J., Mielniczuk J. Statystyka. WNT, Warszawa, 2001.

Assessment methods and assessment criteria: (in Polish)

Zaliczenie wykładu i zaliczenie ćwiczeń.

Zaliczenie wykładu weryfikuje efekty W1, W2, U1, U2, K1.

Zaliczenie ćwiczeń weryfikuje efekty W2, U1, U2, U3, K2.

Internships: (in Polish)

Nie dotyczy.

Classes in period "Summer semester 2022/23" (past)

Time span: 2023-02-20 - 2023-09-30
Selected timetable range:
Go to timetable
Type of class:
Laboratory, 15 hours, 16 places more information
Lecture, 15 hours, 30 places more information
Coordinators: Aleksander Zaigrajew
Group instructors: Wojciech Rejchel, Aleksander Zaigrajew
Students list: (inaccessible to you)
Credit: Course - Pass/Fail
Laboratory - Pass/Fail
Lecture - Pass/Fail

Classes in period "Summer semester 2023/24" (past)

Time span: 2024-02-20 - 2024-09-30
Selected timetable range:
Go to timetable
Type of class:
Laboratory, 15 hours, 16 places more information
Lecture, 15 hours, 30 places more information
Coordinators: Aleksander Zaigrajew
Group instructors: Liliia Bozhukha, Aleksander Zaigrajew
Students list: (inaccessible to you)
Credit: Course - Pass/Fail
Laboratory - Pass/Fail
Lecture - Pass/Fail

Classes in period "Summer semester 2024/25" (in progress)

Time span: 2025-02-24 - 2025-09-20
Selected timetable range:
Go to timetable
Type of class:
Laboratory, 15 hours, 16 places more information
Lecture, 15 hours, 30 places more information
Coordinators: Aleksander Zaigrajew
Group instructors: Liliia Bozhukha, Aleksander Zaigrajew
Students list: (inaccessible to you)
Credit: Course - Pass/Fail
Laboratory - Pass/Fail
Lecture - Pass/Fail

Classes in period "Summer semester 2025/26" (future)

Time span: 2026-02-23 - 2026-09-20
Selected timetable range:
Go to timetable
Type of class:
Laboratory, 15 hours, 16 places more information
Lecture, 15 hours, 30 places more information
Coordinators: (unknown)
Group instructors: Liliia Bozhukha, Aleksander Zaigrajew
Students list: (inaccessible to you)
Credit: Course - Pass/Fail
Laboratory - Pass/Fail
Lecture - Pass/Fail
Course descriptions are protected by copyright.
Copyright by Nicolaus Copernicus University in Torun.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ contact accessibility statement site map USOSweb 7.1.1.0-7 (2025-03-24)