Data Analysis
General data
Course ID: | 1000-M1ADA |
Erasmus code / ISCED: |
(unknown)
/
(0541) Mathematics
|
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
|
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 |
Go to timetable
MO TU W TH LAB
WYK
FR |
Type of class: |
Laboratory, 15 hours, 16 places
Lecture, 15 hours, 30 places
|
|
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 |
Go to timetable
MO TU W TH LAB
WYK
FR |
Type of class: |
Laboratory, 15 hours, 16 places
Lecture, 15 hours, 30 places
|
|
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 |
Go to timetable
MO TU W WYK
TH LAB
FR |
Type of class: |
Laboratory, 15 hours, 16 places
Lecture, 15 hours, 30 places
|
|
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 |
Go to timetable
MO TU W TH FR |
Type of class: |
Laboratory, 15 hours, 16 places
Lecture, 15 hours, 30 places
|
|
Coordinators: | (unknown) | |
Group instructors: | Liliia Bozhukha, Aleksander Zaigrajew | |
Students list: | (inaccessible to you) | |
Credit: |
Course -
Pass/Fail
Laboratory - Pass/Fail Lecture - Pass/Fail |
Copyright by Nicolaus Copernicus University in Torun.