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

Analiza hurtowni danych

Informacje ogólne

Kod przedmiotu: 1000-MS1-AnHurtDan Kod Erasmus / ISCED: (brak danych) / (0613) Tworzenie i analiza oprogramowania i aplikacji
Nazwa przedmiotu: Analiza hurtowni danych
Jednostka: Wydział Matematyki i Informatyki
Grupy:
Punkty ECTS i inne: 3.00
Język prowadzenia: polski
Wymagania wstępne:

* Znajomość realcyjnych baz danych,

* posługiwanie się językiem SQL,

* programowanie w języku Python

Rodzaj przedmiotu:

przedmiot obowiązkowy

Całkowity nakład pracy studenta:

Godziny realizowane z udziałem nauczycieli: 40h (w tym 10h konsultacji)

Czas poświęcony na pracę indywidualną studenta: 30h

Czas wymagany do przygotowania się do uczestnictwa w procesie oceniania: 10h

Razem: 80h (3p. ECTS)

Efekty uczenia się - wiedza:


W1. Ma wiedzę w zakresie teorii, budowy i działania hurtowni danych, przetwarzania OLAP oraz eksploracji danych - K_W05

W2. Zna podstawowe metody obliczeniowe stosowane do rozwiązywania typowych problemów analitycznych z wykorzystaniem systemów hurtowni danych - K_W05, K_W06

W3. Zna zasady projektowania hurtowni danych oraz procesu zasilania hurtowni danych - K_W05

W4. Zna na poziomie podstawowym przynajmniej jedno narzędzie do tworzenia i analizy hurtowni danych - K_W05

W5. Ma podstawową wiedzę na temat języka MDX - K_W05



Efekty uczenia się - umiejętności:

U1. Umie zaprojektować prostą hurtownię danych z wykorzystaniem modelu gwiazdy i płatka śniegu, potrafi zaprojektować proces jej zasilania, - K_U01

U2. Potrafi korzystać z wybranego systemu hurtowni danych w zakresie tworzenia hurtowni, jej zasilania oraz przetwarzania zgromadzonych danych, - K_U03

U3. Potrafi zaprojektować raport analityczny w oparciu o dane zgromadzone w hurtowni danych. - K_U01, K_U03

U4. Potrafi przeprowadzić prostą eksplorację danych z wykorzystaniem analitycznego narzędzia informatycznego. - K_U01, K_U03

U5. Potrafi formułować zapytania analityczne w języku MDX - K_U01, K_U03, K_U18


Efekty uczenia się - kompetencje społeczne:

1. Myśli twórczo w celu udoskonalenia istniejących bądź stworzenia nowych rozwiązań. - K_K01

2. Zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia - K_K04

3. Potrafi samodzielnie wyszukiwać informacje w literaturze, także w językach obcych; umie zintegrować zdobytą wiedzę i umiejętności; - K_K04

4. rozumie znaczenie matematyki i informatyki w różnych sferach życia i gospodarki - K_K05


Metody dydaktyczne:

Metoda podawcza, studium przypadku, metoda laboratoryjna

Metody dydaktyczne podające:

- wykład konwersatoryjny
- wykład problemowy

Metody dydaktyczne poszukujące:

- laboratoryjna
- studium przypadku

Metody dydaktyczne w kształceniu online:

- metody odnoszące się do autentycznych lub fikcyjnych sytuacji

Skrócony opis:

Celem przedmiotu jest przedstawienie podstaw teoretycznych z dziedziny hurtowni danych oraz umożliwienie praktyki w zakresie przetwarzania danych z wykorzystaniem hurtowni danych, w tym przetwarzania analitycznego oraz eksploracji danych.

Pełny opis:

W ramach przedmiotu omówione zostaną następujące tematy:

- Wprowadzenie do hurtowni danych, cechy, zastosowanie w różnych rodzajach analiz (KDD, BI, DM, DS)

- Wielowarstwowe modele danych (kostki OLAP, modele gwiazd, płatków śniegu, konstelacji)

- Problematyka projektowania hurtowni i materializowania agregacji

- Wykorzystanie narzędzi rozproszonej analizy danych w oparciu o Apache Spark

Literatura:

[1] M. Russo, "Kompletny przewodnik po DAX : analiza biznesowa przy użyciu Microsoft Excel, SQL Server analysis services i Power BI", Warszawa, APN Promise, 2016

[2] M. Wrzesień, "Hurtownie danych w Microsoft SQL Server", Rzeszów, Wyższa Szkoła Informatyki i Zarządzania, 2014

[3] R. Rad, "Microsoft SQL Server 2012 integration services : an expert cookbook", Birmingham, Packt Pub., 2012

[4] J. Krishnaswamy, "Learning SQL Server 2008 Reporting Services", Birmingham, Packt Pub., 2009

[5] S. Harinath, "Professional Microsoft SQL Server Analysis Services 2008 with MDX", Indianapolis, Wrox Press/Wiley Pub., ©2009.

[6] A. Pelikant, "Hurtownie danych : od przetwarzania analitycznego do raportowania", Gliwice, Helion, 2011

Metody i kryteria oceniania:

Zaliczenie odbywa się w formie egzaminu ustnego.

Zajęcia w cyklu "Semestr zimowy 2019/20" (zakończony)

Okres: 2019-10-01 - 2020-02-28
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Wykład, 30 godzin, 50 miejsc więcej informacji
Koordynatorzy: Piotr Wiśniewski
Prowadzący grup: Piotr Wiśniewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Wykład - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr zimowy 2020/21" (zakończony)

Okres: 2020-10-01 - 2021-02-21
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Wykład, 30 godzin, 50 miejsc więcej informacji
Koordynatorzy: Piotr Wiśniewski
Prowadzący grup: Piotr Wiśniewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Wykład - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr zimowy 2021/22" (w trakcie)

Okres: 2021-10-01 - 2022-02-20
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Wykład, 30 godzin, 50 miejsc więcej informacji
Koordynatorzy: Piotr Wiśniewski
Prowadzący grup: Piotr Wiśniewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Wykład - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.