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 * znajomość języka Python lub R |
Rodzaj przedmiotu: | przedmiot obowiązkowy |
Całkowity nakład pracy studenta: | Uczestnictwo w zajęciach: 30h Rozwiązywanie zadań pod nadzorem nauczyciela: 20h Czas poświęcony na pracę indywidualną studenta: 25h Czas wymagany do przygotowania się do uczestnictwa w procesie oceniania: 10h Razem: 85h (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 |
Metody dydaktyczne poszukujące: | - laboratoryjna |
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 wolnego oprogramowania do budowy hurtowni danych i raportowania - Hurtownie danych z wykorzystaniem narzędzi firmy Microsoft |
Literatura: |
[1] A. Chodkowska-Gyurics, "Hurtownie danych. Teoria i praktyka", Warszawa, PWN 2014 [2] M. Russo, "Kompletny przewodnik po DAX : analiza biznesowa przy użyciu Microsoft Excel, SQL Server analysis services i Power BI", Warszawa, APN Promise, 2016 [3] M. Wrzesień, "Hurtownie danych w Microsoft SQL Server", Rzeszów, Wyższa Szkoła Informatyki i Zarządzania, 2014 [4] R. Rad, "Microsoft SQL Server 2012 integration services : an expert cookbook", Birmingham, Packt Pub., 2012 [5] J. Krishnaswamy, "Learning SQL Server 2008 Reporting Services", Birmingham, Packt Pub., 2009 [6] S. Harinath, "Professional Microsoft SQL Server Analysis Services 2008 with MDX", Indianapolis, Wrox Press/Wiley Pub., ©2009. [7] A. Pelikant, "Hurtownie danych : od przetwarzania analitycznego do raportowania", Gliwice, Helion, 2011 |
Metody i kryteria oceniania: |
Zaliczenie na podstawie wykonanego projektu i jego prezentacji. |
Praktyki zawodowe: |
Nie dotyczy |
Zajęcia w cyklu "Semestr zimowy 2021/22" (zakończony)
Okres: | 2021-10-01 - 2022-02-20 |
Przejdź do planu
PN WT WYK
ŚR CZ PT |
Typ zajęć: |
Wykład, 30 godzin, 50 miejsc
|
|
Koordynatorzy: | Piotr Wiśniewski | |
Prowadzący grup: | Piotr Wiśniewski | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Egzamin
Wykład - Zaliczenie na ocenę |
Zajęcia w cyklu "Semestr zimowy 2022/23" (zakończony)
Okres: | 2022-10-01 - 2023-02-19 |
Przejdź do planu
PN WT ŚR WYK
CZ PT |
Typ zajęć: |
Wykład, 30 godzin, 50 miejsc
|
|
Koordynatorzy: | Mateusz Topolewski | |
Prowadzący grup: | Mateusz Topolewski | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę |
Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)
Okres: | 2023-10-01 - 2024-02-19 |
Przejdź do planu
PN WT ŚR CZ WYK
PT |
Typ zajęć: |
Wykład, 30 godzin, 50 miejsc
|
|
Koordynatorzy: | Mateusz Topolewski | |
Prowadzący grup: | Mateusz Topolewski | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę |
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.