Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Narzędzia eksploracji danych

Informacje ogólne

Kod przedmiotu: 1000-MS1-NaEkDan
Kod Erasmus / ISCED: (brak danych) / (0541) Matematyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Narzędzia eksploracji danych
Jednostka: Wydział Matematyki i Informatyki
Grupy: Matematyka stosowana, 2 rok, studia I stopnia
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:

Podstawowa umiejętność posługiwania się komputerem.

Całkowity nakład pracy studenta:

Liczba godzin kontaktowych (laboratorium): 30 godzin

Praca indywidualna: zadania do samodzielnego rozwiązania: 30 h

Przygotowanie do zaliczenia: 15 h

Razem: 75 godzin (3 punkty ECTS)


Efekty uczenia się - wiedza:

NED_W1: Zna przynajmniej trzy programy służące do wykonywania analiz i obliczeń statystycznych. (K_W07)

NED_W2: Posiada podstawową wiedzę na temat pracy z różnymi zbiorami danych z wykorzystaniem wybranych pakietów statystycznych. (K_W05, K_W07)

Efekty uczenia się - umiejętności:

NED_U1: Potrafi wyszukać i wykorzystać w pracy i nauce dostępne darmowe oprogramowanie statystyczne. (K_U03)

NED_U2: Potrafi importować, formatować i przekształcać zbiory danych na potrzeby wybranego oprogramowania. (K_U03)

Efekty uczenia się - kompetencje społeczne:

NED_K1: Myśli twórczo, właściwie posługuje się terminologią fachową. (K_K02)

NED_K2: Potrafi pozyskać informacje z literatury, Internetu oraz umiejętnie korzystać z plików pomocy dostarczonych do wybranych pakietów statystycznych. (K_K03)


Metody dydaktyczne:

laboratoryjna

Metody dydaktyczne podające:

- wykład konwersatoryjny

Metody dydaktyczne poszukujące:

- laboratoryjna

Skrócony opis:

Celem zajęć jest zapoznanie studentów z podstawami pracy

w różnych programach służących do statystycznej analizy danych, wspomagających pracę matematyka.

Pełny opis:

1. Zapoznanie z popularnymi narzędziami służącymi do analiz

i obliczeń statystycznych.

2. Tworzenie zbiorów danych, praca z przykładowymi zbiorami danych.

3. Import zbiorów danych z plików różnych formatów.

4. Transformacje zmiennych

a. przekształcanie,

b. rekodowanie.

5. Przekształcanie zbiorów danych

a. restrukturyzacja danych,

b. kategoryzacja danych,

c. agregacja danych,

d. łączenie danych,

e. wybór obserwacji, sortowanie, replikacja,

f. analiza danych w podgrupach.

6. Elementy języka poleceń (komendy) w IBM SPSS Statistics.

7. Struktury danych w R: wektory, macierze, listy, ramki danych.

8. Praca z pakietami R: instalacja, ładowanie do pamięci, praca z funkcjami i zbiorami danych dołączonych do pakietów.

9. Elementy programistyczne w R:

a. funkcje,

b. pętle,

c. instrukcje warunkowe.

Powyższe tematy będą realizowane w oparciu o co najmniej dwa narzędzia typu open source, w tym: środowisko programistyczne R (tematy nr 1-9), narzędzie z interfejsem opartym na przepływach zbudowanych z użyciem węzłów np. KNIME (tematy nr 1-5) oraz jedno narzędzie komercyjne, np. IBM SPSS Statistics (tematy nr 1-6), służące do wykonywania analiz i obliczeń statystycznych.

Literatura:

Przemysław Biecek, Przewodnik po pakiecie R, Oficyna Wydawnicza GiS, Wrocław, 2011.

Joseph Adler, R in a Nutshell, O’Reilly Media, 2010.

Knime Online Self-Training: https://www.knime.org/knime-online-self-training, data dostępu: 16.11.2021 r.

Learn RapidMiner: https://rapidminer.com/getting-started-central/, data dostępu: 16.11.2021 r.

Jarosław Górniak, Janusz Wachnicki, Pierwsze kroki w analizie danych. SPSS Polska Sp. z o. o., Kraków, 2010.

Metody i kryteria oceniania:

Laboratorium kończy się zaliczeniem, które jest wystawiane na podstawie dwóch kolokwiów (w formie testów na Moodle), sprawdzających następujące efekty kształcenia: NED_W1, NED_W2, NED_U1, NED_U2, NED_K1, NED_K2.

Praktyki zawodowe:

Nie dotyczy

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

Okres: 2021-10-01 - 2022-02-20
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Koordynatorzy: Agnieszka Goroncy
Prowadzący grup: Agnieszka Goroncy
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie
Laboratorium - Zaliczenie
Uwagi:

Oprogramowanie konieczne do pracy na zajęciach:

1. PS IMAGO PRO (licencja UMK)

2. środowisko R (https://www.r-project.org/)

3. KNIME (https://www.knime.com/)

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

Okres: 2022-10-01 - 2023-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 18 miejsc więcej informacji
Koordynatorzy: Agnieszka Goroncy
Prowadzący grup: Agnieszka Goroncy
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie
Laboratorium - Zaliczenie
Uwagi:

Oprogramowanie konieczne do pracy na zajęciach:

1. PS IMAGO PRO (licencja UMK)

2. środowisko R (https://www.r-project.org/)

3. KNIME (https://www.knime.com/)

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

Okres: 2023-10-01 - 2024-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Koordynatorzy: Agnieszka Goroncy
Prowadzący grup: Adrian Falkowski, Agnieszka Goroncy
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie
Laboratorium - Zaliczenie
Uwagi:

Oprogramowanie konieczne do pracy na zajęciach:

1. PS IMAGO PRO (licencja UMK)

2. środowisko R (https://www.r-project.org/)

3. KNIME (https://www.knime.com/)

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 USOSweb 7.0.2.0-1 (2024-03-12)