Nauka o danych I I-NM3O>NoD-I
Założeniem przedmiotu jest zapoznanie studentów magisterskich kierunku informatyka z podstawami teoretycznymi związanych z analizą danych oraz eksploracyjną analizą danych. Przedmiot będzie skupiał się na omówieniu metod i narzędzi wykorzystywanych do zbierania, przetwarzania i wizualizacji danych, a także na zagadnieniach związanych z analizą statystyczną i eksploracyjną danych. Studenci zdobędą wiedzę na temat podstawowych technik analizy danych oraz będą mieli możliwość praktycznego zastosowania zdobytej wiedzy w projektach badawczych i analizach danych rzeczywistych.
Koordynatorzy przedmiotu
<b>Ocena końcowa</b>
<b>Wymagania wstępne</b>
<b>Literatura podstawowa</b>
- Data Mining: Concepts and Techniques, Jiawei Han, Micheline Kamber, Jian Pei, Elsevier 2012, Third Edition
- Data Mining: The Textbook, Charu C. Aggarwal, Springer 2015
- Data Science i Uczenie Maszynowe, Marcin Szeliga, PWN, 2017
<b>Literatura uzupełniająca</b>
- Eksploracja danych, Metody u algorytmy, Morzy T., PWN, 2013
- Eksploracja danych, Hand D., Mannila H., Smyth P., Eksploracja danych, WNT, 20015
- Pattern Recognition and Classification, An Introduction , Geoff Dougherty, Springer-Verlag New York, 2013
- Semantic Processing of Legal Texts (Enrico Francesconi, Simonetta Montemagni, Wim Peters, Daniela Tiscornia edt.), Where the Language of Law Meets the Law of Language, Lecture Notes in Artificial Intelligence vol.6036, 2010
- Time Series Analysis and Its Applications: With R Examples , Robert Shumway, David S. Stoffer, Springer Texts in Statistics, 2010
- Introduction to Time Series Analysis and Forecasting , Douglas C. Montgomery,, Cheryl L. Jennings, Murat Kulahci, Wiley Series in Probability and Statistics, 2015
<b>Inne informacje</b>
Efekty kształcenia
Wiedza
Posiada rozszerzoną i pogłębioną wiedzę w zakresie niektórych działów matematyki, obejmującą elementy teorii mnogości, matematyki dyskretnej i stosowanej, w tym metody matematyczne do analizy i syntezy algorytmów przetwarzania sygnałów cyfrowych i algorytmów przetwarzania obrazu.
Powiązane efekty kierunkowe:
IF2A_W01
Metody weryfikacji:
Kolokwium:testy
Wiedza
Ma szeroką wiedzę obejmującą metody analizy i przetwarzania informacji wykorzystywane w inteligencji obliczeniowej i inżynierii wiedzy.
Powiązane efekty kierunkowe:
IF2A_W05
Metody weryfikacji:
Kolokwium:testy
Wiedza
Zna zaawansowane pojęcia i narzędzia programistyczne związane z tworzeniem grafiki komputerowej i multimedia
Powiązane efekty kierunkowe:
IF2A_W09
Metody weryfikacji:
Kolokwium:testy
Umiejętności
Posiada umiejętność pozyskiwania informacji z literatury, źródeł internetowych, baz danych oraz z innych źródeł; potrafi przy tym wykonać analizę, interpretację i filtrowanie informacji w celu wyciągnięcia wniosków i sformułowania opinii oraz wykorzystać to w zagadnieniach tworzenia systemów informatycznych.
Powiązane efekty kierunkowe:
IF2A_U01
Metody weryfikacji:
Kolokwium:testy
Umiejętności
Umie stworzyć model matematyczny w dziedzinie informatyki i dokonać analizy opisu formalnego
Powiązane efekty kierunkowe:
IF2A_U07
Metody weryfikacji:
Kolokwium:testy
Umiejętności
Potrafi efektywnie wykorzystywać różne metody eksploracji i manipulowania danymi w systemach baz danych.
Powiązane efekty kierunkowe:
IF2A_U22
Metody weryfikacji:
Kolokwium:testy
Kompetencje społeczne
Potrafi myśleć i działać w sposób kreatywny i przedsiębiorczy
Powiązane efekty kierunkowe:
IF2A_K06
Metody weryfikacji:
Sprawdzenie na zajęciach - odpowiedź ustna:na bieżąco w trakcie zajęć
Weryfikacja na podstawie sprawozdania:zadania wyk. na zajęciach i domowezadania domowe