Warunki zaliczenia wykładu obowiązują takie same jak w ogólnych warunkach zaliczenia wykładu.
Warunkiem zaliczenia ćwiczeń jest:
- 5 zgłoszonych w terminie linków do sprawozdań z przygotowania do ćwiczenia;
- 5 zgłoszonych w terminie linków do sprawozdań z wykonanego ćwiczenia;
- co najmniej 4 pozytywnych ocen z odbytych ćwiczeń laboratoryjnych;
- obecność na ćwiczeniach;
- przekazanie płyty CD zawierającej wszystkie przygotowania do zajęć oraz wszystkie prace w formie gotowych sprawozdań, filmów czy prezentacji (nie linków).
W przypadku nieobecności należy odrobić dane ćwiczenie poprzez aktywny udział w zajęciach dotyczących tego samego ćwiczenia ale innej grupy. By odrobić zajęcia z inną grupą należy:
uzyskać zgodę prowadzącego;
sprawdzić czy jest dostępna ilość miejsca w sali.
Informacje dotyczące formy realizacji sprawozdań zostały umieszczone na forum.
Karta (sylabus) przedmiotu (Studia II stopnia)
| Przedmiot: |
Systemy analizy i prezentacji danych |
| Rodzaj przedmiotu: |
Moduł obieralny |
| Kod przedmiotu: |
B1 |
| Rok: |
I |
| Semestr: |
II |
| Forma studiów: |
studia stacjonarne |
| Rodzaj zajęć i liczba godzin w semestrze: |
45 |
| Wykład |
30 |
| Ćwiczenia |
15 |
| Laboratorium |
– |
| Projekt |
– |
| Liczba punktów ECTS: |
3 |
| Sposób zaliczenia: |
zaliczenie |
| Język wykładowy: |
język polski |
| Cel przedmiotu |
| C1 |
Przekazanie wiedzy i umiejętności z zakresu tworzenia i wdrażania systemów BI. |
| C2 |
Zapoznanie z metodyką tworzenia kostek danych w systemach OLAP. |
| C3 |
Przekazanie wiedzy i umiejętności dotyczącej analizy i prezentacji danych. |
| Wymagania wstępne w zakresie wiedzy, umiejętności i innych kompetencji |
| 1 |
Znajomość zagadnień z zakresu systemów bazodanowych. |
| 2 |
Wiedza i umiejętności dotyczące posługiwania się systemami BI z wykorzystaniem komputera. |
| Efekty kształcenia |
| |
W zakresie wiedzy: |
| EK 1 |
Posiada wiedzę niezbędną do analizy danych pochodzących z różnych źródeł, wykorzystując do tego odpowiednie narzędzia programowe BI, w tym z wykorzystaniem technologii OLAP to tego przeznaczonych. |
| EK 2 |
Zna podstawowe metody statystyczne oraz metody sztucznej inteligencji, niezbędne do analiz danych biznesowych czy produkcyjnych i potrafi je wykorzystywać do rozwiązywania zadań. |
| EK 3 |
Posiada wiedzę na temat teorii systemów BI. |
| |
W zakresie umiejętności: |
| EK4 |
Potrafi zainstalować i skonfigurować wybrane bazy danych i systemy BI. |
| EK5 |
Umie opracowywać odpowiednie wnioski i raporty w celu wspomagania decyzji menadżerskich. |
| EK6 |
Potrafi wprowadzać dane i je analizować z wykorzystaniem programów informatycznych BI |
| |
W zakresie kompetencji społecznych: |
| EK7 |
Potrafi pracować w grupie i rozumie potrzebę uczenia się przez całe życie. |
| EK8 |
Jest praktycznie przygotowany do realizowania zadań zawodowych (inżynierskich, dydaktycznych, wychowawczych i opiekuńczych) wynikających z roli nauczyciela techniki i informatyki |
| Treści programowe przedmiotu |
| Forma zajęć – wykład |
|
Treści programowe |
| W1 |
Zapoznanie z programem przedmiotu. Architektura fizyczna systemu BI: warstwa bazy danych, aplikacji i klienta. Systemy źródłowe: pliki płaskie, transakcyjne bazy danych MS SQL, inne systemy Insert. Źródła danych, obiekty informacji, cechy i atrybuty informacji, hierarchiczność informacji. |
| W2 |
Infrastruktura informatyczna dla analizy i wizualizacji danych – podstawy systemów klasy Business Intelligence, hurtowni danych, usług analitycznych i OLAP. Metody analizy danych: statystyczne, eksploracyjne i inne. |
| W3 |
Wczytywanie danych liczbowych z różnych źródeł. Filtrowanie danych. Wydobywanie informacji z danych. Obliczanie podstawowych statystyk dla danych liczbowych. |
| W4 |
Środki techniczne i programowe tworzenia prezentacji danych. Konstrukcja drzew klasyfikacyjnych w Insert GT. Kryterium maksymalnego zysku informacyjnego. Kostka danych. |
| W5 |
Zadania eksploracji danych: klasyfikacja, grupowanie, predykcja. Przykłady zastosowań i rozwiązań w zarządzaniu relacjami z klientami-CRM. |
| W6 |
Istota i cel tworzenia raportów oraz zalety rozmaitych technik prezentacji wyników pomiarów. Prezentacja danych liczbowych i tworzenie raportów. Schematy blokowe. Analiza scenariuszowa (Scenariusze oraz analiza Co jeśli?) w systemie CRM Insert GT. |
| W7 |
Wyszukiwanie w internecie i Web semantics, wywiad gospodarczy, autentyfikacja biometryczna, systemy wczesnego ostrzegania, systemy agentowe. |
| W8 |
Wizualna prezentacja danych. Dobór formy prezentacji do celu (trendy, różnice, związki). Sporządzanie wykresów danych. Tworzenie kombinacji wykresów. Wizualizacja danych za pomocą histogramów w Insert GT. |
| W9 |
Hurtownia danych OLAP jako narzędzie analizy i wizualizacji danych pochodzących z systemów transakcyjnych Insert GT. |
| W10 |
Tabele i raporty przestawne. Pola obliczeniowe w tabelach przestawnych. Grupowanie i filtrowanie danych, zmiana typu obliczeń. Tworzenie wykresów przestawnych, zmiana układu i typu wykresu. Funkcje finansowe, statystyczne, daty i czasu do analizy danych. Tworzenie zaawansowanych formuł, przetwarzanie informacji z zewnętrznych źródeł danych. |
| W11 |
Techniki prezentacji danych jednowymiarowych i wielowymiarowych. Typy grafik prezentacyjnych. Sposoby prezentacji graficznej danych wielowymiarowych na płaszczyźnie. |
| W12 |
Prezentacja rozkładów badanych cech: wykresy kwantyl-kwantyl, dystrybuanta-dystrybuanta. Wykresy pudełkowe. Wykresy typu Stem and leaf. Wykresy symboliczne. Krzywe Andrewsa. Wykresy korelacyjne. Wykresy punktowe: analiza głównych składowych. Metody skalowania wielowymiarowego. Metoda współrzędnych dyskryminacyjnych. Wykres podwójny. Wykresy rozproszenia. |
| W13 |
Statystyczne metody analizy danych: Analiza wariancji (ANOVA – analysis of variance), jednoczynnikowa analiza wariancji, analiza regresji – liniowej i nieliniowej, analiza skupień, analiza korelacji, analiza dyskryminacyjna , analiza szeregów czasowych, analiza kanoniczna, analiza danych przy użyciu metody resampling’u. |
| W14 |
Eksploracyjne metody analizy danych. Podstawowe metody i narzędzia eksploracji danych: analiza dyskryminacyjna, regresja logistyczna, sieci neuronowe: wielowarstwowy perceptron, Kohonena, Hamminga, drzewa decyzyjne, rozmyta analiza skupień, metody ewolucyjne. |
| W15 |
E-commerce, prowadzenie analiz i interpretacja danych inwestycyjnych. Analiza decyzyjna (drzewa decyzyjne), generowania ekspertyz i wspomaganie decyzji ekonomicznych. Szeregi rozdzielcze. Testy zgodności. Analiza wariancji w procedurach eksploracyjnych. Zaliczenie przedmiotu. |
| Treści programowe przedmiotu |
| Forma zajęć – ćwiczenia |
|
Treści programowe |
| ĆW1 |
Zapoznanie z instrukcją BHP. Ćwiczenie umiejętności analizy danych w systemie BI: warstwa bazy danych (MS SQL) – Instalacja, konfiguracja i obsługa. |
| ĆW2 |
Ćwiczenie analizy danych liczbowych z różnych źródeł do systemu BI: warstwa aplikacji (Insert GT) – Instalacja, konfiguracja i obsługa. |
| ĆW3 |
Ćwiczenie eksploracji danych: klasyfikacja, grupowanie, predykcja w zarządzaniu relacjami z klientami – CRM. |
| ĆW4 |
Ćwiczenie prezentacji danych z systemu BI: warstwa klienta (OLAP-Analityk) – Instalacja, konfiguracja i obsługa. |
| ĆW5 |
Sporządzanie wykresów danych (trendy, różnice, związki), wizualizacja danych za pomocą histogramów w Insert GT. |
| ĆW6 |
Ćwiczenie w tworzeniu tabel i raportów przestawnych – wykorzystanie kostki danych w Excelu. |
| ĆW 7 |
Ćwiczenie w grupowaniu i filtrowaniu danych tabel i wykresów przestawnych – zmiana układu i typu wykresu w Excelu. |
| ĆW 8 |
Zaliczenie. |
| Metody dydaktyczne |
| 1 |
Wykład z prezentacją multimedialną |
| 2 |
Praca z instrukcją elektroniczną przy komputerze |
| 3 |
Pokaz komputerowy |
| Obciążenie pracą studenta |
| Forma aktywności |
Średnia liczba godzin na zrealizowanie
aktywności |
| Godziny kontaktowe z wykładowcą, w tym: |
45 |
| Udział w wykładach |
30 |
| Udział w ćwiczeniach |
15 |
| Praca własna studenta, w tym: |
30 |
| Przygotowanie do ćwiczeń |
25 |
| Konsultacje |
5 |
| Łączny czas pracy studenta |
75 |
| Sumaryczna liczba punktów ECTS dla przedmiotu: |
3 |
| Liczba punktów ECTS w ramach zajęć o charakterze praktycznym (ćwiczenia, laboratoria, projekty) |
1 |
| Literatura podstawowa |
| 1 |
Morzy T., Eksploracja danych; Metody i algorytmy, Warszawa, PWN, 2013. |
| 2 |
Larose Daniel T., Metody i modele eksploracji danych, Warszawa: PWN, 2012. |
| 3 |
Jelen Bill, Michael Alexander, Microsoft Excel 2007 PL: analiza danych za pomocą tabel przestawnych, Gliwice, Helion, 2011. |
| Literatura uzupełniająca |
| 1 |
Walkenbach John, Michael Alexander, Analiza i prezentacja danych w Microsoft Excel. Vademecum Walkenbacha, Helion, Gliwice, 2011 |
| 2 |
Biecek Przemysław, Analiza danych z programem R, Warszawa, PWN 2013 |
| Macierz efektów kształcenia |
Efekt
kształcenia |
Odniesienie danego efektu kształcenia do efektów zdefiniowanych dla całego programu (PEK) |
Cele
przedmiotu |
Treści
programowe |
Metody dydaktyczne |
Metody oceny |
| EK 1 |
ETI2A_W07 |
C1, |
W1-3, ĆW1 |
1, 3 |
O1, O2 |
| EK 2 |
ETI2A_W07 |
C1, C2, C3 |
W5, ĆW3-6 |
1, 2 |
O1, O2 |
| EK 3 |
ETI2A_W07 |
C1, C2 |
W4, ĆW3-7 |
1, 2 |
O1, O2 |
| EK 4 |
ETI2A_U18 |
C1, C2, C3 |
ĆW1-2, |
2 |
O2 |
| EK 5 |
ETI2A_U18
ETI2A_U19 |
C1, C2, C3 |
W5-14, ĆW1-7 |
1, 2, 3 |
O1, O2 |
| EK 6 |
ETI2A_U18 |
C1, C2, C3 |
W9-12, ĆW2-7 |
1, 2 |
O2 |
| EK 7 |
ETI2A_K03, ETI2A_K02 |
C1, C2, C3 |
W1-14, ĆW1-7 |
1, 2 |
O1, O2 |
| EK 8 |
ETI2A_K06 |
C1, C2, C3 |
W1-14, ĆW1-7 |
1, 2 |
O1, O2 |
| Metody i kryteria oceny |
| Symbol metody oceny |
Opis metody oceny |
Próg zaliczeniowy |
| O1 |
Kolokwium podczas wykładu |
100% |
| O2 |
Ćwiczenia programowe |
100% |
| Autor programu: |
Dr Robert Lis |
| Adres e-mail: |
robert.lis@pollub.pl |
| Jednostka organizacyjna: |
Katedra Metod i Technik Nauczania |