Uniwersytet Marii Curie-Skłodowskiej w Lublinie - Centralny System Uwierzytelniania
Strona główna

Big Data (praktyczny)

Informacje ogólne

Kod przedmiotu: F-K.202
Kod Erasmus / ISCED: 04.201 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0410) Biznes i administracja Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Big Data (praktyczny)
Jednostka: Instytut Filozofii
Grupy: Kognitywistyka I st. przedmiot wybieralny - kurs praktyczny (sem. 6)
Punkty ECTS i inne: 0 LUB 3.00 (w zależności od programu) 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.

zobacz reguły punktacji
Język prowadzenia: polski
Wymagania wstępne:

W przypadku kursów wybieralnych:

• Kursy, których wcześniejsze zaliczenie jest

wymagane

o Programowanie (wybrany język),

o statystyka,

o systemy uczące się,

o psychologia uczenia się,

o IT extended lub relacyjne bazy danych

• sugerowane:

o cognitive modeling

o robotyka

Godzinowe ekwiwalenty punktów ECTS:

30

Sposób weryfikacji efektów kształcenia:

-Testy sprawdzające wiedzę,

-Prace zaliczeniowe,

-Prezentacje grupowe.

Pełny opis:

1. Prezentacja współczesnych zastosowań rozwiązań

klasy Business Intelligence i Big Data

2. Przedstawienie najważniejszych metod

gromadzenia, przetwarzania, analizy i wizualizacji danych, jak również

uczenia maszynowego i deep learning oraz

sztucznej inteligencji.

3. Prezentacja i ćwiczenia z wykorzystaniem

najważniejszych narzędzi informatycznych z tych

obszarów, w szczególności Numpy, Pandas, Excel, SQL, Tableau.

4. Przedstawienie pożądanych modeli

kompetencyjnych osób zajmujących się

Business Intelligence i BigData na poziomach zarządczym,

analitycznym i informatycznym.

5. Prezentacja modelowych ścieżek rozwoju kariera, metod poszukiwania pracy, przygotowanie do rozmów kwalifikacyjnych, zbudowanie portfolio własnych rozwiązań, zaprezentowanie wartościowych źródeł wiedzy

umożliwiających dalszy rozwój powiązanych kompetencji.

Literatura:

Thoughtful Machine Learning with Python: A Test-Driven Approach 1st Edition (2017), Matthew Kirk;

Badanie danych. Raport z pierwszej linii działań (2015), Rachel Schutt, Cathy O'Neil;

Odkrywać! Ujawniać! Objaśniać! Zbiór esejów o sztuce prezentowania danych (2017), Przemysław Biecek;

Storytelling danych. Poradnik wizualizacji danych dla profesjonalistów (2021),

Cole Knaflic Nussbaumer.

Efekty uczenia się:

1 Znajomość współczesnych zastosowań rozwiązań klasy

Business Intelligence i BigData.

2 Praktyczna znajomość najważniejszych metod

gromadzenia, przetwarzania, analizy i wizualizacji danych, jak również

uczenia maszynowego i deep learning oraz

sztucznej inteligencji.

3 Zdolność pozyskiwania danych, przetwarzania i czyszczenia ich w Power Query, analiza danych w Excelu, SQL i Python, wizualizacja danych w Tableau.

4 Umiejętność wykorzystania metod i narzędzi

uczenia maszynowego do rozwiązania prostych problemów

decyzyjnych.

5 Zdolność samodzielnej konfiguracji środowisk

informatycznych w celu realizacji projektów z obszaru Business Intelligence i

BigData.

6 Zdolność zaprojektowania i realizacji osobistych planów

rozwojowych w obszarze IT, Business Intelligence, analizy danych, Big Data, umiejętność wyszukania najlepszych, aktualnych źródeł wiedzy w Internecie.

7 Umiejętność pracy w zespole informatycznym w metodykach zwinnych i Waterfall.

Zajęcia w cyklu "Semestr letni 2022/2023" (zakończony)

Okres: 2023-02-27 - 2023-06-25
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Koordynatorzy: Łukasz Blechar
Prowadzący grup: Łukasz Blechar
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2023/2024" (zakończony)

Okres: 2024-02-26 - 2024-06-23
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Koordynatorzy: Łukasz Blechar
Prowadzący grup: Łukasz Blechar
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Marii Curie-Skłodowskiej w Lublinie.
kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.0.0-96c5a8fb3 (2024-10-22)