Metody przetwarzania i wizualizacji danych
Informacje ogólne
| Kod przedmiotu: | MFI-FT-MPiWD-LS |
| Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
| Nazwa przedmiotu: | Metody przetwarzania i wizualizacji danych |
| Jednostka: | Wydział Matematyki, Fizyki i Informatyki |
| Grupy: | |
| Strona przedmiotu: | http://fizyka.umcs.lublin.pl |
| Punkty ECTS i inne: |
(brak)
|
| Język prowadzenia: | polski |
| Wymagania wstępne: | Podstawowe wiadomości z metod numerycznych i programowania |
| Godzinowe ekwiwalenty punktów ECTS: | Wykład 15 Konsultacje 5 Łączna liczba godzin z udziałem nauczyciela akademickiego 35 Liczba punktów ECTS z udziałem nauczyciela akademickiego 2 Godziny niekontaktowe (praca własna studenta) Przygotowanie się do laboratorium 10 Przygotowanie do egzaminu 10 Łączna liczba godzin niekontaktowych: 20 Liczba punktów ECTS za godziny niekontaktowe: 1 Sumaryczna liczba punktów ECTS dla modułu 3 |
| Sposób weryfikacji efektów kształcenia: | WIEDZA W1 i W2: ocena strony merytorycznej referatów wygłoszonych przez studentów w czasie zajęć. UMIEJĘTNOŚCI U1-U3: przesłanie prezentacji przygotowanych przez studentów i ich aktywny udział w dyskusji w czasie zajęć; kompletność prezentacji. KOMPETENCJE K1-K3: prezentacje przygotowane przez studentów i ich aktywny udział w dyskusji w trakcie zajęć oraz jej inicjowanie. Wymagania i kryteria zaliczenia: Uczestnictwo w zajęciach i aktywność w dyskusjach - 20 % oceny. Przygotowanie i prezentacja dwóch referatów o tematyce związanej z przygotowywanym projektem własnym - 80 % oceny. Kryteria oceny projektu własnego: Zawartość merytoryczna: poprawność i zgodność z podjętym tematem, głębia i zakres wiedzy, wykorzystanie materiałów źródłowych - 60 % oceny. Forma wypowiedzi: spójność i logika, poprawność językowa - 20 % oceny. Sposób prezentacji projektu własnego i komunikacja: komunikatywność, sposób prowadzenia projektu własnego, klarowność wypowiedzi, wizualność projektu, zarządzanie czasem, interakcja ze słuchaczami - 20 % oceny. Skala ocen: Bardzo dobry (5.0): 90-100 % Dobry plus (4.5): 80-89 % Dobry (4.0): 70-79 % Dostateczny plus (3.5): 60-69 % Dostateczny (3.0): 50-59 % Niedostateczny (2.0): poniżej 50 % |
| Pełny opis: |
Wstęp Podstawowe metody analizy danych w języku Python wyznaczanie wartości średniej standardowa dewiacja analiza błędu Metody wizualizacji danych w języku Python wykresy zależności y(x) periodogramy Fouriera Interpolacja danych przy pomocy wielomianów Newtona Lagrange'a Wyznaczanie trendu - krzywa regresji liniowej Wizualizacja danych dwuwymiarowych przy pomocy dostępnego pakietu ViSiT wykresy konturowe wektory prędkości linie pola magnetycznego |
| Literatura: |
Literatura podstawowa: FORTUNA Z., MACUKOW B., WĄSOWSKI J., Metody numeryczne, WNT, Warszawa, 2003 Slajdy z wykładu Literatura uzupełniająca: DRYJA M., JANKOWSCY J. i M., Przegląd metod i algorytmów numerycznych, WNT, Warszawa, 1982 KINCAID D., CHENEY W., Analiza numeryczna. WNT, Warszawa, 2005 PRESS W.H., TEUKOLSKY S.A., VETTERLING W.T., FLANNERY B.P., Numerical recipes in C. The art of scientific computing . Cambridge University Press, Cambridge 1992 (oddzielne fragmenty książki dostępne są na stronie internetowej: http://apps.nrbook.com/empanel/index.html# ) Slajdy do wykładu |
| Efekty uczenia się: |
WIEDZA W1. Zna i rozumie w zaawansowanym stopniu wybrane metody numeryczne oraz teorie wyjaśniające złożone zależności między nimi, stanowiące podstawową wiedzę ogólną z zakresu poszczególnych działów metod numerycznych, m.in. całkowania, różniczkowania, rozwiązywania równań przestępnych. (K_W01) W2. Zna teoretyczne podstawy metod obliczeniowych oraz modele matematyczne wykorzystywane do rozwiązywania typowych problemów; profil ogólnoakademicki. (K_W05) UMIEJĘTNOŚCI U1. Potrafi wykorzystywać posiadaną wiedzę do formułowania i rozwiązywania złożonych i nietypowych problemów oraz do wykonywania zadań w warunkach nie w pełni przewidywalnych, a także odnieść zdobytą wiedzę do pokrewnych dyscyplin naukowych, w tym fizyki, chemii, informatyki, matematyki, techniki. (K_U01) U2. Potrafi właściwie dobrać źródła informacji naukowych z zakresu metod numerycznych, dokonać ich oceny, krytycznej analizy i syntezy; profil ogólnoakademicki. (K_U02) U3. Potrafi właściwie dobrać i zastosować metody i narzędzia badawcze do wykonywania eksperymentów numerycznych z zakresu fizyki, w tym zaawansowane techniki programistyczne i informacyjno-komunikacyjne; profil ogólnoakademicki. (K_U03) KOMPETENCJE SPOŁECZNE K1. Jest gotów do krytycznej oceny posiadanej i nabywanej wiedzy naukowej z zakresu metod numerycznych; profil ogólnoakademicki. (K_K01) K2. Uznaje wiedzę za środek w rozwiązywaniu problemów poznawczych i praktycznych z zakresu metod numerycznych oraz zasięga opinii specjalistów w przypadku trudności z samodzielnym rozwiązaniem problemu; profil ogólnoakademicki. (K_K02) K3. Jest gotów do inicjowania działań na rzecz interesu publicznego i wypełniania zobowiązań społecznych oraz rozumie potrzebę przekazywania społeczeństwu informacji o osiągnięciach nauki z zakresu fizyki; profil ogólnoakademicki. (K_K03) |
Właścicielem praw autorskich jest Uniwersytet Marii Curie-Skłodowskiej w Lublinie.