Cel kształcenia i wykaz literatury

Główny cel kształcenia: Zdobycie wiedzy i umiejętności w zakresie funkcjonowania, projektowania oraz użytkowania systemów analizy dużych zbiorów danych wykorzystujących hurtownie danych oraz metody eksploracji danych.

Ogólne informacje o zajęciach: W ramach przedmiotu omawiane są pojęcia, algorytmy, techniki oraz systemy wykorzystujące hurtownie danych oraz metody eksploracji danych, w tym: (1) wstępna obróbka danych, (2) projektowanie i implementacja systemów hurtowni danych i aplikacji OLAP, (3) technologia kostek danych, (4) odkrywanie częstych wzorców i asocjacji, (5) klasyfikacja oraz (6) analiza skupień (klastrów). Student powinien postrzegać eksplorację danych jako proces obejmujący fazy: rozpoznania danych, wstępnego przetwarzania, modelowania, oceny uzyskanych wzorców oraz wdrożenia wyników eksploracji.

Materiały dydaktyczne: http://prz-rzeszow.pl/~kswider/ekd

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	D.T. Larose	Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych	Wydawnictwo Naukowe PWN.	2006
2	J. Han, M. Kamber, J. Pei	Data Mining: Concepts and Techniques, 3rd ed.	Morgan Kaufman, 2011 (można wykorzystać także wczesniejsze wydania).

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	D.T. Larose	Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych	Wydawnictwo Naukowe PWN.	2006
2	J. Han, M. Kamber, J. Pei	Data Mining: Concepts and Techniques 3rd ed.	Morgan Kaufman, 2011 (można wykorzystać także poprzednie wydania).

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Zaliczenie 1-semestrowego przedmiotu w zakresie podstaw informatyki

Wymagania wstępne w kategorii Wiedzy: Podstawy struktur danych i programowania

Wymagania wstępne w kategorii Umiejętności: Pożądana znajomość podstaw technologii baz danych

Wymagania wstępne w kategorii Kompetencji społecznych: Znajomość i przestrzeganie obowiązków studenta oraz podstawowych zasad etyki

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z OEK
01	Rozumie potrzebę wstępnego przetwarzania danych a także ma podstawową wiedzę z zakresu: technik oczyszczania danych, integracji i transformacji danych oraz redukcji danych.	wykład, laboratorium	kolokwium, egzamin końcowy	K_W001++ K_W005+	W01 W07
02	Ma podstawową wiedzę na temat hurtowni danych i związanych z nimi modeli wielowymiarowych oraz jest w stanie przeprowadzać proste analizy OLAP na kostce danych.	wykład, laboratorium	kolokwium, egzamin końcowy	K_W003++	W04
03	Ma podstawową wiedzę na temat pojęć i technik z zakresu analizy asocjacji, korelacji a także analizy częstych wzorców.	wykład, laboratorium	kolokwium, egzamin końcowy	K_U001+	U08 U09 U11
04	Ma podstawową wiedzę na temat pojęć i technik z zakresu analizy metodą klasyfikacji, w tym indukcji drzew decyzyjnych.	wykład, laboratorium	kolokwium, egzamin końcowy	K_U003+ K_U007+	U08 U09 U10 U11
05	Ma podstawową wiedzę na temat pojęć i technik z zakresu analizy metodą klasteryzacji, w tym klasteryzacji metodą k-średnich.	wykład, laboratorium	kolokwium, egzamin końcowy	K_U008+ K_U009+	U08 U09 U12 U18

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
1	TK01	Wprowadzenie do odkrywania wiedzy z danych.	W01	MEK01 MEK02 MEK03 MEK04 MEK05
1	TK02	Problem wstępnego przetwarzania i metody czyszczenia danych	W02	MEK01
1	TK03	Integracja, transformacja i redukcja danych	W03	MEK01
1	TK04	Pojęcie i architektura hurtowni danych	W04	MEK01
1	TK05	Wielowymiarowy model danych. Operacje OLAP	W05	MEK02
1	TK06	Podstawowe pojęcia z zakresu częstych wzorców i analizy asocjacji	W06	MEK02
1	TK07	Metody odkrywania częstych wzorców	W07	MEK03
1	TK08	Przykłady zastosowań reguł asocjacyjnych	W08	MEK03
1	TK09	Kolokwium 1	W08	MEK03
1	TK10	Podstawowe pojęcia oraz ocena modeli klasyfikacji	W09	MEK04
1	TK11	Indukcja drzew i reguł decyzyjnych	W10-W11	MEK04
1	TK12	Podstawowe pojęcia z zakresu klasyfikacji nieliniowej	W12	MEK04
1	TK13	Pojęcie klasteryzacji i typy danych w kontekście wyznaczania odrębności	W13	MEK05
1	TK14	Wybrane metody klasteryzacji	W14-W15	MEK05
1	TK15	Kolokwium 2	W15	MEK05
1	TK16	1) Nauka użytkowania systemów eksploracji danych przez pracę z wybranym oprogramowaniem wspomagającym eksplorację danych zarządzanie hurtownią danych, np.: MS SQLServer, Oracle 10g (część data mining), IBM Intelligent-Miner oraz narzędzia do analizy statystycznej. 2) Realizacja wybranych funkcji eksploracji danych, jak: generowanie asocjacji, klasyfikacja oraz klasteryzacja. Używa się przy tym wybranych systemów eksploracji udostępnianych na zasadach niekomercyjnych jak Weka. 3) Wykorzystanie przykładowych, powszechnie dostępnych, zbiorów danych do implementacji i testowania funkcji eksploracji danych.	L01-L15	MEK01 MEK02 MEK03 MEK04 MEK05

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 1)	Przygotowanie do kolokwium: 3.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Uzupełnienie/studiowanie notatek: 25.00 godz./sem. Studiowanie zalecanej literatury: 20.00 godz./sem.
Laboratorium (sem. 1)	Przygotowanie do laboratorium: 10.00 godz./sem. Przygotowanie do kolokwium: 3.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 20.00 godz./sem.
Konsultacje (sem. 1)
Zaliczenie (sem. 1)	Przygotowanie do zaliczenia: 6.00 godz./sem.	Zaliczenie pisemne: 1.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	ocena z egzaminu końcowego
Laboratorium	ocena z wykonanych prac
Ocena końcowa	średnia ważona ocen z: kolokwium, egzaminu końcowego oraz z wykonanych prac

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: nie