logo
Karta przedmiotu
logo

Analiza i wizualizacja danych

Podstawowe informacje o zajęciach

Cykl kształcenia: 2015/2016

Nazwa jednostki prowadzącej studia: Wydział Budowy Maszyn i Lotnictwa

Nazwa kierunku studiów: Zarządzanie i inżynieria produkcji

Obszar kształcenia: nauki techniczne

Profil studiów: ogólnoakademicki

Poziom studiów: pierwszego stopnia

Forma studiów: stacjonarne

Specjalności na kierunku: Informatyka w zarządzaniu przedsiębiorstwem, logistyka produkcji, Systemy zapewnienia jakości produkcji

Tytuł otrzymywany po ukończeniu studiów: inżynier

Nazwa jednostki prowadzącej zajęcia: Zakład Informatyki

Kod zajęć: 732

Status zajęć: obowiązkowy dla specjalności Informatyka w zarządzaniu przedsiębiorstwem

Układ zajęć w planie studiów: sem: 7 / W30 L30 / 4 ECTS / Z

Język wykładowy: angielski

Imię i nazwisko koordynatora: dr hab. inż. prof. PRz Galina Setlak

Terminy konsultacji koordynatora: wtorek 10.00-12.00 Środa 10.30-12.00

semestr 7: dr inż. Marcin Olech , termin konsultacji Wtorek 12.00 -13.30, czwartek: 8.30 - 10.00

Cel kształcenia i wykaz literatury

Główny cel kształcenia: Celem przedmiotu jest zapoznanie studentów z podstawowymi metodami analizy danych oraz wykształcenie umiejętności posługiwania się zarówno podstawowymi narzędziami programowymi, które zawierają arkusze kalkulacyjne MS Excel, jak i bardziej zaawansowanymi technikami sztucznej inteligencji, w tym sztuczne sieci neuronowe w pakiecie programowym Statistica Neural Networks.

Ogólne informacje o zajęciach: Przedmiot jest obowiązkowym na Specjalności dyplomowania, ponieważ analiza danych biznesowych, przemysłowych i innych jest obecnie podstawą właściwego podejmowania decyzji w zarządzaniu organizacją, w tym również i przedsiębiorstwem produkcyjnym.

Materiały dydaktyczne: molech.sd.prz.edu.pl oraz gsetlak.prz.edu.pl

Wykaz literatury, wymaganej do zaliczenia zajęć
Literatura wykorzystywana podczas zajęć wykładowych
1 Michael Alexander, John Walkenbach Analiza i prezentacja danych w Microsoft Excel. Vademecum Walkenbacha Helion, Gliwice. 2011
2 Daniel T. Larose. Metody i modele eksploracji danych Warszawa : Wydaw.Nauk.PWN . 2012
3 Foster Provost, Tom Fawcett Analiza danych w biznesie. Sztuka podejmowania skutechnych decyzji Helion, Gliwice. 2015
Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych
1 Wayne L.Winston Microsoft Excel. Analiza i modelowanie danych APN PROMISE Sp. Z.o.o, Warszawa. 2005
2 McFedries P. Excel 2007 PL. Tabele i wykresy przestawne. Niebieski podręcznik Helion, Gliwice. 2009
3 Bill Jelen, Michael Alexander Microsoft Excel 2007 PL : analiza danych za pomocą tabel przestawnych Gliwice : Helion. 2011
Literatura do samodzielnego studiowania
1 StatSoft Polska Praktyczna analiza danych w marketingu i badaniach rynku Wydano Kraków StatSoft Polska. 2010
2 Michael Alexander, John Walkenbach Analiza i prezentacja danych w Microsoft Excel. Vademecum Walkenbacha Helion, Gliwice,. 2011

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Student musi być zarejestrowany na semestr 7.

Wymagania wstępne w kategorii Wiedzy: Podstawowa wiedza w zakresie Technologie informacyjnych, Informatyki, Bazy danych, oraz Podstaw sztucznej inteligencji

Wymagania wstępne w kategorii Umiejętności: Umiejętność obsługi MS Excel, pakietu programowego Matlab oraz pakietu programowego Statistica Neural Networks

Wymagania wstępne w kategorii Kompetencji społecznych: Umiejętność samodzielnego poszerzania swej wiedzy i doskonalenia umiejętności zawodowych

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 Potrafi analizować dane, pochodzące z różnych źródeł, wykorzystując do tego odpowiednie narzędzia programowe wykład, laboratorium kolokwium, zaliczenie cz. praktyczna K_W016++
K_W017+
K_U001++
K_U014+
K_U015+
W03+
U01++
U14++
U15+++
02 Potrafi na podstawie wykonanych analiz danych opracować odpowiednie wnioski i raporty w celu wspomagania decyzji menadżerskich wykład, laboratorium sprawdzian, zaliczenia K_W016++
K_W017++
K_U007+
W03++
U07+++
03 Zna podstawowe metody statystyczne oraz zaawansowane metody sztucznej inteligencji, niezbędne do analiz danych inżynierskich, biznesowych czy produkcyjnych i potrafi je wykorzystywać do rozwiązywania zadań wykład, laboratorium, zaliczenie cz. praktyczna, kolokwium, K_W016++
K_U001+
K_U015+
K_K001+
W03++
U01++
U15+++
K01++

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
7 TK01 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. W01 MEK01
7 TK02 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. W02 MEK03
7 TK03 Analiza danych za pomocą tabel przestawnych w MS Excel. Pola obliczeniowe w tabelach przestawnych. Grupowanie i filtrowanie danych w tabelach i wykresach przestawnych. W03 MEK01 MEK03
7 TK04 Wykresy i raporty przestawne jako narzędzia do wizualizacji danych W04 MEK02
7 TK05 Zastosowanie narzędzi Microsoft Query do analizy i filtrowania danych. Zastosowanie narzędzi Microsoft Query do tabel przystawnych. W05 MEK01 MEK03
7 TK06 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) W06 MEK01 MEK03
7 TK07 Zadania eksploracji danych: klasyfikacja, grupowanie, predykcja. Przykłady zastosowań i rozwiązań w zarządzaniu relacjami z klientami. w07 MEK01 MEK03
7 TK08 Wizualizacja danych za pomocą histogramów w MS Excel W08 MEK02
7 TK09 Analiza danych w arkuszach kalkulacyjnych MS Excel. Funkcje finansowe, statystyczne, daty i czasu do analizy danych. Tworzenie zaawansowanych formuł, przetwarzanie informacji z zewnętrznych źródeł danych. LO1 MEK01 MEK03
7 TK10 Analiza scenariuszowa (Scenariusze oraz analiza Co jeśli?). L02 MEK01 MEK03
7 TK11 Wizualna prezentacja danych. Dobór formy prezentacji do celu (trendy, różnice, związki). Sporządzanie wykresów danych. Tworzenie kombinacji wykresów. L03 MEK02
7 TK12 Tabele i raporty przestawne. Pola obliczeniowe w tabelach przestawnych. Grupowanie i filtrowanie danych, zmiana typu obliczeń. Tworzenie wykresów przestawnych, zmiana układu i typu wykresu. L04 MEK01 MEK03
7 TK13 Prowadzenie analiz inwestycyjnych. Analiza decyzyjna (drzewa decyzyjne) L05 MEK01 MEK03
7 TK14 Przygotowywanie i analiza statystyk opisowych. Wykorzystanie dodatku do arkuszy MS Excel Analiza danych. Używanie narzędzia Kreator sum warunkowych. Przeprowadzanie analiz wartości wariancji dla listy danych ANOVA. Znajdowanie korelacji pomiędzy dwoma zestawami danych. L06 MEK01 MEK03
7 TK15 Analiza eksploracyjna: klasyfikacja i grupowanie danych za pomocą sieci neuronowych L07 MEK01 MEK03

Nakład pracy studenta

Forma zajęć Praca przed zajęciami Udział w zajęciach Praca po zajęciach
Wykład (sem. 7) Przygotowanie do kolokwium: 4.00 godz./sem.
Godziny kontaktowe: 30.00 godz./sem.
Uzupełnienie/studiowanie notatek: 4.00 godz./sem.
Studiowanie zalecanej literatury: 6.00 godz./sem.
Laboratorium (sem. 7) Przygotowanie do laboratorium: 15.00 godz./sem.
Przygotowanie do kolokwium: 4.00 godz./sem.
Inne: 3.00 godz./sem.
Godziny kontaktowe: 30.00 godz./sem.
Dokończenia/wykonanie sprawozdania: 8.00 godz./sem.
Konsultacje (sem. 7)
Zaliczenie (sem. 7)

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć Sposób wystawiania oceny podsumowującej
Wykład Na zaliczeniu pisemnym wykładu sprawdzana jest realizacja trzeciego efektu modułowego (MEK03). Sprawdzian obejmuje pytania obowiązkowe oraz dodatkowe. Student musi odpowiedzieć poprawnie na wszystkie pytania obowiązkowe, aby uzyskać ocenę dostateczną. Odpowiedź na pytania dodatkowe pozwala uzyskać wyższą ocenę: 25% poprawnych odpowiedzi - 3,5; 40% poprawnych odpowiedzi - 4,0; 60% poprawnych odpowiedzi - 4,5; 80% poprawnych odpowiedzi - 5,0
Laboratorium Na zaliczeniu praktycznym laboratorium sprawdzana jest realizacja pierwszego i drugiego efektu modułowego (MEK01, MEK02). Sprawdzian obejmuje zadania obowiązkowe oraz dodatkowe. Student musi poprawnie wykonać WSZYSTKIE zadania obowiązkowe aby uzyskać ocenę dostateczną. Rozwiązanie zadań dodatkowych pozwala uzyskać wyższą ocenę: 25% poprawnie rozwiązanych zadań - 3,5; 40% poprawnie rozwiązanych zadań - 4,0; 60% poprawnie rozwiązanych zadań - 4,5; 80% poprawnie rozwiązanych zadań - 5,0;
Ocena końcowa Warunkiem zaliczenia modułu jest osiągnięcie wszystkich efektów modułowych i zaliczenie wszystkich form zajęć. Ocena końcowa wyznaczana jest jako średnia ważona oceny z wykładu z wagą 0,4 i laboratorium z wagą 0,6.

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