Karta przedmiotu

Eksploracja danych

Podstawowe informacje o zajęciach

Cykl kształcenia:

2020/2021

Nazwa jednostki prowadzącej studia:

Wydział Elektrotechniki i Informatyki

Nazwa kierunku studiów:

Informatyka

Obszar kształcenia:

nauki techniczne

Profil studiów:

ogólnoakademicki

Poziom studiów:

drugiego stopnia

Forma studiów:

stacjonarne

Specjalności na kierunku:

EFA-DU - inżynieria systemów informatycznych, EFC-DU - systemy informatyki przemysłowej, EFS-DU - Systemy i sieci komputerowe

Tytuł otrzymywany po ukończeniu studiów:

magister inżynier

Nazwa jednostki prowadzącej zajęcia:

Katedra Informatyki i Automatyki

Kod zajęć:

1426

Status zajęć:

obowiązkowy dla specjalności EFA-DU - inżynieria systemów informatycznych

Układ zajęć w planie studiów:

sem: 1 / W30 L20 / 4 ECTS / Z

Język wykładowy:

polski

Imię i nazwisko koordynatora:

dr inż. Krzysztof Świder

Terminy konsultacji koordynatora:

informacja na stronie KIiA: https://office.kia.prz.edu.pl

semestr 1:

dr inż. Bartosz Jędrzejec , termin konsultacji informacja na stronie KIiA: https://office.kia.prz.edu.pl

semestr 1:

dr hab. inż. prof. PRz Mariusz Oszust , termin konsultacji informacja na stronie KIiA: https://office.kia.prz.edu.pl

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	A. Zagdański, A. Suchwałko	Analiza i prognozowanie szeregów czasowych	Wydawnictwo Naukowe PWN.	2016
3	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	A. Zagdański, A. Suchwałko	Analiza i prognozowanie szeregów czasowych	Wydawnictwo Naukowe PWN.	2016
3	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 PRK
MEK01	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-W01++ K-U01+ K-U07+	P7S-UW P7S-WG
MEK02	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-W05++ K-U03+	P7S-UU P7S-WG
MEK03	Ma podstawową wiedzę na temat pojęć i technik z zakresu analizy asocjacji, korelacji a także analizy częstych wzorców.	wykład, laboratorium	kolokwium, egzamin końcowy	K-W03+ K-U08+ K-U09+	P7S-UW P7S-WG
MEK04	Ma podstawową wiedzę na temat pojęć i technik z zakresu analizy metodą klasyfikacji, w tym indukcji drzew decyzyjnych.	wykład, laboratorium	kolokwium, egzamin końcowy	K-U08+	P7S-UW
MEK05	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-U08+	P7S-UW
MEK06	Ma podstawową wiedzę na temat wybranych metod przeglądowej analizy danych.	wykład, laboratorium	kolokwium, egzamin końcowy	K-W01+ K-U01++ K-U07+	P7S-UW P7S-WG

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
1	TK01	Wprowadzenie do odkrywania wiedzy z danych.	W01-W02	MEK01 MEK02 MEK03 MEK04 MEK05
1	TK02	Problem wstępnego przetwarzania i metody czyszczenia danych	W03-W04	MEK01
1	TK03	Integracja, transformacja i redukcja danych	W05-W06	MEK01
1	TK04	Pojęcie i architektura hurtowni danych	W07-W08	MEK01
1	TK05	Wielowymiarowy model danych. Operacje OLAP	W09-W10	MEK02
1	TK06	Podstawowe pojęcia z zakresu częstych wzorców i analizy asocjacji	W11-W12	MEK02
1	TK07	Metody odkrywania częstych wzorców	W13-W14	MEK03
1	TK08	Przykłady zastosowań reguł asocjacyjnych	W15-W16	MEK03
1	TK09	Kolokwium 1	W17-W18	MEK03
1	TK10	Podstawowe pojęcia oraz ocena modeli klasyfikacji	W19-W20	MEK04
1	TK11	Indukcja drzew i reguł decyzyjnych	W21-W22	MEK04
1	TK12	Podstawowe pojęcia i metody przeglądowej analizy danych	W23-W24	MEK06
1	TK13	Pojęcie klasteryzacji i typy danych w kontekście wyznaczania odrębności	W25-26	MEK05
1	TK14	Wybrane metody klasteryzacji	W27-W28	MEK05
1	TK15	Kolokwium 2	W29-W30	MEK05
1	TK16	(i) Nauka użytkowania systemów eksploracji danych przez pracę z wybranym oprogramowaniem wspomagającym zarządzanie hurtownią danych, analizę OLAP i eksplorację danych (np. MS SQL Server Analysis Services); (ii) Realizacja wybranych funkcji eksploracji danych, jak: analiza przeglądowa, generowanie asocjacji, klasyfikacja oraz klasteryzacja przy pomocy jednego lub kilku systemów/języków udostępnianych na zasadach niekomercyjnych (np. R lub Python); (iii) Wykorzystanie przykładowych ogólnodostępnych zbiorów danych.	L01-L20	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: 2.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.	Uzupełnienie/studiowanie notatek: 5.00 godz./sem. Studiowanie zalecanej literatury: 10.00 godz./sem.
Laboratorium (sem. 1)	Przygotowanie do laboratorium: 5.00 godz./sem. Przygotowanie do kolokwium: 3.00 godz./sem.	Godziny kontaktowe: 20.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 5.00 godz./sem.
Konsultacje (sem. 1)		Udział w konsultacjach: 15.00 godz./sem.
Zaliczenie (sem. 1)	Przygotowanie do zaliczenia: 3.00 godz./sem.	Zaliczenie pisemne: 2.00 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

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
EKD_PrzZad.pdf

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
EKD_LabZad.pdf

Inne
(-)

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

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi tak