Cykl kształcenia: 2023/2024
Nazwa jednostki prowadzącej studia: Wydział Matematyki i Fizyki Stosowanej (p.prakt)
Nazwa kierunku studiów: Inżynieria i analiza danych
Obszar kształcenia: nauki ścisłe
Profil studiów: praktyczny
Poziom studiów: drugiego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku:
Tytuł otrzymywany po ukończeniu studiów: magister inżynier
Nazwa jednostki prowadzącej zajęcia: Zakład Modelowania Matematycznego
Kod zajęć: 14802
Status zajęć: obowiązkowy dla programu
Układ zajęć w planie studiów: sem: 2 / W15 L15 / 2 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: dr hab. prof. PRz Andrzej Włoch
Główny cel kształcenia: Zapoznanie z teoretycznymi podstawami metod drzew decyzyjnych i lasów losowych oraz ich praktycznymi zastosowaniami.
Ogólne informacje o zajęciach: Teoretyczne treści są przedstawiane na wykładzie i stosowane praktycznie na zajęciach laboratoryjnych.
1 | T. Hastie, R. Tibshirani, J. Friedman | The Elements of Statistical Learning | Springer, New York. | 2001 |
2 | G. James, D. Witten, T. Hastie, R. Tibshirani | An Introduction to Statistical Learning: With Applications in R | Springer, New York. | 2013 |
1 | J. Koronacki, J. Ćwik | Statystyczne systemy uczące się | Exit,Warsaw. | 2008 |
2 | J. Ćwik, J. Mielniczuk | Statystyczne systemy uczące się. Ćwiczenia w oparciu o pakiet R | WNT . | 2009 |
Wymagania formalne: Zgodnie z regulaminem studiów.
Wymagania wstępne w kategorii Wiedzy: Znajomość pojęć i metod z matematyki dyskretnej, teorii grafów i rachunku prawdopodobieństwa. Opanowanie podstaw programowania w R.
Wymagania wstępne w kategorii Umiejętności: Umiejętność posługiwania się pojęciami z matematyki dyskretnej i rachunku prawdopodobieństwa, Programowanie w R.
Wymagania wstępne w kategorii Kompetencji społecznych: Umiejetność pracy w zespole.
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 |
---|---|---|---|---|---|
01 | Zna podstawowe metody stosowane w analizie danych. | wykład, laboratorium | zaliczenie cz. praktyczna, kolokwium, obserwacja wykonawstwa |
K_W02+++ K_W04++ K_W10+++ K_W11+++ K_U04+++ K_U05++ |
P7S_UW P7S_WG |
02 | Potrafi przeanalizować problem i rozwiązać go praktycznie. | wykład, laboratorium | zaliczenie cz. praktyczna, kolokwium, obserwacja wykonawstwa |
K_W02+++ K_W04+++ K_W10+ K_U03+++ K_U04+++ K_U05+++ K_U11+++ K_K01++ |
P7S_KK P7S_UW P7S_WG |
03 | Zna mocne i słabe strony metod używanych w analizie danych. Potrafi dobrać odpowiedni model do rozwiązania problemu. | wykład, laboratorium | zaliczenie cz. praktyczna, kolokwium, obserwacja wykonawstwa |
K_W02+++ K_W04++ K_U04++ K_U09+++ K_K01+++ K_K02++ |
P7S_KK P7S_KO P7S_UW P7S_WG |
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).
Sem. | TK | Treści kształcenia | Realizowane na | MEK |
---|---|---|---|---|
2 | TK01 | W01-W04, | MEK01 MEK02 MEK03 | |
2 | TK02 | W05-W08 | MEK01 MEK02 MEK03 | |
2 | TK03 | W09,W10 | MEK01 MEK02 | |
2 | TK04 | W11,W12 | MEK01 MEK02 MEK03 | |
2 | TK05 | W13-W15 | MEK01 MEK02 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 2) | Przygotowanie do kolokwium:
5.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
3.00 godz./sem. Studiowanie zalecanej literatury: 3.00 godz./sem. |
Laboratorium (sem. 2) | Przygotowanie do laboratorium:
5.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
5.00 godz./sem. |
Konsultacje (sem. 2) | |||
Zaliczenie (sem. 2) | Przygotowanie do zaliczenia:
5.00 godz./sem. |
Zaliczenie pisemne:
2.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Udział w wykładach. |
Laboratorium | Ocena z laboratorium jest oceną z zaliczenia przy komputerze i obserwacji wykonawstwa |
Ocena końcowa | Ocena końcowa jest średnią arytmetyczną ocen z kolokwium (laboratorium) i zaliczenia. |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
1 | E. Özkan; A. Włoch; N. Yilmaz | Generalization of the Distance Fibonacci Sequences | 2024 |
2 | E. Özkan; D. Strzałka; A. Włoch; N. Yilmaz | On Doubled and Quadrupled Fibonacci Type Sequences | 2024 |
3 | P. Jaśkiewicz; B. Kozicki; A. Włoch; J. Zieliński | The Impact of the Covid-19 Pandemic and the War Between Russia and Ukraine on Electricity Prices in Selected European Countries in 2022 in Terms of Economic Security | 2023 |
4 | R. Grabowski; B. Kozicki; S. Mitkow; A. Włoch | Impact of Covid-19 Pandemic on Economic Security - Multidimensional Analysis of Real Estate Market Across Poland | 2022 |
5 | U. Bednarz; A. Włoch; M. Wołowiec-Musiał | New Types of Distance Padovan Sequences via Decomposition Technique | 2022 |
6 | B. Datsko; A. Kunynets; M. Kutniv; A. Włoch | New explicit high‐order one‐step methods for singular initial value problems | 2021 |
7 | D. Bród; A. Włoch | (2,k)-Distance Fibonacci Polynomials | 2021 |
8 | D. Strzałka; A. Włoch; S. Wolski | Distance Fibonacci Polynomials by Graph Methods | 2021 |
9 | E. Özkan; A. Włoch; N. Yilmaz | On F3(k,n)-numbers of the Fibonacci type | 2021 |
10 | A. Włoch; I. Włoch | On some multinomial sums related to the Fibonacci type numbers | 2020 |
11 | B. Datsko; A. Kunynets; M. Kutniv; A. Włoch | A new approach to constructing of explicit one-step methods of high order for singular initial value problems for nonlinear ordinary differential equations | 2020 |
12 | B. Datsko; M. Kutniv; A. Włoch | Mathematical modelling of pattern formation in activator–inhibitor reaction–diffusion systems with anomalous diffusion | 2020 |
13 | H. Czyż; T. Jasiński; A. Włoch | A Statistical Method for Calculating the Velocity of Acoustic Waves in Extreme Conditions | 2019 |
14 | H. Czyż; T. Jasiński; A. Włoch | Separation of Cells from Plasma by Means of Ultrasonics | 2019 |
15 | H. Czyż; T. Jasiński; A. Włoch | The Application of the Special Functions to Solving Physical Problems | 2019 |