Cel kształcenia i wykaz literatury

Główny cel kształcenia: Zasadniczym celem kształcenia na module jest prezentacja wybranych zagadnień z zakresu hurtowni danych i wielowymiarowej analizy danych z wykorzystaniem kostek OLAP oraz elementów wybranych narzędzi analitycznych lub programistycznych.

Ogólne informacje o zajęciach: Podczas zajęć studenci poznają podstawy wielowymiarowej analizy danych oraz wybrane algorytmy w wybranych środowiskach bazodanowych oraz programistycznych.

Materiały dydaktyczne: http://v.prz.edu.pl/pawel.dymora

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Pelikant A.	Hurtownie danych. Od przetwarzania analitycznego do raportowania. Wydanie II	Helion SA.	2021
2	Gil Raviv	Power Query w Excelu i Power BI. Zbieranie i przekształcanie danych.	Helion SA.	2020
3	Hadley Wickham, Garrett Grolemund	Język R. Kompletny zestaw narzędzi dla analityków danych	Helion.	2018
4	Osowski Stanisław	Metody i narzędzia eksploracji danych	BTC.	2017
5	Robert Layton	Learning Data Mining with Python	.	2017
6	Chodkowska-Gyurics Agnieszka	Hurtownie danych Teoria i praktyka	PWN.	2014

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Pelikant A.	Hurtownie danych. Od przetwarzania analitycznego do raportowania. Wydanie II	Helion SA.	2021
2	Osowski Stanisław	Metody i narzędzia eksploracji danych	BTC.	2017
3	Chodkowska-Gyurics Agnieszka	Hurtownie danych Teoria i praktyka	PWN.	2014
4	Bill Jelen, Rob Collie	Power Pivot dla Excela. Zaawansowane możliwości	Helion SA.	2014

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Ukończony kurs podstaw baz danych oraz programowania w wybranym języku programowania. Znajomość SQL. Student spełnia wymagania określone w regulaminie studiów.

Wymagania wstępne w kategorii Wiedzy: Student powinien znać podstawowe zagadnienia z zakresu relacyjnych baz danych, algorytmiki, języka SQL i podstaw programowania.

Wymagania wstępne w kategorii Umiejętności: Potrafi eksplorować zbiory danych, pisać skrypty, manipulować danymi.

Wymagania wstępne w kategorii Kompetencji społecznych: Praca w grupie, komunikatywność.

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
01	Posiada podstawową wiedzę nt. organizacji hurtowni i potrafi wskazać korzyści z wdrożenia hurtowni danych.	wykład , laboratorium, projekt	zaliczenie, obserwacja wykonawstwa	K_W05+ K_W06++ K_W07++ K_U05+ K_U06++ K_U07++ K_U08+++ K_U15+ K_U18++ K_U23+ K_K01+ K_K03+	P6S_KK P6S_KO P6S_KR P6S_UK P6S_UW P6S_WG
02	Zna pojęcie i rozumie znaczenie kostki OLAP oraz potrafi wykonywać zaawansowane operacje na kostce danych.	wykład , laboratorium, projekt	zaliczenie, obserwacja wykonawstwa	K_W05+ K_W06++ K_W07++ K_U05++ K_U06++ K_U07++ K_U08+++ K_U15+ K_U18++ K_U23+ K_K01+ K_K03+	P6S_KK P6S_KO P6S_KR P6S_UK P6S_UW P6S_WG
03	Potrafi zaprojektować efektywny model danych hurtowni i zbudować kostkę OLAP w wybranym narzędziu hurtowni danych oraz zaprojektować procesy ETL.	wykład , laboratorium, projekt	zaliczenie, obserwacja wykonawstwa	K_W05+ K_W06++ K_W07++ K_U05++ K_U06+++ K_U07++ K_U08+++ K_U15++ K_U18+++ K_U23+ K_K01+ K_K03++	P6S_KK P6S_KO P6S_KR P6S_UK P6S_UW P6S_WG
04	Potrafi wykorzystać język SQL/MDX oraz wybrane implementacje pakietów i algorytmów data mining w wybranym środowisku programistycznym/analitycznym do eksplorowania wielowymiarowych danych.	wykład , laboratorium, projekt	zaliczenie, obserwacja wykonawstwa	K_W05+ K_W06++ K_W07++ K_U05+++ K_U06+++ K_U07+++ K_U08+++ K_U15+ K_U18+++ K_U23+ K_K01+ K_K03++	P6S_KK P6S_KO P6S_KR P6S_UK P6S_UW P6S_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).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
6	TK01	Zajęcia organizacyjne. Ustalenie formy zaliczenia i zakresu materiału. Zapoznanie z regulaminem pracy w laboratorium.	W01, L01
6	TK02	Geneza hurtowni danych (HD) (ang. Data Warehouse) i syste-mów eksploracji danych (SED) (ang. Data Mining Systems).	W01, W02, L01, L02, P01	MEK01 MEK02
6	TK03	Modelowanie danych i przetwarzania (model relacyjny a wielowymiarowy, modele przetwarzania analitycznego w trybie on-line (OLAP), wielowymiarowe operacje i schematy danych, klasy i architektury OLAP – analiza porównawcza). Procesy ekstrakcji danych (ETL) (projektowanie i modelowa-nie ekstrakcji danych, specjalizowane i uniwersalne systemy ETL). Wybrane środowiska: MS SQL Server 2019, Oracle Analytics Desktop.	W03, W04, L02, L03, P02, P03	MEK01 MEK02 MEK03
6	TK04	Tworzenie hurtowni danych w wybranych środowiskach i zastosowaniach. Użycie kreatorów: kostki OLAP, wymiaru wirtualnego, projektowania magazynu, optymalizacji na podstawie użytkowania, analizy na podstawie użytkowania, wymiaru i wirtualnej kostki. Użycie edytora kostki i edytora wymiaru. Zgłębianie danych. Tworzenie wymiarów strukturalnych i informacyjnych. Tworzenie miar kalkulowanych i wymiarów kategorii.	W04, W05, L04, P04	MEK02 MEK03
6	TK05	Przetwarzanie analityczne i jego optymalizacja: perspektywy zmaterializowane (przepisywanie zapytań, wybór zbioru perspektyw, anomalie odświeżania), optymalizacja GRUP BY, kompresja, przetwarzanie równoległe, partycjonowanie. Wykorzystywanie języka zapytań SQL do eksploracji danych: projektowanie i wykonanie zapytań.	W05, W06, L05, P05	MEK03 MEK04
6	TK06	Implementacja wybranych modeli data mining (drzewo decyzyjne, asocjacje, klasteryzacja, inne) w wybranym środowisku programistycznym/analitycznym.	W07, L06, L07, P06, P07	MEK03 MEK04

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 6)		Godziny kontaktowe: 15.00 godz./sem.	Studiowanie zalecanej literatury: 3.00 godz./sem.
Laboratorium (sem. 6)	Przygotowanie do laboratorium: 6.00 godz./sem. Przygotowanie do kolokwium: 3.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 6.00 godz./sem.
Projekt/Seminarium (sem. 6)		Godziny kontaktowe: 15.00 godz./sem..
Konsultacje (sem. 6)	Przygotowanie do konsultacji: 2.00 godz./sem.	Udział w konsultacjach: 3.00 godz./sem.
Zaliczenie (sem. 6)	Przygotowanie do zaliczenia: 5.00 godz./sem.	Zaliczenie pisemne: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Wykład kończy się pisemnym zaliczeniem.
Laboratorium	Obecność obowiązkowa na wszystkich zajęciach laboratoryjnych – dopuszcza się zwolnienia lekarskie z koniecznością odrobienia zajęć.
Projekt/Seminarium	Celem zajęć projektowych będzie samodzielna (dopuszczalna również zespołowa) realizacja projektu informatycznego, którego efektem ma być udokumentowana implementacja wybranych algorytmów data mining.
Ocena końcowa	Ocena końcowa wystawiana jest jako średnia ważona oceny z laboratorium, oceny z projektu i oceny z wykładu. Warunkiem dopuszczenia do egzaminu jest uzyskanie pozytywnej oceny końcowej z laboratorium i pozytywna ocena z realizacji samodzielnego projektu.

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