Cel kształcenia i wykaz literatury

Główny cel kształcenia: Przedstawienie języków programowania R i Python wykorzystywanych w analizie danych.

Ogólne informacje o zajęciach: Moduł ma na celu przekazanie praktycznej wiedzy o językach programowania R i Python oraz wykorzystaniu ich w procesie pozyskania, czyszczenia i analizy danych. Dotyczy to w szczególności takich zagadnień jak wykorzystanie istniejących bibliotek dedykowanych dla tych języków w celu ekstrakcji danych i ich wizualizacji.

Materiały dydaktyczne: Materiały dostępne na stronie http://js.prz-rzeszow.pl/stud/

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Norman Matlof	Art of R Programming	No Starch Press.	2011
2	Jared Lander	Zaawansowane analizy i grafika statystyczna	APN Promise, Warszawa.	2018
3	Larry Pace	Beginning R. An Introduction to Statistical Programming	Apress, Springer, New York.	2012
4	Wes McKinney	Python w analizie danych	Helion (O’Relly), Gliwice.	2018
5	Gopi Subramanian	Python Data Science Cookbook	Packt publishing, Birmingham.	2015

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Michael F. Lawrence, John Verzani	Programming Graphical User Interfaces in R	CRC Press.	2012
2	Sebastian Raschka	Python Machine Learning	Packt publishing, Birmingham - Mumbai.	2015

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Student zapisany na ósmy semestr kierunku Informatyka studiów niestacjonarnych pierwszego stopnia

Wymagania wstępne w kategorii Wiedzy: Znajomość popularnych języków programowania np. C, Java, C#.

Wymagania wstępne w kategorii Umiejętności: Obsługa komputera PC i iMac.

Wymagania wstępne w kategorii Kompetencji społecznych: Uczciwość, umiejętność pracy w zespole.

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	zna składnię języków R i Python	wykład, laboratorium	obserwacja wykonawstwa	K_K01+ K_K02+ K_K07+++	P6S_KK P6S_KO P6S_UU
02	zna wykorzystuje pakiety do importu, filtracji i transformacji danych zapisanych w różnych formatach oraz wymienia typowe struktury danych wykorzystywane w procesie pozyskiwania wiedzy z danych i potrafi budować podstawowe modele drążenia danych	wykład, laboratorium, projekt indywidualny	zaliczenie cz. pisemna, prezentacja projektu	K_W01++ K_W04++ K_U02+++ K_U06+++ K_U08+++ K_K07++	P6S_KO 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
8	TK01	Język programowania R, literały, wyrażenia, funkcje, wartości, pętle	W1, L1	MEK01
8	TK02	Wektory i operacje wektorowe języka R	W2, L2	MEK01
8	TK03	Moduły języka R, obliczenia statystyczne, wykresy	W3, L2-L3	MEK02
8	TK04	Język programowania Python, literały, wyrażenia, pętle, funkcje, klasy, obiekty, wyjątki	W4, L4	MEK01
8	TK05	Moduły języka Python do analizy danych, obliczenia statystyczne.	W5-6, L5	MEK02
8	TK06	Zastosowanie języka Python do budowy podstawowych modeli drążenia danych.	W7, L6-L7	MEK01

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 8)		Godziny kontaktowe: 15.00 godz./sem.	Uzupełnienie/studiowanie notatek: 5.00 godz./sem. Studiowanie zalecanej literatury: 20.00 godz./sem.
Laboratorium (sem. 8)		Godziny kontaktowe: 10.00 godz./sem.
Projekt/Seminarium (sem. 8)	Inne: 10.00 godz./sem.	Godziny kontaktowe: 10.00 godz./sem..	Wykonanie projektu/dokumentacji/raportu: 15.00 godz./sem. Przygotowanie do prezentacji: 5.00 godz./sem.
Konsultacje (sem. 8)
Zaliczenie (sem. 8)

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Uczestnictwo w zajęciach
Laboratorium	Wynik zaliczenia pisemnego
Projekt/Seminarium	Ocena uzależniona od stopnia skomplikowania problemu i zastosowanych rozwiązań
Ocena końcowa	Wszystkie formy przedmiotu mają ocenę pozytywną, wówczas oceną końcową będzie średnia ocen z projektu i laboratorium

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