Cel kształcenia i wykaz literatury

Główny cel kształcenia: Przygotowanie studentów do znajomości teoretycznej i praktycznej, z zakresu zaawansowanych zagadnień i problematyki, z obszaru zaawansowanych metod eksploracji danych.

Ogólne informacje o zajęciach: Moduł składa się z wykładu, w czasie którego prezentowane są wybrane zagadnienia z zaawansowanych metod eksploracji danych; laboratorium, gdzie student realizuje wybrane zagadnienia w formie ćwiczeń oraz projektu, gdzie student prezentuje własną koncepcję realizacji wybranego systemu eksploracji danych.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Paweł Cichosz	Systemy uczące się	WNT Wydawnictwa Naukowo-Techniczne.	2000
2	Tadeusz Morzy	Odkrywanie asocjacji: Algorytmy i struktury danych	OWN.	2004
3	Tadeusz Morzy	Eksploracja danych. Metody i algorytmy	Wydawnictwo Naukowe PWN.	2020
4	J. Koronacki, J. Ćwik	Statystyczne systemy uczące się	WNT Wydawnictwa Naukowo-Techniczne.	2005
5	J. Hertz, A. Krogh, R. G. Palmer	Wstęp do teorii obliczeń neuronowych	WNT Wydawnictwa Naukowo-Techniczne.	1995

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Zgodne z regulaminem studiów.

Wymagania wstępne w kategorii Wiedzy: Student powinien mieć wiedzę z zakresu matematyki, programowania i analizy danych, wykorzystywaną do formułowania i rozwiązywania zaawansowanych zagadnień związanych z eksploracją danych.

Wymagania wstępne w kategorii Umiejętności: Student powinien umieć użyć wiedzę matematyczną oraz informatyczną do sformułowania i rozwiązywania zaawansowanych zagadnień z zakresu eksploracji danych.

Wymagania wstępne w kategorii Kompetencji społecznych: Student powinien umieć pracować indywidualnie jak i w zespole, prezentować wyniki pracy na forum grupy jak i w formie pisemnej.

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 zaawansowane zagadnienia z obszaru: sztucznych sieci neuronowych, grupowania obiektów oraz zaawansowanej wizualizacji danych	wykład, projekt zespołowy	egzamin cz. pisemna, prezentacja projektu	K_W03+++ K_W10+++ K_W11++ K_U09++ K_U10+ K_U18++	P7S_UK P7S_UW P7S_WG
02	Zna zagadnienia zarządzania polityką danych w organizacji, a także aspekty wykorzystania danych w badaniach naukowych oraz otwartych danych publicznych.	wykład, laboratorium	egzamin cz. pisemna	K_W02++ K_W14++ K_U05++ K_U10+ K_U14++ K_K01++ K_K02++ K_K04+ K_K05+	P7S_KK P7S_KO P7S_KR P7S_UW P7S_WG P7S_WK
03	Zna zagadnienia pokrewne do uczenia maszynowego i eksploracji danych: eXplainable Machine Learning oraz wypełnianie brakujących wartości	wykład, laboratorium, projekt zespołowy	zaliczenie cz. praktyczna (laboratorium), prezentacja projektu, egzamin cz. pisemna	K_W02+ K_W14+ K_U05+ K_U14+ K_K02+ K_K06++	P7S_KK P7S_KO P7S_KR P7S_UW P7S_WG P7S_WK

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
1	TK01	Sztuczne Sieci Neuronowe - zagadnienia zaawansowane	W01,L01,L12,P01	MEK01
1	TK02	Grupowanie obiektów	W02,W03,L02,L03,P02	MEK01
1	TK03	Wizualizacja danych - zagadnienia zaawansowane	W04,W05,L04,L05,P03	MEK01
1	TK04	Zarządzanie polityką danych w organizacji	W06,L06,P04	MEK02
1	TK05	Eksploracja dużych zbiorów danych w badaniach naukowych	W07,L07,P05	MEK02
1	TK06	Brakujące wartości w danych oraz sposoby ich przetwarzania	W08,L08,P06	MEK03
1	TK07	Otwarte dane publiczne	W09,L09,P07	MEK03
1	TK08	Explainable Machine Learning, Ethical Machine Learning	W10,L10,L11,P08	MEK02

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 1)		Godziny kontaktowe: 20.00 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: 25.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 2.00 godz./sem.
Projekt/Seminarium (sem. 1)	Przygotowanie do zajęć projektowych/seminaryjnych: 1.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem..	Wykonanie projektu/dokumentacji/raportu: 7.00 godz./sem. Przygotowanie do prezentacji: 1.00 godz./sem.
Konsultacje (sem. 1)
Egzamin (sem. 1)	Przygotowanie do egzaminu: 15.00 godz./sem.	Egzamin pisemny: 1.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Wykład kończy się egzaminem pisemnym.
Laboratorium	Podstawą do uzyskania zaliczenia jest obecność studenta na wszystkich zajęciach i wykonanie zadań będących przedmiotem zajęć oraz złożenie prowadzącemu pod koniec każdego z zajęć sprawozdania. Końcowa ocena stanowi wypadkową średniej ocen ze sprawozdań i oceny z kolokwium zaliczeniowego.
Projekt/Seminarium	Obrona projektu (ustna prezentacja)
Ocena końcowa	Ocena końcowa wystawiana jest jako średnia ocen z wykładu, projektu oraz 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