Cykl kształcenia: 2019/2020
Nazwa jednostki prowadzącej studia: Wydział Budowy Maszyn i Lotnictwa
Nazwa kierunku studiów: Zarządzanie i inżynieria produkcji
Obszar kształcenia: nauki techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: drugiego stopnia
Forma studiów: niestacjonarne
Specjalności na kierunku: Automatyzacja produkcji, Ekologia produkcji, Nowoczesne metody zarządzania produkcją, Nowoczesne technologie informacyjno-komunikacyjne w przedsiębiorstwie
Tytuł otrzymywany po ukończeniu studiów: magister inżynier
Nazwa jednostki prowadzącej zajęcia: Zakład Informatyki
Kod zajęć: 6323
Status zajęć: obowiązkowy dla specjalności Nowoczesne technologie informacyjno-komunikacyjne w przedsiębiorstwie
Układ zajęć w planie studiów: sem: 3 / W15 L20 / 4 ECTS / E
Język wykładowy: polski
Imię i nazwisko koordynatora: dr hab. inż. prof. PRz Galina Setlak
Główny cel kształcenia: Celem kształcenia jest przekazanie studentom wiedzy z zakresu podstaw teoretycznych wybranych metod wielowymiarowej analizy oraz wykształcenie umiejętności zastosowania poznanych metod do rozwiązywania praktycznych problemów w tym zakresie. Poza tym celem jest poznanie przez studentów metod i technik tworzenia hurtowni danych (HD) jako środowisko do wielowymiarowej analizy oraz analitycznego przetwarzanie danych na bieżąco OLAP (On-line Analitical Processing).
Ogólne informacje o zajęciach: Przedmiot jest obowiązkowy na specjalności "Nowoczesne technologie informacyjno-komunikacyjne"
Materiały dydaktyczne: Na stronach WWW molech.sd.prz.edu.pl
1 | D.Medrala, M. Szeliga | Microsoft SQL Server. Modelowanie i eksploracja danych | Helion, Gliwice. | 2012 |
2 | Patrick LeBlanc | Microsoft SQL Server 2012. Krok po kroku | APN Promise, Warszawa . | 2013 |
3 | Foster Provost, Tom Fawcett | Analiza danych w biznesie. Sztuka podejmowania skutechnych decyzji | Helion S.A., Gliwice. | 2015 |
4 | Doug Harts | Microsoft Office 2007 Business Intelligence. Raporty, analizy i pomiary | APN PROMISE, Warszawa. | 2008 |
1 | Alexander M., Decker J., B. Wehbe | Analizy Business Intelligence. Zaawansowane wykorzystywanie Excela | Helion, Gliwice. | 2014 |
2 | Marco Russo, A. Ferrari, C. Webb | Microsoft SQL Server 2012. Analysis Services | APN Promise, Warszawa. | 2012 |
3 | Stacia Misner | Microsoft SQL Server 2012. Reporting Services | APN Promise, Warszawa. | 2013 |
1 | Morzy T. | Eksploracja danych. Metody i algorytmy | Wydawnictwo anukowe PWN. | 2013 |
Wymagania formalne: Student musi być zarejestrowany na drugi semestr studiów magisterskich
Wymagania wstępne w kategorii Wiedzy: Student powinien posiadać wiedzę w zakresie Informatyki, baz danych oraz Podstaw sztucznej inteligencji.
Wymagania wstępne w kategorii Umiejętności: Wymagane jest posiadanie umiejętności obsługi oprogramowania takiego, jak MS Excel, MATLAB oraz MS Office.
Wymagania wstępne w kategorii Kompetencji społecznych: Umiejętność samodzielnego poszerzania swojej wiedzy i doskonalenia umiejętności zawodowych
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 uporządkowaną wiedzę z zakresu metod wielowymiarowej analizy danych i zna ich zalety i ograniczenia, sytuacje, w których mogą być stosowane oraz możliwe alternatywy, ponadto potrafi dobrać właściwą analizę wielowymiarową do rozważanego problemu, weryfikując spełnienie koniecznych założeń oraz posiada umiejętność poprawnego wnioskowania na podstawie przeprowadzonych analiz. | wykład, laboratorium, laboratorium problemowe, | zaliczenie cz. praktyczna, egzamin cz. pisemna |
K_W04+ K_U09+++ |
P7S_UW P7S_WG |
02 | Potrafi na podstawie wykonanych analiz danych opracować odpowiednie wnioski i raporty w celu wspomagania decyzji menedżerskich | wykład, laboratorium | zaliczenie cz. pisemna, egzamin cz. pisemna |
K_W04++ K_U09+++ |
P7S_UW P7S_WG |
03 | Zna podstawowe metody wielowymiarowych analiz danych, technologie OLAP, niezbędne do analiz danych biznesowych i produkcyjnych oraz potrafi je wykorzystywać do rozwiązywania zadań | wykład, laboratorium | zaliczenie cz. praktyczna, egzamin cz. pisemna, egzamin cz. praktyczna |
K_W01+ K_U09++ |
P7S_UW P7S_WG |
04 | Uzyskanie wiedzy z zakresu podstaw teoretycznych wybranych metod analizy wielowymiarowej oraz wykształcenie umiejętności zastosowania poznanych metod do rozwiązywania praktycznych problemów w tym zakresie. | wykład, laboratorium, laboratorium problemowe | zaliczenie cz. praktyczna, egzamin cz. pisemna |
K_W04++ K_U09+++ |
P7S_UW P7S_WG |
05 | Potrafi właściwie interpretować uzyskane wyniki w ramach analiz wielowymiarowych oraz zastosować odpowiednie metody analizy wielowymiarowej w odniesieniu do określonych problemów ekonomicznych. | wykład, laboratorium | egzamin cz. pisemna, zaliczenie cz. praktyczna, zaliczenie cz. pisemna, egzamin cz. praktyczna |
K_W04+ K_U09++ |
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 |
---|---|---|---|---|
3 | TK01 | WO1 | MEK01 MEK04 | |
3 | TK02 | W02 | MEK01 MEK03 | |
3 | TK03 | W03 | MEK03 MEK04 | |
3 | TK04 | W04 | MEK03 MEK05 | |
3 | TK05 | W05 | MEK01 MEK02 | |
3 | TK06 | W06, W07 | MEK01 MEK02 MEK04 MEK05 | |
3 | TK07 | LO1 | MEK01 MEK04 | |
3 | TK08 | L02, L03, | MEK01 MEK03 | |
3 | TK09 | LO5, L06 | MEK01 MEK03 MEK04 | |
3 | TK10 | L07, L08 | MEK01 MEK03 MEK05 | |
3 | TK11 | L09, L10 | MEK02 MEK05 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 3) | Przygotowanie do kolokwium:
15.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
10.00 godz./sem. Studiowanie zalecanej literatury: 5.00 godz./sem. |
Laboratorium (sem. 3) | Przygotowanie do laboratorium:
10.00 godz./sem. Przygotowanie do kolokwium: 5.00 godz./sem. |
Godziny kontaktowe:
20.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
5.00 godz./sem. |
Konsultacje (sem. 3) | Udział w konsultacjach:
2.00 godz./sem. |
||
Egzamin (sem. 3) | Przygotowanie do egzaminu:
10.00 godz./sem. |
Egzamin pisemny:
2.00 godz./sem. Inne: 1.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Kolokwium pisemne polega na udzieleniu odpowiedzi na trzy pytania dotyczące treści prezentowanych na zajęciach wykładowych. Poprawna odpowiedź na pytanie pozwala uzyskać 3 punkty. Częściowo poprawna lub niepełna odpowiedź pozwala uzyskać proporcjonalnie mniejszą liczbę punktów. Zdobyta przez studenta liczba punktów jest dzielona przez 9 i przekształcana na wartość procentową. Przyjęto następującą skalę ocen: ndst - do 50%, dst - 51% - 60%, dst+ - 61% - 70%, db - 71% - 80%, db+ - 81% - 90%, bdb - powyżej 90% |
Laboratorium | Kolokwium zaliczeniowe realizowane jest przy komputerze i polega na rozwiązaniu trzech zadań dotyczących wykorzystania języka SQL w pakiecie Microsoft Sql Server. Poprawna odpowiedź na pytanie pozwala uzyskać 4 punkty. Częściowo poprawna lub niepełna odpowiedź pozwala uzyskać proporcjonalnie mniejszą liczbę punktów. Zdobyta przez studenta liczba punktów jest dzielona przez 12 i przekształcana na wartość procentową. Przyjęto następującą skalę ocen: ndst - do 50%, dst - 51% - 60%, dst+ - 61% - 70%, db - 71% - 80%, db+ - 81% - 90%, bdb - powyżej 90% |
Ocena końcowa | Ocena końcowa z przedmiotu wyliczana jest jako średnia arytmetyczna oceny uzyskanej z zaliczenia części wykładowej oraz laboratoryjnej. |
Wymagane podczas egzaminu/zaliczenia
WAD_K_Lab.pdf
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
1 | Ł. Paśko; G. Setlak | Random Forests in a Glassworks: Knowledge Discovery from Industrial Data | 2020 |
2 | Ł. Paśko; M. Piróg; G. Setlak | Pozyskiwanie wiedzy z danych przemysłowych do wspomagania decyzji w procesie produkcyjnym | 2019 |