Cykl kształcenia: 2022/2023
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: pierwszego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: Informatyka w zarządzaniu przedsiębiorstwem, Systemy zapewnienia jakości produkcji, Zarządzanie systemami produkcyjnymi
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Zakład Informatyki
Kod zajęć: 732
Status zajęć: obowiązkowy dla specjalności Informatyka w zarządzaniu przedsiębiorstwem
Układ zajęć w planie studiów: sem: 7 / W30 L30 / 5 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: dr inż. Marcin Olech
Terminy konsultacji koordynatora: molech.v.prz.edu.pl: Wtorek: 12.15 - 13.45 Czwartek: 8.45 - 10.15
Główny cel kształcenia: Celem przedmiotu jest zapoznanie studentów z podstawowymi metodami analizy i wizualizacji danych oraz wykształcenie umiejętności posługiwania się podstawowymi narzędziami programowymi, które zawiera arkusz kalkulacyjny MS Excel.
Ogólne informacje o zajęciach: Przedmiot jest obowiązkowy na specjalności dyplomowania, ponieważ analiza danych biznesowych oraz przemysłowych jest obecnie podstawą właściwego podejmowania decyzji w zarządzaniu organizacją, w tym również przedsiębiorstwem produkcyjnym.
Materiały dydaktyczne: molech.v.prz.edu.pl
1 | Michael Alexander, John Walkenbach | Analiza i prezentacja danych w Microsoft Excel. Vademecum Walkenbacha | Helion, Gliwice. | 2011 |
2 | Daniel T. Larose | Metody i modele eksploracji danych | Wydawnictwo Naukowe PWN . | 2012 |
3 | Foster Provost, Tom Fawcett | Analiza danych w biznesie. Sztuka podejmowania skutecznych decyzji | Helion, Gliwice. | 2015 |
4 | Wierzbiński Jerzy | Statystyka opisowa | Wydawnictwo Naukowe Wydziału Zarządzania Uniwersytetu Warszawskiego. | 2008 |
5 | Goldmeier J., Duggirala P. | Dashboards for Excel: Deliber Critical Information and Insight at the Speed of a Click | Apress. | 2015 |
6 | Nussbaumer Knaflic C. | Storytelling with data | John Wiley & Sons, Inc.. | 2015 |
7 | Albright C. S., Winston W. L. | Business Analytics: Data Analysis and Decision Making | Cengage Learning. | 2015 |
1 | Wayne L. Winston | Microsoft Excel. Analiza i modelowanie danych | APN PROMISE Sp. Z.o.o, Warszawa. | 2005 |
2 | McFedries P. | Excel 2007 PL. Tabele i wykresy przestawne. Niebieski podręcznik | Helion, Gliwice. | 2009 |
3 | Bill Jelen, Michael Alexander | Microsoft Excel 2007 PL : analiza danych za pomocą tabel przestawnych | Gliwice : Helion. | 2011 |
4 | Powell S., Baker K. | Business Analytics: The Art of Modeling With Spreadsheets | John Wiley & Sons. | 2016 |
5 | Milton M. | Head First: Data Analysis | O'Reilly Media, Inc.. | 2009 |
1 | StatSoft Polska | Praktyczna analiza danych w marketingu i badaniach rynku | Kraków StatSoft Polska. | 2010 |
2 | Michael Alexander, John Walkenbach | Analiza i prezentacja danych w Microsoft Excel. Vademecum Walkenbacha | Helion, Gliwice,. | 2011 |
3 | Peck R., Olsen C., Devore J. L. | Introduction to: Statistics & Data Analysis | Cengage Learning. | 2016 |
Wymagania formalne: Student musi być zarejestrowany na co najmniej 7. semestrze.
Wymagania wstępne w kategorii Wiedzy: Podstawowa wiedza w zakresie Technologie informacyjnych, Informatyki, Bazy danych, oraz Podstaw Sztucznej Inteligencji
Wymagania wstępne w kategorii Umiejętności: Umiejętność obsługi arkusza kalkulacyjnego Microsoft Excel
Wymagania wstępne w kategorii Kompetencji społecznych: Umiejętność samodzielnego poszerzania swej 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 | Potrafi analizować i wizualizować dane, pochodzące z różnych źródeł, wykorzystując do tego odpowiednie narzędzia programowe | laboratorium | zaliczenie cz. praktyczna |
K_W16++ K_W17+ K_U01++ K_U07++ K_U14+ K_U15+ |
P6S_UW P6S_WG |
02 | Zna podstawowe metody statystyczne niezbędne do analiz danych inżynierskich, biznesowych oraz produkcyjnych i potrafi je wykorzystywać do rozwiązywania zadań | wykład | zaliczenie cz. pisemna |
K_W16++ K_W17+++ K_U01+ K_U15+ |
P6S_UW P6S_WG |
03 | Rozumie konieczność analizowania i wizualizowania danych źródłowych w celu usprawnienia procesu decyzyjnego w organizacji. | wykład | zaliczenie cz. pisemna |
K_U04++ K_U15++ |
P6S_UU P6S_UW |
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 |
---|---|---|---|---|
7 | TK01 | L01 | MEK01 | |
7 | TK02 | L02 | MEK01 | |
7 | TK03 | L04 | MEK01 | |
7 | TK04 | L07 | MEK01 | |
7 | TK05 | L08 | MEK01 | |
7 | TK06 | L06 | MEK01 | |
7 | TK07 | W01 | MEK03 | |
7 | TK08 | W02 | MEK03 | |
7 | TK09 | W03 | MEK03 | |
7 | TK10 | W06 | MEK03 | |
7 | TK11 | W07 | MEK02 | |
7 | TK12 | W09 | MEK03 | |
7 | TK13 | L03 | MEK01 | |
7 | TK14 | L05 | MEK01 | |
7 | TK15 | L09 | MEK01 | |
7 | TK16 | L10 | MEK01 | |
7 | TK17 | W04 | MEK03 | |
7 | TK18 | W05 | MEK03 | |
7 | TK19 | W08 | MEK02 | |
7 | TK20 | W10 | MEK02 MEK03 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 7) | Przygotowanie do kolokwium:
10.00 godz./sem. |
Godziny kontaktowe:
30.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
10.00 godz./sem. Studiowanie zalecanej literatury: 8.00 godz./sem. |
Laboratorium (sem. 7) | Przygotowanie do laboratorium:
4.00 godz./sem. Przygotowanie do kolokwium: 10.00 godz./sem. |
Godziny kontaktowe:
30.00 godz./sem. |
|
Konsultacje (sem. 7) | Przygotowanie do konsultacji:
1.00 godz./sem. |
Udział w konsultacjach:
1.00 godz./sem. |
|
Zaliczenie (sem. 7) | Przygotowanie do zaliczenia:
15.00 godz./sem. |
Zaliczenie pisemne:
3.00 godz./sem. Inne: 3.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Na zaliczeniu pisemnym wykładu sprawdzana jest realizacja drugiego i trzeciego efektu modułowego (MEK02 i MEK03). Sprawdzian obejmuje cztery pytania. Pytania 1 - 3 dotyczą MEK03, pytanie 4 dotyczy MEK02. Pytania mają przypisaną następującą liczbę punktów: Pytanie 1. - 2 pkt. Pytanie 2. - 3,25 pkt. Pytanie 3. - 4 pkt. Pytanie 4. - 4,75 pkt. Student musi uzyskać min. 50% punktów z sumy punktów za pytania 1-3 i min. 50% punktów za pytanie 4, aby uzyskać efekt kształcenia. Częściowo poprawna lub niepełna odpowiedź powoduje przyznanie proporcjonalnej liczby punktów za pytanie. Uzyskana przez studenta liczba punktów jest sumowana, przekształcana na wartość procentową, a następnie konsultowana z następującą skalą ocen: do 30%) - ndst. (2.0) <30% - 45%) - dst. (3.0) <45% - 60%) - dst+ (3.5) <60% - 75%) - db (4.0) <75% - 90%) - db+ (4.5) <90 - 100%) - bdb (5.0) |
Laboratorium | Na zaliczeniu praktycznym laboratorium sprawdzana jest realizacja pierwszego efektu modułowego (MEK01). Sprawdzian przy komputerze obejmuje pięć pytań. Pytania mają przypisaną następującą liczbę punktów: Pytanie 1. - 2,5 pkt. Pytanie 2. - 2 pkt. Pytanie 3. - 2 pkt. Pytanie 4. - 2 pkt. Pytanie 5. - 2,5 pkt. Student musi uzyskać min. 50% punktów z sumy punktów za pytania 1-5. Częściowo poprawna lub niepełna odpowiedź powoduje przyznanie proporcjonalnej liczby punktów za pytanie. Uzyskana przez studenta liczba punktów jest sumowana, a następnie konsultowana z następującą skalą ocen: do 5,5) - ndst. (2.0) <5,5 - 6,5) - dst. (3.0) <6,5 - 7,5) - dst+ (3.5) <7,5 - 9) - db (4.0) <9 - 10) - db+ (4.5) <10 - 11) - bdb (5.0) |
Ocena końcowa | Warunkiem zaliczenia modułu jest osiągnięcie wszystkich efektów kształcenia. Ocena z zaliczenia przedmiotu (ocena końcowa) ustalana jest jako średnia arytmetyczna oceny z części wykładowej i laboratoryjnej. Przyjęta precyzja przy zaokrąglaniu ocen to 0.25. |
Wymagane podczas egzaminu/zaliczenia
AiWD_K_W_Przykładowe_zadania.pdf
AiWD_K_W_Przykładowe_zadania.pdf
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
1 | M. Olech; M. Rataj | Directions in Fuzzy Relation Equations: Conclusions from the Current State of the Art | 2022 |
2 | J. Litwin; M. Olech; A. Szymusik | Applying Python’s Time Series Forecasting Method in Microsoft Excel-Integration as a Business Process Supporting Tool for Small Enterprises | 2021 |
3 | J. Jakieła; M. Olech; M. Rataj | Crossing the Chasm-from Business Models to Software Architecture | 2020 |