Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie - Centralny System Uwierzytelniania
Strona główna

Wstęp do analizy danych

Informacje ogólne

Kod przedmiotu: WM-I-U2-WDAD
Kod Erasmus / ISCED: (brak danych) / (9998) Sustainable development Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Wstęp do analizy danych
Jednostka: Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie
Grupy: Grupa przedmiotów ogólnouczelnianych - obszar nauk humanistycznych i społecznych (studia II stopnia)
Grupa przedmiotów ogólnouczelnianych - Obszar nauk społecznych (studia II stopnia)
Punkty ECTS i inne: 2.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Dyscyplina naukowa, do której odnoszą się efekty uczenia się:

informatyka techniczna i telekomunikacja

Poziom przedmiotu:

podstawowy

Symbol/Symbole kierunkowe efektów uczenia się:

P7S_WK, P7S_WG, P7S_UW

Wymagania wstępne:

brak

Skrócony opis:

Celem kursu jest zapoznanie studenta z metodami oraz rzeczywistymi przykładami analizy danych na podstawie wybranych studiów przypadku.

Pełny opis:

XXI wiek to ocean danych, które stanowią często chaos informacyjny. Analiza danych polega na przetwarzaniu informacji celem wyodrębnienia wartościowej wiedzy, dzięki czemu coraz częściej znajduje zastosowanie w różnych gałęziach biznesu oraz nauki: ścisłych, społecznych, a nawet humanistycznych. Celem kursu jest zapoznanie studenta z metodami oraz rzeczywistymi przykładami analizy danych na podstawie wybranych studiów przypadku.

Literatura:

1. Felix Zumstein. Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych. 2021. Helion

2. Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska IPython. Wydanie II. Helion. 2018

3. https://pandas.pydata.org/

Efekty kształcenia i opis ECTS:

Student ma wiedzę w obszarze analizy prostych danych

Student zna podstawy matematyczne analizy danych

Student potrafi prawidłowo analizować dane

Student potrafi prawidłowo opracowywać dane

Student rozumie potrzebę analizy danych uzyskanych z wyników pracy zespołowej.

Metody i kryteria oceniania:

Do zaliczenia przedmiotu konieczne jest:

1. Wypełnienie dokumentacji projektowej.

2. Obecność na 80% zajęć

3. Wypełnienie Pretestu i zaliczenie Posttestu

Zajęcia w cyklu "Semestr letni 2021/22" (zakończony)

Okres: 2022-02-01 - 2022-06-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 15 godzin, 10 miejsc więcej informacji
Koordynatorzy: Natalia Górecka, Mirosław Kurkowski
Prowadzący grup: Tomasz Krzywicki, Agnieszka Zbrzezny
Strona przedmiotu: https://wmp.uksw.edu.pl
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzaminacyjny
E-Learning:

E-Learning (pełny kurs)

Opis nakładu pracy studenta w ECTS:

1 ECTS odpowiada nakładowi 25h pracy studenta, zgodnie z programem studiów oraz pracą własną.

Skrócony opis:

Celem kursu jest zapoznanie studenta z metodami oraz rzeczywistymi przykładami analizy danych na podstawie wybranych studiów przypadku.

Pełny opis:

XXI wiek to ocean danych, które stanowią często chaos informacyjny. Analiza danych polega na przetwarzaniu informacji celem wyodrębnienia wartościowej wiedzy, dzięki czemu coraz częściej znajduje zastosowanie w różnych gałęziach biznesu oraz nauki: ścisłych, społecznych, a nawet humanistycznych. Celem kursu jest zapoznanie studenta z metodami oraz rzeczywistymi przykładami analizy danych na podstawie wybranych studiów przypadku.

Literatura:

1. Felix Zumstein. Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych. 2021. Helion

2. Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska IPython. Wydanie II. Helion. 2018

3. https://pandas.pydata.org/

Zajęcia w cyklu "Semestr zimowy 2022/23" (zakończony)

Okres: 2022-10-01 - 2023-01-31
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Warsztaty, 15 godzin więcej informacji
Koordynatorzy: Mirosław Kurkowski, Andrzej Zbrzezny
Prowadzący grup: Mirosław Kurkowski, Andrzej Zbrzezny
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.
ul. Dewajtis 5,
01-815 Warszawa
tel: +48 22 561 88 00 https://uksw.edu.pl
kontakt deklaracja dostępności mapa serwisu USOSweb 7.0.4.0-1 (2024-05-13)