Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie - Centralny System Uwierzytelniania

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: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ KON PT
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: tygodniowy cykl przedmiotu Przejdź do planu PN WAR WAR WT ŚR CZ PT
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.