Inżynieria i analiza Big Data II-wykład

nauki socjologiczne

średnio-zaawansowany

Zgodnie z programem studiów uchwalonym przez Senat UKSW:

https://monitor.uksw.edu.pl/docs/search

BDAS2_W08, BDAS2_W09, BDAS2_W14

Inżynieria i analiza Big Data I-wykład

Statystyka opisowa

Aby uwolnić potencjał Big Data w naukach społecznych, badacze i praktycy muszą wykonać kluczowe kroki, aby przejść od najniższego do najwyższego poziomu wartości informacji. Ten kurs przedstawia charakterystyki dużych zbiorów danych oraz ich struktura statystyczna z uwzględnieniem najnowszego postępu naukowego. Następnie zostaną zaprezentowane główne techniki ich analizy opisowej i diagnostycznej. W następnej części kursu zostaną zaprezentowane główne modele predykcyjne i prospektywne leżące u podstaw technik uczenia maszynowego i szerzej sztucznej inteligencji. Aby umożliwić studentom utrwalenie wiedzy, po każdej z teoretycznych propozycji kursu nastąpi przykład empiryczny z użyciem oprogramowania SPSS. Po zakończeniu zajęć student potrafi realizować w zespole projekty analiz socjologicznych z wykorzystaniem big data , stosując odpowiednie modele i techniki analizy masowych danych.

1. Metodologiczne stopnienie wartości informacji: od Big Data do sztucznej inteligencji

2. Cechy Big data i ich struktura statystyczna

3. Analiza opisowa i analiza diagnostyczna danych

4. Metody eksploracyjne danych(data mining) :

a) grupowanie

b) klasyfikacja nie kontrolowana i kontrolowana

5. Uczenie maszynowe i sztuczna inteligencja

Szeliga M., Data science i uczenie maszynowe, Wydawnictwo Naukowe PWN, Warszawa 2017

Szeliga M., Praktyczne uczenie maszynowe, Wydawnictwo Naukowe PWN, Warszawa 2019

Stephenson D., Big data, nauka o danych i AI bez tajemnic, Wydawnictwo Helion, Gliwice 2020

W01. Posiada ustrukturyzowaną i pogłębioną wiedzę na temat metodologiczno-technicznych powiązań Big Data ze sztuczną inteligencją

W02. Posiada wiedzę z zakresu analizy opisowej i diagnostycznej masowych danych,

W03. Posiada wiedzę na temat metod analizy predyktywnej i symulacyjnej ogromnych danych w kontekście uczenia maszynowego i sztucznej inteligencji

U01. Potrafi przeprowadzić analizę opisową i diagnozę na ogromnych danych przy użyciu oprogramowania SPSS

U02. Potrafi przeprowadzić predyktywną analizę klasyfikacji i/lub grupowania za pomocą oprogramowania SPSS w kontekście zjawiska społecznego.

K01. Zespołowe przygotowywanie projektów społecznych z zakresu analizy danych

K02. Współpraca interdyscyplinarna w kontekście realizowanych zadań

Kryteria zaliczenia przedmiotu: - obecność i aktywność (25%), praca domowa w grupie 4-osobowej (prezentacja pracy w ciągu ostatnich 45 minut ostatniego spotkania) (75%)

n.d.