Seminarium tematyczne: Algorytmy text mining i web crawling

Informacje ogólne

Kod przedmiotu:	WF-R-PS-STAS
Kod Erasmus / ISCED:	14.4 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0313) Psychologia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu:	Seminarium tematyczne: Algorytmy text mining i web crawling
Jednostka:	Instytut Psychologii
Grupy:	Grupa przedmiotów ogólnouczelnianych - Doktoranci Przedmioty dla doktorantów psychologii Seminaria tematyczne z psychologii
Punkty ECTS i inne:	(brak) 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. zobacz reguły punktacji
Język prowadzenia:	polski
Poziom przedmiotu:	średnio-zaawansowany
Symbol/Symbole kierunkowe efektów uczenia się:	SD_ PS _W01 SD_ PS _W03 SD_ PS _U02 SD_ PS _U03 SD_ PS _K02
Skrócony opis:	Celem kursu jest przybliżenie doktorantom metody posługiwania się algorytmami Text Mining oraz techniką przeczesywania sieci tzw. Web Crawling. Podczas ćwiczeń doktoranci zapoznają się nie tylko z praktycznymi ujęciami wykorzystania tych metod analizy danych (Text Mining) i pozyskiwania danych (Web Crawling) ale także poznają technika łączenia ich z innymi algorytmami.
Pełny opis:	1. Wprowadzenie do algorytmów Text Mining, informacje podstawowe na temat metody. 2. Wykorzystanie algorytmów do zliczania liczby słów w dokumentach oraz nadawania im wag: Raw, Inverce Document Frequency – część pierwsza 3. Wykorzystanie algorytmów do zliczania liczby słów w dokumentach oraz nadawania im wag: Raw, Inverce Document Frequency – część druga 4. Prezentacja wyników przy pomocy Analizy Składowych Głównych. 5. Raportowanie wyników Analizy Składowych Głównych. 6. Przekształcanie bazy danych słownych w dane liczbowe. 7. Rekodowanie danych liczbowych w nowe zmienne liczbowe. 8. Web Crawling – podstawowe informacje 9. Raportowanie wyników dotyczących Web Crawling 10. Łączenie metod analizy danych jakościowych przy pomocy algorytmów TM z innymi algorytmami: drzewami decyzyjnymi. 11. Raportowanie wyników dotyczących łączenia TM z drzewami decyzyjnymi 12. Łączenie metod analizy danych jakościowych przy pomocy algorytmów TM z innymi algorytmami: analizą skupień Generalised k-means Cluster Analysis. 13. Raportowanie wyników dotyczących łączenia TM z analizą skupień 14. Łączenie metod analizy danych jakościowych przy pomocy algorytmów TM z innymi algorytmami: sieci neuronowe. 15. Raportowanie wyników dotyczących łączenia TM z sieciami neuronowymi
Literatura:	Elder, J., Hill, T., Miner, G., Nisbet, B., Delen, D., & Fast, A. (2012). Practical Text Mining and Statistical Analysis for Nono-structured Text Data Application. Oxford: Elsevier. Nisbet, R., Elder, J., & Miner, G. (2009). Handbook of statistical analysis and data mining applications. Burlington, MA: Academic Press (Elsevier). Szymańska, A. (2017). Wykorzystanie algorytmów Text Mining do analizy danych tekstowych w psychologii [Usage of text mining algorithms to analyze textual data in psychology]. Socjolingwistyka, 33, 99–116.
Efekty kształcenia i opis ECTS:	WIEDZA: - doktoranci poprawnie posługują się terminologią metody Text mining oraz Web Crawling. UMIEJĘTNOŚCI: - przeprowadzają analizę z wykorzystaniem algorytmów Text mining oraz analizy składowych głównych a także poszukują danych przy pomocy Web Crawling KOMPETENCJE: - poprawnie interpretują wyniki przeprowadzonych analiz Opis punktów ECTS Udział w zajęciach: 30 godzin Przygotowanie do zajęć oraz przygotowanie raportów, czytanie literatury: 30 godzin
Metody i kryteria oceniania:	Podstawą zaliczenia kursu jest oddanie dwóch raportów końcowych prezentujących wyniki opracowane z wykorzystaniem metody Web Crawling i Text Mining.

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.