Wydział Matematyki i Informatyki PROGRAM KSZTAŁCENIA. Studiów Podyplomowych Analiza Danych i Data Mining

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wydział Matematyki i Informatyki PROGRAM KSZTAŁCENIA. Studiów Podyplomowych Analiza Danych i Data Mining"

Transkrypt

1 Wydział Matematyki i Informatyki PROGRAM KSZTAŁCENIA Studiów Podyplomowych Analiza Danych i Data Mining obowiązujący od roku akademickiego 2015/16 Program kształcenia zatwierdzony przez Radę Wydziału Matematyki i Informatyki w dniu r.

2 1. Nazwa studiów podyplomowych: ANALIZA DANYCH I DATA MINING 2. Zwięzły opis: Studia Analiza Danych i Data Mining są skierowane do szerokiego grona słuchaczy zainteresowanych wykorzystaniem wiedzy z zakresu matematyki i informatyki oraz narzędzi statystycznych w pracy zawodowej związanej z przetwarzaniem i analizą danych. Istotą tych studiów podyplomowych jest nabywanie przez studentów wiedzy i praktycznych umiejętności dotyczących metod współczesnej analizy i eksploracji danych metod opracowywania i wnioskowania na ich podstawie. Absolwent będzie również posiadał umiejętność wizualizacji wyników analiz oraz prezentacji ich przed szerokim gremium. Szczególny nacisk w procesie kształcenia położony jest na rozwijanie umiejętności samodzielnego i zespołowego rozwiązywania problemów współczesnej analizy i eksploracji danych o charakterze teoretycznym i praktycznym. Umiejętności te są niezbędne dla każdego specjalisty z zakresu analizy i eksploracji danych w szybko zmieniającym się rynku technologii informacyjnych. 3. Cele kształcenia Celem kształcenia studiów podyplomowych Analiza Danych i Data Mining jest: zapoznanie z gruntowną wiedzą teoretyczną z zakresu analizy statystycznej danych, programowania, baz danych i eksploracji danych, przygotowanie słuchaczy do wykonywania analiz wykorzystywanych na potrzeby administracji państwowej i publicznej, a także biznesu, wykształcenie u absolwentów umiejętności analitycznego i syntetycznego myślenia, pozwalających na niestandardowe podejście do rozwiązywania różnorodnych problemów badawczych, wymagających stworzenia nowego lub zaadaptowania istniejącego modelu analizy danych, wykształcenie specjalistów posiadających umiejętność pozyskiwania danych, ich selekcjonowania, eksplorowania, wykreowania odpowiedniego modelu oraz interpretacji wyników, wyposażenie słuchaczy w umiejętność wyboru i stosowania narzędzi informatycznych do eksploracji danych, rozwijanie umiejętności prezentacji i wizualizacji wyników analiz i raportów, przygotowanie absolwentów do samodzielnego rozwijania umiejętności zawodowych w zakresie analizy i eksploracji danych. 4. Wymagania wstępne Ukończenie studiów wyższych pierwszego lub drugiego stopnia. 5. Zasady rekrutacji Zasady rekrutacji są ustalane na każdy rok akademicki przez Radę Programową Studiów Podyplomowych Analiza Danych i Data Mining. 6. Przyporządkowanie studiów do obszaru lub obszarów kształcenia Obszar nauk ścisłych. 2

3 7. Efekty kształcenia Efekty kształcenia studiów podyplomowych Analiza Danych i Data Mining realizują wybrane efekty kształcenia określone dla obszaru nauk ścisłych (poziom I, profil ogólnoakademicki). Tabela 1. Efekty kształcenia studiów podyplomowych Analiza Danych i Data Mining wraz z odniesieniem do efektów kształcenia obszaru nauk ścisłych (poziom I, profil ogólnoakademicki). Kody efektów kształcenia studiów podyplomowych Analiza Danych i Data Mining Efekty kształcenia studiów podyplomowych Analiza Danych i Data Mining. Po zakończeniu studiów absolwent: Odniesienie do EK dla obszaru nauk ścisłych w zakresie wiedzy: 11AD_W01 11AD_W02 zna podstawowe pojęcia i metody rachunku prawdopodobieństwa, statystyki opisowej oraz wnioskowania statystycznego zna rozwiązania informatyczne stosowane w analizie danych, w tym podstawy technik obliczeniowych i programowania, rozumie ich ograniczenia zna wybrane pakiety oprogramowania, służące do 11AD_W03 obliczeń symbolicznych, statystyki i eksploracji danych posiada ogólną wiedzę w zakresie podstawowych 11AD_W04 działów analizy danych, w tym podstawowe techniki dotyczące grupowania danych oraz ich klasyfikacji posiada wiedzę o powiązaniach analizy danych z 11AD_W05 wybranymi zagadnieniami matematyki teoretycznej, programowania i baz danych rozumie koncepcję i konstrukcję modeli eksploracji 11AD_W06 danych, potrafi użyć właściwych narzędzi do ich formalnego opisu i analizy posiada wiedzę dotyczącą podstawowych teorii baz 11AD_W07 danych, modelowania danych oraz składowania i wyszukiwania informacji w bazach danych rozumie cywilizacyjne znaczenie modelowania i eksploracji danych, posiada podstawową wiedzę o 11AD_W08 głównych kierunkach rozwoju i aktualnych osiągnięciach w zakresie eksploracji danych zna podstawowe techniki badawcze obejmujące formułowanie i analizę problemów badawczych, dobór 11AD_W09 metod i narzędzi badawczych, opracowanie i prezentację wyników w zakresie umiejętności: 11AD_U01 11AD_U02 11AD_U03 11AD_U04 umie prowadzić proste wnioskowania statystyczne i probabilistyczne, także z wykorzystaniem narzędzi komputerowych potrafi obalać błędne hipotezy lub nieuprawnione rozumowania poprzez argumentację opartą na zdobytej wiedzy potrafi zastosować narzędzia matematyczne oraz metody eksploracji danych do analizy zagadnień ekonomicznych potrafi wykorzystywać narzędzia/pakiety oprogramowania/techniki obliczeniowe do rozwiązywania wybranych zagadnień matematycznych i analizy danych X1A_W01 X1A_W02 X1A_W03 X1A_W02 X1A_W04 X1A_W05 X1A_W05 X1A_W01 X1A_W04 X1A_W02 X1A_W03 X1A_W01 X1A_W04 X1A_W01 X1A_W01 X1A_W02 X1A_U01 X1A_U02 X1A_U03 X1A_U04 X1A_U01 X1A_U02 X1A_U03 X1A_U01 X1A_U02 X1A_U02 X1A_U04 3

4 11AD_U05 11AD_U06 11AD_U07 11AD_U08 11AD_U09 11AD_U10 posiada umiejętność wyboru systemu analizy danych optymalnego dla danego zadania, uwzględniając aspekty ekonomiczne posiada umiejętność samodzielnego wykonywania projektów analizy danych potrafi zastosować techniki usprawniające i optymalizujące procesy analizy danych potrafi precyzyjnie analizować złożone procesy decyzyjne i stosować systemowe metody rozwiązywania problemów z zakresu decyzji kierowniczych posiada umiejętność projektowania baz danych i ich implementacji w wybranych systemach zarządzania bazami danych potrafi pozyskiwać dane z różnych źródeł, w tym z baz danych za pomocą wybranego języka zapytań potrafi budować wybrane modele eksploracji danych i oceniać ich jakość oraz stosować je m. in. do 11AD_U11 prognozowania wybranych procesów ekonomicznych, finansowych lub społecznych potrafi tworzyć typowe opracowania pisemne dotyczące modeli teoretycznych oraz narzędzi informatycznych, w 11AD_U12 tym również dokumentację techniczną projektów analizy danych w zakresie kompetencji społecznych: 11AD_K01 11AD_K02 11AD_K03 11AD_K04 zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia, uwzględniając trendy w przetwarzaniu i analizie danych rozumie znaczenie uczciwości intelektualnej w działaniach własnych i innych osób; postępuje etycznie ma krytyczne podejście do otrzymywanych danych i informacji, widzi potrzebę ich weryfikowania prawidłowo identyfikuje dylematy związane z wykonywaniem zawodu analityka danych X1A_U03 X1A_U01 X1A_U04 X1A_U05 X1A_U07 X1A_U03 X1A_U01 X1A_U02 X1A_U01 X1A_U03 X1A_U04 X1A_U06 X1A_U01 X1A_U02 X1A_U04 X1A_U01 X1A_U02 X1A_U04 X1A_U05 X1A_U06 X1A_U08 X1A_K01 X1A_K04 X1A_K05 X1A_U07 X1A_K03 X1A_K04 X1A_K06 X1A_K01 X1A_K05 X1A_K04 Opis poszczególnych przedmiotów i modułów procesu kształcenia Program studiów podyplomowych Analiza Danych i Data Mining obejmuje 2 semestry nauki. Z uwagi na realizowane efekty kształcenia przedmioty podzielone są na moduły. Szczegółowy opis przedmiotów znajduje się w Katalogu Przedmiotów UŁ. Tabela 2. Moduły przedmiotów na studiach podyplomowych Analiza Danych i Data Mining. Nazwa modułu Przedmioty modułu Efekty kierunkowe Moduł przedmiotów matematycznych AS - Analiza statystyczna danych MS - Metody statystyczne MB - Metody statystyczne w badaniach społecznych i gospodarczych Przedmioty tego modułu realizują efekty kształcenia dla studiów podyplomowych Analiza Danych i Data Mining oznaczone symbolami opisanymi w Tabeli nr 1: 11AD_W01-W05, W09 11AD_U01-U07, U12 11AD_K01- K04 4

5 Analiza techniczna i fundamentalna Audytorskie metody analizy danych Analiza portfelowa Data mining (Eksploracja danych) Bazy danych i język SQL Arkusze kalkulacyjne i VBA Metody statystyczne w badaniach społecznych Metody statystyczne Analiza statystyczna danych AT AM AP DM BD AK MB MS AS Moduł przedmiotów informatycznych AK - Arkusze kalkulacyjne i VBA BD - Bazy danych i język SQL DM - Data mining (Eksploracja danych) Przedmioty tego modułu realizują efekty kształcenia dla studiów podyplomowych Analiza Danych i Data Mining oznaczone symbolami opisanymi w Tabeli nr 1: 11AD_W01-W09 11AD_U01-U12 11AD_K01- K04 Moduł przedmiotów specjalistycznych AP - Analiza portfelowa AM - Audytorskie metody analizy danych AT - Analiza techniczna i fundamentalna Przedmioty tego modułu realizują efekty kształcenia dla studiów podyplomowych Analiza Danych i Data Mining oznaczone symbolami opisanymi w Tabeli nr 1: 11AD_W01-W05, W-9 11AD_U01-U8, U12 11AD_K01- K04 Relacje między efektami kształcenia dla studiów podyplomowych Analiza Danych i Data Mining, a przedmiotowymi efektami kształcenia. Przedmioty prowadzone na studiach podyplomowych Analiza Danych i Data Mining realizują wszystkie efekty kształcenia dla studiów podyplomowych Analiza Danych i Data Mining opisane w Tabeli 1. Tabela 3. Realizacja efektów kształcenia w ramach przedmiotów realizowanych na studiach podyplomowych Analiza Danych i Data Mining. EFEKTY KSZTAŁCENIA DLA STUDIÓW PODYPLOMOWYCH ANALIZA DANYCH I DATA MINING w zakresie wiedzy: 11AD_W01 zna podstawowe pojęcia i metody rachunku prawdopodobieństwa, statystyki opisowej oraz wnioskowania statystycznego AD_W02 zna rozwiązania informatyczne stosowane w analizie danych, w tym podstawy technik obliczeniowych i programowania, rozumie ich ograniczenia AD_W03 zna wybrane pakiety oprogramowania, służące do obliczeń symbolicznych, statystyki i eksploracji danych AD_W04 posiada ogólną wiedzę w zakresie podstawowych działów analizy danych, w tym podstawowe techniki dotyczące grupowania danych oraz ich klasyfikacji

6 AT AM AP DM BD AK MB MS AS AT AM AP DM BD AK MB MS AS 11AD_W05 posiada wiedzę o powiązaniach analizy danych z wybranymi zagadnieniami matematyki teoretycznej, programowania i baz danych AD_W06 rozumie koncepcję i konstrukcję modeli eksploracji danych, potrafi użyć właściwych narzędzi do ich formalnego opisu i analizy + 11AD_W07 posiada wiedzę dotyczącą podstawowych teorii baz danych, modelowania danych oraz składowania i wyszukiwania informacji w bazach danych + 11AD_W08 rozumie cywilizacyjne znaczenie modelowania i eksploracji danych, posiada podstawową wiedzę o głównych kierunkach rozwoju i aktualnych osiągnięciach w zakresie eksploracji danych + 11AD_W09 zna podstawowe techniki badawcze obejmujące formułowanie i analizę problemów badawczych, dobór metod i narzędzi badawczych, opracowanie i prezentację wyników w zakresie umiejętności: 11AD_U01 umie prowadzić proste wnioskowania statystyczne i probabilistyczne, także z wykorzystaniem narzędzi komputerowych AD_U02 potrafi obalać błędne hipotezy lub nieuprawnione rozumowania poprzez argumentację opartą na zdobytej wiedzy AD_U03 potrafi zastosować narzędzia matematyczne oraz metody eksploracji danych do analizy zagadnień ekonomicznych AD_U04 potrafi wykorzystywać narzędzia/pakiety oprogramowania/techniki obliczeniowe do rozwiązywania wybranych zagadnień matematycznych i analizy danych AD_U05 posiada umiejętność wyboru systemu analizy danych optymalnego dla danego zadania, uwzględniając aspekty ekonomiczne AD_U06 posiada umiejętność samodzielnego wykonywania projektów analizy danych AD_U07 potrafi zastosować techniki usprawniające i optymalizujące procesy analizy danych AD_U08 potrafi precyzyjnie analizować złożone procesy decyzyjne i stosować systemowe metody rozwiązywania problemów z zakresu decyzji kierowniczych AD_U09 posiada umiejętność projektowania baz danych i ich implementacji w wybranych systemach zarządzania bazami danych + 11AD_U10 potrafi pozyskiwać dane z różnych źródeł, w tym z baz danych za pomocą wybranego języka zapytań + 11AD_U11 potrafi budować wybrane modele eksploracji danych i oceniać ich jakość oraz stosować je m. in. do prognozowania wybranych procesów ekonomicznych, finansowych lub społecznych + 11AD_U12 potrafi tworzyć typowe opracowania pisemne dotyczące modeli teoretycznych oraz narzędzi informatycznych, w tym również dokumentację techniczną projektów analizy danych w zakresie kompetencji społecznych: 11AD_K01 zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia, uwzględniając trendy w przetwarzaniu i analizie danych

7 11AD_K02 rozumie znaczenie uczciwości intelektualnej w działaniach własnych i innych osób; postępuje etycznie AD_K03 ma krytyczne podejście do otrzymywanych danych i informacji, widzi potrzebę ich weryfikowania AD_K04 prawidłowo identyfikuje dylematy związane z wykonywaniem zawodu analityka danych Plan studiów I semestr II semestr Razem W L W L W+L ECTS 1.Analiza statystyczna danych pkt 2.Data mining (Eksploracja danych) pkt 3.Metody statystyczne pkt 4.Bazy danych i język SQL pkt 5.Analiza portfelowa pkt 6.Audytorskie metody analizy danych pkt 7.Analiza techniczna i fundamentalna pkt 8.Metody statystyczne w badaniach pkt społecznych i gospodarczych 9.Arkusze kalkulacyjne i VBA pkt RAZEM pkt W - Wykład L Laboratorium komputerowe 9. Bilans punktów ECTS wraz ze wskaźnikami charakteryzującymi program studiów Zgodnie z obowiązującymi regulacjami, poszczególnym elementom programu studiów podyplomowych Analiza Danych i Data Mining przyporządkowano punkty ECTS. Punkty ECTS są przyznawane na podstawie oszacowanego nakładu pracy własnej przeciętnego studenta ujętego w Systemie ustalania wartości punktowej ECTS dla przedmiotów na WMiI UŁ. Łączna liczba punktów ECTS, jaką słuchacz studiów podyplomowych Analiza Danych i Data Mining musi uzyskać, aby otrzymać określone kwalifikacje wynosi 61p ECTS. 10. Opis sposobu sprawdzenia efektów kształcenia w ramach danego programu Efekty kształcenia są osiągane i weryfikowane w ramach poszczególnych przedmiotów. Sposób weryfikowania szczegółowych efektów kształcenia na podstawie m.in. prac: zaliczeniowych, projektowych, pracy bieżącej podczas zajęć jest opisany w ramach każdego przedmiotu w Katalogu ECTS Przedmiotów UŁ (zobacz Załącznik nr. 3). Analiza weryfikacji efektów kształcenia jest przedmiotem pracy Wydziałowej Komisji ds. Jakości Kształcenia. 7

8 11. Praktyki zawodowe Nie przewiduje się praktyk zawodowych. 12. Związki z misją uczelni i jej strategią rozwoju Studia podyplomowe Analiza Danych i Data Mining wykazują pełną zgodność z misją i strategią rozwoju Uniwersytetu Łódzkiego na lata Uniwersytet Łódzki, jako jedna z wiodących polskich uczelni, bierze aktywny udział w innowacyjnym rozwoju miasta, regionu i całego kraju, reagując m.in. na zapotrzebowanie na nowe dyscypliny nauki. Wydział Matematyki i Informatyki UŁ jest szczególnie predestynowany do prowadzenia studiów tego typu: posiada zarówno kadrę dydaktyczno naukową z zakresu matematyki i statystyki matematycznej, jak i grono programistów oraz specjalistów ds. eksploracji danych i baz danych. Ponadto przy Wydziale działa Rada Biznesu, która aktywnie uczestniczy w analizie aktualnego rynku pracy w regionie łódzkim. Misją Wydziału Matematyki i Informatyki UŁ jest kształcenie w taki sposób, aby absolwenci byli przygotowani na nowe wyzwania stwarzane przez dynamicznie zmieniający się rynek pracy. Według badań (IDC Digital Universe) w dekadzie odnotowany będzie 50 krotny przyrost danych, które będą podlegały eksploracji i zarządzaniu. Istnieją zatem przesłanki pozwalające prognozować systematycznie rosnące zapotrzebowanie na absolwentów tego kierunku. 13. Różnice w stosunku do innych programów o podobnie zdefiniowanych celach i efektach kształcenia prowadzonych na uczelni Program kształcenia studiów podyplomowych Analiza Danych i Data Mining jest unikatowy na Uniwersytecie Łódzkim. Efekty kształcenia związane z matematyką, informatyką, a także ekonomią wyróżniają te studia podyplomowe wśród innych polskich uczelni. Studia podyplomowe Analiza Danych i Data Mining wyróżnia również duży nacisk na umiejętności praktyczne, np. stosowanie narzędzi statystycznych i informatycznych do wykonywania analiz, a także raportowania i prezentacji wyników. Istniejące na innych wydziałach studia podyplomowe, zajmujące się szeroko rozumianą analizą danych, dotyczą w głównej mierze zastosowania analizy do zarządzania strategicznego oraz w gospodarce. Natomiast studia podyplomowe Analiza Danych i Data Mining prowadzone na WMiI UŁ łączy w interdyscyplinarną całość zagadnienia takie, jak metody statystyczne, eksploracja danych, tworzenie modeli danych, a także ocenę ich poprawności. 14. Doświadczenia i wzorce międzynarodowe Program kształcenia studiów podyplomowych Analiza Danych i Data Mining został opracowany z uwzględnieniem międzynarodowych wzorców kształcenia w obszarze szeroko rozumianej analizy i eksploracji danych z wykorzystaniem statystyki. Efekty kształcenia zostały opracowane miedzy innymi w oparciu o zalecenie Parlamentu Europejskiego i Rady z 2008 roku w sprawie Europejskich Ram Kwalifikacji dla Uczenia się przez Całe Życie (ERK) oraz o Ramy Kwalifikacji dla Europejskiego Obszaru Szkolnictwa Wyższego (EHEA). Innym przejawem wykorzystania wzorców międzynarodowych w dostosowaniu efektów kształcenia studiów podyplomowych Analiza Danych i Data Mining są doświadczenia nauczycieli akademickich wyniesione z pobytów na partnerskich uczelniach zagranicznych w ramach wymiany międzynarodowej (np.: Niemcami (University of Paderborn), czy Hiszpanią (University of Granada)), czy kontaktów nawiązywanych w ramach konferencji zagranicznych. Taka wzajemna wymiana informacji jest dodatkowym źródłem informacji wzbogacającym wiedzę dotyczącej ram programu studiów i jakości kształcenia. 8

9 Załącznik 1 Skład Rady Programowej Studiów Podyplomowych Analiza Danych i Data Mining 1. Prof. dr hab. Tadeusz Krasiński - Kierownik Studiów Podyplomowych 2. Dr hab., prof. UŁ Tadeusz Antczak 3. Dr hab., prof. UŁ Tomasz Popławski 4. Dr Witold Budzisz 5. Dr Andrzej Skowron 6. Dr Sebastian Sakowski 7. Mgr Michał Adamczyk 9

10 Załącznik 2 Imienny wykaz pracowników przewidzianych do realizacji programu Studiów Podyplomowych Analiza Danych i Data Mining 1. Prof. dr hab. Tadeusz Krasiński - Wydział Matematyki i Informatyki UŁ 2. Dr hab., prof. UŁ Tadeusz Antczak - Wydział Matematyki i Informatyki UŁ 3. Dr hab., prof. UŁ Tomasz Popławski - Wydział Biologii i Ochrony Środowiska UŁ 4. Dr Witold Budzisz - Wydział Matematyki i Informatyki UŁ 5. Dr Andrzej Skowron - Wydział Matematyki i Informatyki UŁ 6. Dr Sebastian Sakowski - Wydział Matematyki i Informatyki UŁ 7. Mgr Michał Adamczyk - AMG.net S.A. 8. Mgr inż. Marcin Laskowski - Polska Agencja Rozwoju Przedsiębiorczości 9. Mgr Tomasz Piasecki - Ośrodek Statystyki Matematycznej Urzędu Statystycznego 10

11 Załącznik 3 PRZEDMIOTY REALIZOWANE NA STUDIACH PODYPLOMOWYCH ANALIZA DANYCH I DATA MINING 1. Analiza statystyczna danych Punkty ECTS: 6 pkt. Opis przedmiotu: Uczestnicy kursu zapoznają się z praktycznymi i teoretycznymi technikami analitycznymi wykorzystywanymi do analizy danych empirycznych. W trakcie kursu słuchacze zapoznają się z podstawowymi zagadnieniami estymacji, a także testowaniem hipotez. Przedstawione zostaną podstawowe metody statystyczne analizy danych: korelacje, różnice średnich, regresja liniowa dwóch i więcej zmiennych itd. Zajęcia obejmują wiedzę niezbędną do samodzielnej analizy danych. Treść kształcenia: 1.Podstawowe terminy stosowane w statystyce. 2.Rozkłady liczebności. 3.Algorytmy wyboru właściwej metody statystycznej. 4.Jedno i dwuczynnikowa analiza wariancji. 5.Zależności statystyczne między zmiennymi np. analiza korelacji, regresja liniowa i regresja wielokrotna. 6.Test niezależności Chi 2 oraz testy istotności. 7.Metody wielowymiarowe. 8.Metody nieparametryczne. Efekty kształcenia: Po zakończeniu przedmiotu słuchacz: 1. Stosuje podstawowe metody i narzędzia statystyczne. 2. Planuje i interpretuje badania ilościowe. 3. Prognozuje i modeluje złożone procesy badawcze. 4. Używa testy statystyczne, przeprowadza analizę wariancji oraz testy nieparametryczne. 5. Rozumie i stosuje regresję liniową dwu i wielu zmiennych. 6. Wybiera odpowiednie do potrzeb metody nieparametryczne i wielowymiarowe. 11

12 7. Używa algorytmy wyboru właściwego testu statystycznego. Sposób weryfikacji: Praca pisemna dotycząca wykładu i zajęć laboratoryjnych. Literatura: 1. H. Blalock: Statystyka dla socjologów. PWN 1977, Warszawa. 2. C. Watała: Biostatystyka wykorzystanie metod statystycznych w pracy badawczej w naukach biomedycznych. Medica Press G. Ferguson, Y. Takane: Analiza statystyczna w psychologii i pedagogice. PWN 1999, Warszawa. 4. J. Guilforg: Podstawowe metody statystyczne w psychologii i pedagogice. PWN 1964, Warszawa. 2. Data mining (Eksploracja danych) Punkty ECTS: 10 pkt. Opis przedmiotu: Nasza cywilizacja, a w szczególności duże firmy muszą sobie radzić z ogromną ilością danych. Są to dane pochodzące z baz danych, hurtowni danych oraz systemu WWW i zawierają informacje m.in. o klientach i wytwarzanych produktach. Eksploracja danych jest dziedziną informatyki, której zadaniem jest odkrywanie użytecznej wiedzy z danych i obejmuje metody i algorytmy automatycznej ich analizy. Ułatwia tworzenie promocji na podstawie koszyków zakupów, tworzenie systemu rekomendacji oraz skutecznych reklam w systemie WWW. Celem przedmiotu jest wprowadzenie do metodyki CRISP-DM i podstawowych technik eksploracji danych. Treść kształcenia: 1. Co to jest eksploracja danych? 2. Omówienie metodyki CRISP-DM. 3. Podstawy języka R i pakietu Rattle. 4. Praca z danymi w Rattle i R: (a) nazewnictwo, (b) jakość danych, (c) import danych z różnych źródeł (CSV, ARFF, ODBC, SQLite, R Data), (d) eksploracja danych (podsumowywanie, wykresy, analiza korelacji), (e) przekształcanie danych (normalizacja, imputacja, czyszczenie). 5. Tworzenie modeli: (a) Grupowanie, 12

13 (b) Analiza asocjacji, (c) Drzewa decyzyjne, (d) przykłady innych modeli. 6. Ocena wydajności modeli. 7. Wdrożenie. Efekty kształcenia: Po zakończeniu przedmiotu słuchacz: 1. Potrafi wytłumaczyć na czym polega eksploracja danych i metodyka CRISP-DM. 2. Zna podstawy języka R i pakietu Rattle. 3. Potrafi odkrywać asocjacje w zbiorach danych. 4. Potrafi stosować podstawowe techniki grupowania. 5. Potrafi budować drzewa decyzyjne z użyciem Rattle. Sposób weryfikacji: Praca pisemna dotycząca wykładu i zajęć laboratoryjnych. Literatura 1. P. Biecek. Przewodnik po pakiecie R. Wrocław: Oficyna Wydawnicza GIS, D. Larose, A. Wilbik. Odkrywanie wiedzy z danych: wprowadzenie do eksploracji danych. Warszawa: Wydawnictwo Naukowe PWN, M. Walesiak, E. Gatnar, A. Bąk. Statystyczna analiza danych z wykorzystaniem programu R. Warszawa: Wydawnictwo Naukowe PWN, D. Larose: Metody i modele eksploracji danych. PWN J. Han, M. Kamber: Data Mining: Concepts and Techniques. Elsevier F. Gorunescu: Data Mining: Concepts, Models and Techniques. Springer Metody statystyczne Punkty ECTS: 7 pkt. Opis przedmiotu: Celem przedmiotu jest zapoznanie słuchacza z podstawowymi ideami i metodami stosowanymi w statystyce matematycznej. Zaprezentowane zostaną twierdzenia graniczne, techniki estymacji punktowej i przedziałowej oraz testowania hipotez statystycznych. W formie laboratorium informatycznego przedstawione zostaną podstawy pakietu statystycznego R. Wykłady oraz laboratoria dotyczyły będą następujących obszarów tematycznych. Podstawowe rozkłady ciągłe i dyskretne i ich statystyki. Prawa wielkich liczb i centralne twierdzenie graniczne. Estymacja punktowa i przedziałowa. Testowanie hipotez statystycznych. Środowisko pracy i składnia pakietu statystycznego R i jego 13

14 rozszerzenia. Zastosowanie pakietu R do wyznaczania podstawowych statystyk prób losowych. Estymacja i testowanie hipotez przy użyciu pakietu R. Prezentacja podstawowych modeli statystycznych. Treść kształcenia: 1. Podstawowe rozkłady ciągłe i dyskretne oraz ich parametry. 2. Prawa wielkich liczb i centralne twierdzenie graniczne. 3. Estymacja punktowa i przedziałowa. 4. Testowanie hipotez statystycznych. 5. Środowisko pracy i składnia pakietu statystycznego R oraz jego rozszerzenia. 6. Zastosowanie pakietu R do wyznaczania podstawowych statystyk prób losowych. 7. Estymacja i testowanie hipotez przy użyciu pakietu R. 8. Prezentacja podstawowych modeli statystycznych. Efekty kształcenia: Po zakończeniu przedmiotu słuchacz posiada: 1. Umiejętność posługiwania się pakietem R do wyznaczania podstawowych statystyk prób losowych, importu danych do pakietu R z pliku płaskiego. 2. Umiejętność stosowania pakietu R do weryfikowania podstawowych hipotez statystycznych. 3. Umiejętność zastosowania modelu liniowego w pakiecie R. 4. Znajomość centralnego twierdzenia granicznego i praw wielkich liczb. 5. Umiejętność badania nieobciążoności estymatorów, porównanie estymatorów. 6. Umiejętność wyznaczania estymatorów metodą największej wiarogodności oraz metodą momentów. 7. Umiejętność objaśnienia pojęcia testu statystycznego, błędów pierwszego i drugiego rodzaju oraz funkcji mocy testu. Sposób weryfikacji: Praca pisemna dotycząca wykładu i zajęć laboratoryjnych. Literatura 1. M. Fisz: Rachunek prawdopodobieństwa i statystyka matematyczna. PWN 1967, Warszawa. 2. Cz. Domański: Testy statystyczne. PWE 1990, Warszawa. 3. W. Krysicki i inni: Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach. PWN 1987, Warszawa. 4. Cz. Domański, K. Pruska: Nieklasyczne metody wnioskowania statystycznego. PWE 2000, Warszawa. 14

15 4. Bazy danych i język SQL Punkty ECTS: 10 pkt. Opis przedmiotu: Na wstępie uczestnicy zostają zapoznani z podstawami teoretycznymi baz danych, w tym przede wszystkim relacyjnego modelu baz danych. Kolejnym obszarem tematycznym, z którym zostaną zaznajomieni uczestnicy, będą metody tworzenia schematów relacyjnych baz danych oraz sprowadzania ich do poprawnych postaci. Uczestnicy będą mogli w sposób praktyczny sprawdzić nabytą wiedzę poprzez samodzielne tworzenie schematów relacyjnych baz danych. W dalszej części zajęć, tak teoretycznych jak i praktycznych, uczestnicy zostaną zaznajomieni z dialektem języka SQL firmy Oracle. Dzięki uzyskanej wiedzy, uczestnicy posiądą przede wszystkim praktyczną umiejętność samodzielnego tworzenia skryptów w języku SQL (firmy Oracle). W końcowej części zajęć uczestnikom zostaną przedstawione wybrane podstawy języka PL/SQL firmy Oracle, który stanowi rozszerzenie programistyczne dialektu języka SQL tej firmy. Treść kształcenia: 1. Podstawowe informacje z teorii baz danych, w tym przede wszystkim modelu relacyjnego. 2. Techniki tworzenia schematów relacyjnych baz danych: - Modelowanie związków encji za pomocą narzędzi informatycznych (Data Modeler). - Normalizacja relacji. 3. Obiekty relacyjnych baz danych Oracle (tabele, widoki, ograniczenia, indeksy, sekwencje). 4. Dialekt języka SQL firmy Oracle jako język definiowania danych (DDL). 5. Dialekt języka SQL firmy Oracle jako język manipulowania danymi (DML). 6. Wstęp do języka PL/SQL firmy Oracle. Efekty kształcenia: Po zakończeniu przedmiotu słuchacz posiada: 1. Znajomość podstawowych informacji dotyczących teorii baz danych i relacyjnego modelu baz danych. 2. Umiejętność tworzenia i analizowania diagramów ERD oraz projektowania poprawnych schematów relacyjnych baz danych. 3. Znajomość obiektów relacyjnych baz danych Oracle (tabele, perspektywy, ograniczenia, indeksy, sekwencje) oraz umiejętność ich tworzenia przy wykorzystaniu dialektu języka SQL firmy Oracle. 15

16 4. Umiejętność stosowania dialektu języka SQL firmy Oracle jako narzędzia do wyszukiwania i modyfikowania danych przechowywanych w bazach danych (firmy Oracle). 5. Umiejętność dostrzegania niektórych z szerszych możliwości wykorzystania języka SQL do przetwarzania danych przechowywanych w aplikacjach bazodanowych Oracle. 6. Znajomość podstaw języka PL/SQL firmy Oracle. Sposób weryfikacji: Praca pisemna dotycząca wykładu i zajęć laboratoryjnych. Literatura 1. J. Ullman, J. Widom: Podstawowy wykład z systemów baz danych. 2. C. Date, Wprowadzenie do systemów baz danych. 3. T.Connolly, C.Begg: Systemy baz danych. Praktyczne metody projektowania, implementacji i zarządzania, t.1 i t P. Benyon-Davies, Systemy baz danych 5. J. Price: Oracle Database 11g i SQL 6. R. Greenwald, R. Stackowiak, J. Stern: Oracle Database 11g. To co najważniejsze 7. A. Rischert: Oracle SQL by example 8. K. Loney: Oracle Database 10g. The complete reference. 5. Analiza portfelowa Punkty ECTS: 8 pkt. Opis przedmiotu: Celem przedmiotu jest zaznajomienie studentów z podstawami wiedzy o konstrukcji i zarządzaniu portfelem aktywów. Przedstawione zostaną zagadnienia optymalizacji portfela inwestycyjnego. Uczestnicy zapoznani zostaną z teoretycznymi, a także symulacyjnymi metodami rozwiązywania problemów optymalizacyjnych, zagadnieniem dywersyfikacji oraz konstrukcji portfeli spełniających wymagane kryteria. Uczestnicy nabędą umiejętności formułowania jakościowych wyników na podstawie ilościowych danych. Treść kształcenia: 1. Rynek kapitałowy i instrumenty finansowe. Instrumenty pochodne: kontrakty, opcje, warranty. 2. Wycena akcji. Czynniki determinujące wartość akcji. Wartość wewnętrzna akcji. Modele dyskontowe wyceny akcji. 16

17 3. Dochód z akcji. Oczekiwana stopa zwrotu. Prognozowanie stopy zwrotu. Rodzaje ryzyka inwestowania w akcje. Miary ryzyka. Parametry zmienności ceny akcji. 4. Portfel dwóch akcji. Oczekiwana stopa zwrotu. Kowariancja i korelacja stóp zwrotu. Mapa zysku i ryzyka portfela dwuakcyjnego. Zbiór wszystkich możliwości inwestycyjnych portfela dwóch akcji. 5. Portfel wielu akcji. Zbiór wszystkich możliwości inwestycyjnych. Zbiór efektywny. Wyznaczanie portfela o minimalnym ryzyku. Kryteria tworzenia portfela. 6. Portfel zawierający akcje i instrumenty wolne od ryzyka. Linia rynku kapitałowego (CML) 7. Modele rynku kapitałowego. Model jednowskaźnikowy Sharpe'a. Model równowagi rynku kapitałowego CAPM Efekty kształcenia: Po zakończeniu przedmiotu słuchacz: 1. Wycenia obligacje oraz akcje metodą zdyskontowanych przepływów pieniężnych. 2. Mierzy i porównuje efektywność różnorodnych inwestycji za pomocą specjalistycznych wskaźników. 3. Rozróżnia i charakteryzuje poszczególne instrumenty finansowe. 4. Opisuje zmienność cen akcji za pomocą narzędzi statystycznych. 5. Rozumie pojęcie zależności zmiennych i potrafi mierzyć jej stopień. 6. Konstruuje w arkuszu kalkulacyjnym oraz prezentuje graficznie zbiór możliwości inwestycyjnych dla portfela wielu akcji. 7. Formułuje kryteria wobec portfela i przeprowadza jego optymalizację. 8. Jest świadomy ograniczeń jakie narzuca posługiwanie się narzędziami analizy portfelowej. 9. Posiada elementarną wiedzę o modelach wyceny aktywów kapitałowych. Sposób weryfikacji: Praca pisemna dotycząca wykładu i zajęć laboratoryjnych. Literatura 1. K. Jajuga, T. Jajuga: Inwestycje. Instrumenty finansowe. Ryzyko finansowe. Inżynieria finansowa. 2. S. Benninga: Principles of finance with EXCEL.M. Wierzbicki M.: Analiza portfelowa. 3. D. Luenberger: Teoria inwestycji finansowych. 4. M. Capinski, T. Zastawniak: Mathematics for Finance: An Introduction to Financial Engineering. 17

18 6. Audytorskie metody analizy danych Punkty ECTS: 7 pkt. Opis przedmiotu: Uczestnicy zapoznani zostaną z teoretycznymi podstawami prowadzenia projektów analitycznych w audycie. Dzięki przygotowaniu realnych zagadnień analitycznych, uczestnicy nabędą umiejętność praktycznego zastosowania przekazanej wiedzy teoretycznej. Wykłady oraz warsztaty dotyczyły będą następujących obszarów tematycznych. Organizacja projektu analitycznego w audycie (cele, źródła danych, analiza, raportowanie). Dostęp do danych w różnych formatach. Zapewnienie poprawności danych (walidacja, integralności danych). Analiza danych (stosowanie wyrażeń, profilowanie danych, selekcja danych, sortowanie danych, łączenie tabel). Zapewnienie rozliczenia projektu analitycznego w audycie. Treść kształcenia: 1. Teoretyczne podstawy prowadzenia projektów analitycznych w audycie. 2. Organizacja projektu analitycznego w audycie (cele, źródła danych, analiza, raportowanie). 3. Dostęp do danych w różnych formatach. 4. Zapewnienie poprawności danych (walidacja i integralności danych). 5. Analiza danych (stosowanie wyrażeń, profilowanie danych, selekcja danych, sortowanie danych, łączenie tabel). 6. Wykonywanie praktycznych zadań audytorskich z zastosowaniem metod ilościowych. 7. Zapewnienie rozliczenia projektu analitycznego w audycie. Efekty kształcenia: Po zakończeniu przedmiotu słuchacz potrafi: 1. Określać cele projektów analitycznych. 2. Stosować różne metody dostępu i analizy danych w audycie. 3. Wykorzystywać oprogramowanie służące do audytu w podstawowym zakresie: znajomość interfejsu, stosowanie poleceń i wyrażeń (prostych i złożonych), raportowanie wyników. 4. Stosować zaawansowane metody audytorskie z wykorzystaniem oprogramowania służącego do audytu. 5. Używać skrypty w celu automatycznego powtarzania działań. 6. Stosować audytorskie metody dostępu i analizy danych na rzeczywistych danych. 18

19 Sposób weryfikacji: Praca pisemna dotycząca zajęć laboratoryjnych. Literatura 1. Krajowe i międzynarodowe standardy audytu wewnętrznego. 2. K. Knedler, M. Stasik: Audyt wewnętrzny w praktyce. Audyt operacyjny i finansowy. PAR Warszawa 2008 r. 3. W. Karliński: Dobór próby w audycie. IRiP 2005, Warszawa. 7. Analiza techniczna i fundamentalna Punkty ECTS: 8 pkt. Opis przedmiotu: Uczestnicy zapoznają się z zastosowaniami metod ilościowych na rynkach finansowych. Poznają również sposoby prognozowania na podstawie danych i notowań z rynków finansowych. Zajęcia przybliżą techniki analizowania różnych typów wykresów np. punktowo-symbolicznych, świecowych, słupkowych. Zaprezentowane zostaną metody analizy technicznej takie jak formacje cenowe, oscylatory i inne. Omówiona zostanie również analiza fundamentalna na przykładzie metody zdyskontowanych przepływów pieniężnych oraz analizy wskaźnikowej. Dodatkowo przedstawione zostaną metody zarządzania kapitałem, a także przykłady zastosowania informatyki na rynkach finansowych. Treść kształcenia: 1. Podstawowe metody analizy technicznej. 2. Zarys teorii Dowa oraz teorii fal Elliotta. 3. Rodzaje wykresów cenowych (świecowe, renko oraz kagi). 4. Analiza średnich ruchomych oraz wstęg Bollingera i kanałów cenowych. 5. Zastosowania oscylatorów i wskaźników technicznych. 6. Formacje cenowe w analizie technicznej. 7. Analiza szeregów czasowych - model Arch i Garch. 8. Wprowadzenie do analizy fundamentalnej. 9. Analiza wskaźnikowa oraz metoda zdyskontowanych przepływów pieniężnych. 10. Automatyczne systemy transakcyjne. 11. Programowanie w języku MQL. 12. Zastosowania wybranych narzędzi informatyki do analizy technicznej i fundamentalnej. 19

20 Efekty kształcenia: Po zakończeniu przedmiotu słuchacz potrafi: 1. Interpretować zjawiska zachodzące na rynkach finansowych. 2. Stosować metody ilościowe. 3. Prognozować na podstawie danych i notowań rynków finansowych. 4. Interpretować wskaźniki i różne typy wykresów cenowych. 5. Wybierać i używać metody analizy technicznej i fundamentalnej. 6. Tworzyć własne strategie inwestycyjne. 7. Stosować język MQL. Sposób weryfikacji: Praca pisemna dotycząca wykładu i zajęć laboratoryjnych. Literatura 1. J. Murphy: Analiza techniczna rynków finansowych. WIGPRESS, Warszawa J. Schwager: Analiza techniczna rynków terminowych.. WIGPRES, Warszawa J. Ritchie. Analiza fundamentalna.. WIGPRES, Warszawa K. Jajuga: Giełdowe instrumenty pochodne. Wydawnictwo GPW, Warszawa Ch. LeBeau, D. Lucas: Komputerowa analiza rynków terminowych. WIGPRES, Warszawa S. Nison: Świece i inne japońskie techniki analizowania wykresów. WIGPRES, Warszawa Dokumentacja techniczna języka MQL: 8. Metody statystyczne w badaniach społecznych i gospodarczych Punkty ECTS: 2 pkt. Opis przedmiotu: Przedmiot dotyczy praktycznych zastosowań metod statystycznych w realizacji badań dotyczących zjawisk społecznych i gospodarczych. W trakcie wykładu przedstawiony zostanie proces realizacji badania statystycznego oraz omówione przykłady rzeczywistych badań i ich metodologii. Szczególna uwaga będzie poświęcona zagadnieniom wymagającym zastosowania zaawansowanych metod statystyczno-matematycznych, dotyczącym różnych etapów badania, od jego projektowania, przez gromadzenie i przetwarzanie danych, po analizę wyników (m. in. losowanie próby, imputacja danych brakujących, uogólnianie wyników). Ćwiczenia laboratoryjne w programie STATISTICA, stanowiące uzupełnienie wykładu, dotyczą opracowania danych pochodzących z badań reprezentacyjnych oraz statystycznej analizy wyników badań. 20

Wydział Matematyki i Informatyki PROGRAM KSZTAŁCENIA. Studiów Podyplomowych Analiza Danych i Data Mining

Wydział Matematyki i Informatyki PROGRAM KSZTAŁCENIA. Studiów Podyplomowych Analiza Danych i Data Mining Wydział Matematyki i Informatyki PROGRAM KSZTAŁCENIA Studiów Podyplomowych Analiza Danych i Data Mining I semestr II semestr Razem W L W L W+L ECTS 1.Analiza statystyczna danych - 20 - - 20 6 pkt 2.Data

Bardziej szczegółowo

1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane

1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane Kod przedmiotu:. Pozycja planu: B.1., B.1a 1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane Nazwa przedmiotu Metody badań na zwierzętach Kierunek studiów Poziom studiów Profil studiów Forma studiów Specjalność

Bardziej szczegółowo

KARTA PRZEDMIOTU / SYLABUS

KARTA PRZEDMIOTU / SYLABUS Załącznik nr 5b do Uchwały nr 21/2013 Senatu KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna

Bardziej szczegółowo

Studia podyplomowe Metody Statystycznej Analizy Danych Społeczno-Ekonomicznych

Studia podyplomowe Metody Statystycznej Analizy Danych Społeczno-Ekonomicznych Studia podyplomowe Metody Statystycznej Analizy Danych Społeczno-Ekonomicznych Zwięzły opis Studia są odpowiedzią na zapotrzebowanie istniejące na rynku pracowników sektora administracyjnego na poszerzanie

Bardziej szczegółowo

Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2L PRZEWODNIK PO PRZEDMIOCIE

Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2L PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z podstawowymi metodami i technikami analizy finansowej na podstawie nowoczesnych instrumentów finansowych

Bardziej szczegółowo

kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2

kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy y/ ćwiczenia

Bardziej szczegółowo

Logistyka I stopień Ogólnoakademicki. Niestacjonarne. Zarządzanie logistyczne Katedra Inżynierii Produkcji Dr Sławomir Luściński

Logistyka I stopień Ogólnoakademicki. Niestacjonarne. Zarządzanie logistyczne Katedra Inżynierii Produkcji Dr Sławomir Luściński KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-LOGN1-1071 Techniki komputerowe we wspomaganiu decyzji logistycznych

Bardziej szczegółowo

I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE. Nie dotyczy. podstawowy i kierunkowy

I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE. Nie dotyczy. podstawowy i kierunkowy 1.1.1 Statystyka opisowa I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE STATYSTYKA OPISOWA Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: P6 Wydział Zamiejscowy w Ostrowie Wielkopolskim

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Bazy danych Database Kierunek: Rodzaj przedmiotu: obieralny Rodzaj zajęć: wykład, laboratorium Matematyka Poziom kwalifikacji: I stopnia Liczba godzin/tydzień: 2W, 2L Semestr: III Liczba

Bardziej szczegółowo

ZARZĄDZANIE I INŻYNIERIA PRODUKCJI

ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZARZĄDZANIE I INŻYNIERIA PRODUKCJI STUDIA PIERWSZEGO STOPNIA PROFIL OGÓLNOAKADEMICKI Załącznik nr 2 Odniesienie efektów kierunkowych do efektów obszarowych i odwrotnie Załącznik nr 2a - Tabela odniesienia

Bardziej szczegółowo

Cel przedmiotu. Wymagania wstępne w zakresie wiedzy, umiejętności i innych kompetencji 1 Język angielski 2 Inżynieria oprogramowania

Cel przedmiotu. Wymagania wstępne w zakresie wiedzy, umiejętności i innych kompetencji 1 Język angielski 2 Inżynieria oprogramowania Przedmiot: Bazy danych Rok: III Semestr: V Rodzaj zajęć i liczba godzin: Studia stacjonarne Studia niestacjonarne Wykład 30 21 Ćwiczenia Laboratorium 30 21 Projekt Liczba punktów ECTS: 4 C1 C2 C3 Cel przedmiotu

Bardziej szczegółowo

Załącznik nr 2 do zarządzenia nr 111 Rektora UŚ z dnia 31 sierpnia 2012 r. Literatura i treści programowe studiów podyplomowych Inwestycje Giełdowe

Załącznik nr 2 do zarządzenia nr 111 Rektora UŚ z dnia 31 sierpnia 2012 r. Literatura i treści programowe studiów podyplomowych Inwestycje Giełdowe Załącznik nr 2 do zarządzenia nr 111 Rektora UŚ z dnia 31 sierpnia 2012 r Literatura i treści programowe studiów podyplomowych Inwestycje Giełdowe 1 Opis zakładanych efektów kształcenia na studiach podyplomowych

Bardziej szczegółowo

MATRYCA EFEKTÓW KSZTAŁCENIA

MATRYCA EFEKTÓW KSZTAŁCENIA ZAŁĄCZNIK NR 2 MATRYCA EFEKTÓW KSZTAŁCENIA Studia podyplomowe ZARZĄDZANIE FINANSAMI I MARKETING Przedmioty OPIS EFEKTÓW KSZTAŁCENIA Absolwent studiów podyplomowych - ZARZĄDZANIE FINANSAMI I MARKETING:

Bardziej szczegółowo

Sylabus. Zaawansowana analiza danych eksperymentalnych Advanced analysis of experimental data

Sylabus. Zaawansowana analiza danych eksperymentalnych Advanced analysis of experimental data Sylabus Nazwa przedmiotu (w j. polskim i angielskim) Nazwisko i imię prowadzącego (stopień i tytuł naukowy) Zaawansowana analiza danych eksperymentalnych Advanced analysis of experimental data dr Veslava

Bardziej szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina

Bardziej szczegółowo

METODY ILOŚCIOWE W ZARZĄDZANIU

METODY ILOŚCIOWE W ZARZĄDZANIU 1.1.1 Metody ilościowe w zarządzaniu I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE METODY ILOŚCIOWE W ZARZĄDZANIU Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: RiAF_PS5 Wydział Zamiejscowy

Bardziej szczegółowo

Objaśnienia oznaczeń w symbolach K przed podkreślnikiem kierunkowe efekty kształcenia W kategoria wiedzy

Objaśnienia oznaczeń w symbolach K przed podkreślnikiem kierunkowe efekty kształcenia W kategoria wiedzy Efekty kształcenia dla kierunku studiów FIZYKA - studia II stopnia, profil ogólnoakademicki - i ich odniesienia do efektów kształcenia w obszarze nauk ścisłych Kierunek studiów fizyka należy do obszaru

Bardziej szczegółowo

forma studiów: studia stacjonarne Liczba godzin/tydzień: 1, 0, 2, 0, 0

forma studiów: studia stacjonarne Liczba godzin/tydzień: 1, 0, 2, 0, 0 Nazwa przedmiotu: Relacyjne Bazy Danych Relational Databases Kierunek: Zarządzanie i Inżynieria Produkcji Kod przedmiotu: ZIP.GD5.03 Rodzaj przedmiotu: Przedmiot Specjalnościowy na kierunku ZIP dla specjalności

Bardziej szczegółowo

Załącznik 1. Nazwa kierunku studiów: FIZYKA Poziom kształcenia: II stopień (magisterski) Profil kształcenia: ogólnoakademicki Symbol

Załącznik 1. Nazwa kierunku studiów: FIZYKA Poziom kształcenia: II stopień (magisterski) Profil kształcenia: ogólnoakademicki Symbol Efekty kształcenia dla kierunku studiów FIZYKA TECHNICZNA - studia II stopnia, profil ogólnoakademicki - i ich odniesienia do efektów kształcenia w obszarze nauk ścisłych Kierunek studiów fizyka techniczna

Bardziej szczegółowo

KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Matematyka finansowa (MFI222) 2. KIERUNEK: MATEMATYKA. 3. POZIOM STUDIÓW: I stopnia

KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Matematyka finansowa (MFI222) 2. KIERUNEK: MATEMATYKA. 3. POZIOM STUDIÓW: I stopnia KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Matematyka finansowa (MFI222) 2. KIERUNEK: MATEMATYKA 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: II/4 5. LICZBA PUNKTÓW ECTS: 8 6. LICZBA GODZIN: 30 / 30

Bardziej szczegółowo

Obszarowe efekty kształcenia dla obszaru nauk ścisłych. Obszarowe efekty kształcenia dla obszaru nauk przyrodniczych

Obszarowe efekty kształcenia dla obszaru nauk ścisłych. Obszarowe efekty kształcenia dla obszaru nauk przyrodniczych Załącznik 2a Opis kierunkowych efektów kształcenia w obszarze nauk ścisłych i nauk przyrodniczych Kierunek OCHRONA ŚRODOWISKA, studia stacjonarne pierwszego stopnia, profil ogólnoakademicki Obszarowe efekty

Bardziej szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA MODUŁU KSZTAŁCENIA KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Inżynieria 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia koordynator

Bardziej szczegółowo

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich)

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich) MATEMATYKA I EKONOMIA PROGRAM STUDIÓW DLA II STOPNIA Data: 2010-11-07 Opracowali: Krzysztof Rykaczewski Paweł Umiński Streszczenie: Poniższe opracowanie przedstawia projekt planu studiów II stopnia na

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Załącznik nr 1 do procedury nr W_PR_12 Nazwa przedmiotu: Ekonomia / Economy Kierunek: inżynieria środowiska Kod przedmiotu: 2.2 Rodzaj przedmiotu: Poziom kształcenia: treści ogólnych, moduł 2 I stopnia

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych Rodzaj zajęć: wykład, laboratorium BAZY DANYCH I SYSTEMY EKSPERTOWE Database and expert systems Forma

Bardziej szczegółowo

Ekonomia II stopień ogólnoakademicki stacjonarne wszystkie Katedra Ekonomii i Zarządzania dr hab. Jan L. Bednarczyk. kierunkowy. obowiązkowy polski

Ekonomia II stopień ogólnoakademicki stacjonarne wszystkie Katedra Ekonomii i Zarządzania dr hab. Jan L. Bednarczyk. kierunkowy. obowiązkowy polski KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Z-EKO2-503 Nazwa modułu Rynki finansowe Nazwa modułu w języku angielskim Financial markets Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W

Bardziej szczegółowo

I. KARTA PRZEDMIOTU CEL PRZEDMIOTU

I. KARTA PRZEDMIOTU CEL PRZEDMIOTU I. KARTA PRZEDMIOTU 1. Nazwa przedmiotu: BAZY DANYCH 2. Kod przedmiotu: Bda 3. Jednostka prowadząca: Wydział Mechaniczno-Elektryczny 4. Kierunek: Automatyka i Robotyka 5. Specjalność: Informatyka Stosowana

Bardziej szczegółowo

WZORCOWE EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW FINANSE STUDIA PIERWSZEGO STOPNIA PROFIL OGÓLNOAKADEMICKI

WZORCOWE EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW FINANSE STUDIA PIERWSZEGO STOPNIA PROFIL OGÓLNOAKADEMICKI WZORCOWE EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW FINANSE STUDIA PIERWSZEGO STOPNIA PROFIL OGÓLNOAKADEMICKI Umiejscowienie kierunku w obszarze kształcenia Kierunek studiów finanse należy do obszaru kształcenia

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Statystyka komputerowa Computer statistics Zarządzanie i Inżynieria Produkcji Management and Engineering of Production Rodzaj przedmiotu: Fakultatywny - oferta Poziom studiów:

Bardziej szczegółowo

MIĘDZYNARODOWE STOSUNKI GOSPODARCZE

MIĘDZYNARODOWE STOSUNKI GOSPODARCZE EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW MIĘDZYNARODOWE STOSUNKI GOSPODARCZE studia pierwszego stopnia profil ogólnoakademicki studia drugiego stopnia profil ogólnoakademicki Objaśnienie oznaczeń: S1A obszar

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy ogólny Rodzaj zajęć: wykład, laboratorium BAZY DANYCH Databases Forma studiów: Stacjonarne

Bardziej szczegółowo

Grupa kursów: Wykład Ćwiczenia Laboratorium Projekt Seminarium 15 30

Grupa kursów: Wykład Ćwiczenia Laboratorium Projekt Seminarium 15 30 Zał. nr 4 do ZW 33/01 WYDZIAŁ INFORMATYKI I ZĄRZADZANIA KARTA PRZEDMIOTU Nazwa w języku polskim: Wprowadzenie do SQL Nazwa w języku angielskim: Introduction to SQL Kierunek studiów (jeśli dotyczy): Zarządzanie

Bardziej szczegółowo

Efekty kształcenia dla kierunku ekonomia studia drugiego stopnia

Efekty kształcenia dla kierunku ekonomia studia drugiego stopnia Załącznik nr 1 do Uchwały nr 9/VI/2012 Senatu Wyższej Szkoły Handlowej im. Bolesława Markowskiego w Kielcach z dnia 13 czerwca 2012 roku. Efekty kształcenia dla kierunku ekonomia studia drugiego stopnia

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: ADMINISTROWANIE INTERNETOWYMI SERWERAMI BAZ DANYCH Kierunek: Informatyka Rodzaj przedmiotu: moduł specjalności obowiązkowy: Programowanie aplikacji internetowych Rodzaj zajęć: wykład,

Bardziej szczegółowo

Efekty kształcenia dla kierunku inżynieria środowiska

Efekty kształcenia dla kierunku inżynieria środowiska Efekty kształcenia dla kierunku inżynieria Szkoła wyższa prowadząca kierunek studiów: Kierunek studiów: Poziom kształcenia: Profil kształcenia: Umiejscowienie kierunku w obszarze kształcenia w zakresie:

Bardziej szczegółowo

ZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia

ZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia ZP/ITS/11/2012 Załącznik nr 1a do SIWZ ZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia Przedmiotem zamówienia jest: Przygotowanie zajęć dydaktycznych w postaci kursów e-learningowych przeznaczonych

Bardziej szczegółowo

Opis efektów kształcenia na kierunku architektura krajobrazu studia drugiego stopnia na specjalności: kształtowanie i ochrona krajobrazu

Opis efektów kształcenia na kierunku architektura krajobrazu studia drugiego stopnia na specjalności: kształtowanie i ochrona krajobrazu Załącznik nr 1 Opis efektów kształcenia na kierunku architektura krajobrazu studia drugiego stopnia na specjalności: kształtowanie i ochrona krajobrazu Obszar/obszary kształcenia, w których umiejscowiony

Bardziej szczegółowo

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W KONINIE. Wydział Kultury Fizycznej i Ochrony Zdrowia SYLABUS

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W KONINIE. Wydział Kultury Fizycznej i Ochrony Zdrowia SYLABUS PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W KONINIE Wydział Kultury Fizycznej i Ochrony Zdrowia Kierunek: FIZJOTERAPIA SYLABUS Nazwa przedmiotu TECHNOLOGIE INFORMACYJNE Kod przedmiotu F_I_0_SS_01 Autor sylabusa

Bardziej szczegółowo

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA. STUDIA PIERWSZEGO STOPNIA - PROFIL OGÓLNOAKADEMICKI

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA. STUDIA PIERWSZEGO STOPNIA - PROFIL OGÓLNOAKADEMICKI EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA. STUDIA PIERWSZEGO STOPNIA - PROFIL OGÓLNOAKADEMICKI Umiejscowienie kierunku w obszarze kształcenia: Kierunek studiów informatyka należy do obszaru kształcenia

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: MODELOWANIE I ANALIZA SYSTEMÓW INFORMATYCZNYCH Modeling and analysis of computer systems Kierunek: Informatyka Forma studiów: Stacjonarne Rodzaj przedmiotu: Poziom kwalifikacji: obowiązkowy

Bardziej szczegółowo

Uniwersytet Rolniczy w Krakowie Wydział Inżynierii Produkcji i Energetyki

Uniwersytet Rolniczy w Krakowie Wydział Inżynierii Produkcji i Energetyki Uniwersytet Rolniczy w Krakowie Wydział Inżynierii Produkcji i Energetyki Efekty dla programu : Kierunek: Zarządzanie i inżynieria produkcji Specjalności: Inżynieria produkcji surowcowej, Infrastruktura

Bardziej szczegółowo

Nazwa przedmiotu: ANALIZA FUNDAMENTALNA ORAZ TECHNICZNA NA RYNKU KAPITAŁOWYM

Nazwa przedmiotu: ANALIZA FUNDAMENTALNA ORAZ TECHNICZNA NA RYNKU KAPITAŁOWYM Nazwa przedmiotu: ANALIZA FUNDAMENTALNA ORAZ TECHNICZNA NA RYNKU KAPITAŁOWYM Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści dodatkowych Fundamental and Technical Analysis on Capital

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: ENERGETYKA Rodzaj przedmiotu: podstawowy Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z metodami i

Bardziej szczegółowo

KARTA PRZEDMIOTU / SYLABUS. Zakład Statystyki i Informatyki Medycznej. tel./fax (85) 748 55 82 email: statinfmed@uwb.edu.pl dr Robert Milewski

KARTA PRZEDMIOTU / SYLABUS. Zakład Statystyki i Informatyki Medycznej. tel./fax (85) 748 55 82 email: statinfmed@uwb.edu.pl dr Robert Milewski Załącznik nr 5b do Uchwały nr 21/2013 Senatu KARTA PRZEDMIOTU / SYLABUS Wydział Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot:

Bardziej szczegółowo

Rok akademicki: 2012/2013 Kod: EAR-1-206-s Punkty ECTS: 3. Poziom studiów: Studia I stopnia Forma i tryb studiów: -

Rok akademicki: 2012/2013 Kod: EAR-1-206-s Punkty ECTS: 3. Poziom studiów: Studia I stopnia Forma i tryb studiów: - Nazwa modułu: Informatyka 1 Rok akademicki: 2012/2013 Kod: EAR-1-206-s Punkty ECTS: 3 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Automatyka i Robotyka Specjalność:

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Algorytmy i programowanie Algorithms and Programming Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: kierunkowy Poziom studiów: studia I stopnia forma studiów: studia

Bardziej szczegółowo

Metody analizy przestrzennej. Liczba godzin stacjonarne: Wykłady: 30 Ćwiczenia: 30. niestacjonarne: Wykłady: 18 Ćwiczenia: 18

Metody analizy przestrzennej. Liczba godzin stacjonarne: Wykłady: 30 Ćwiczenia: 30. niestacjonarne: Wykłady: 18 Ćwiczenia: 18 Karta przedmiotu Wydział: Wydział Finansów Kierunek: Gospodarka przestrzenna I. Informacje podstawowe Nazwa przedmiotu Metody analizy przestrzennej Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu

Bardziej szczegółowo

UCHWAŁA NR R - 0000 17/14. SENATU UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU z dnia 24 kwietnia 2014 r.

UCHWAŁA NR R - 0000 17/14. SENATU UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU z dnia 24 kwietnia 2014 r. UCHWAŁA NR R - 0000 17/14 SENATU UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU z dnia 24 kwietnia 2014 r. w sprawie zatwierdzenia efektów kształcenia dla kierunku studiów Logistyka (drugiego stopnia o profilu

Bardziej szczegółowo

Uniwersytet Rolniczy w Krakowie Wydział Inżynierii Produkcji i Energetyki

Uniwersytet Rolniczy w Krakowie Wydział Inżynierii Produkcji i Energetyki Uniwersytet Rolniczy w Krakowie Wydział Inżynierii Produkcji i Energetyki Efekty dla programu : Kierunek: Odnawialne źródła energii i gospodarka odpadami Specjalności: Stopień : studia II stopnia Profil

Bardziej szczegółowo

Przedmiot: STATYSTYKA STOSOWANA

Przedmiot: STATYSTYKA STOSOWANA Przedmiot: STATYSTYKA STOSOWANA I. Informacje ogólne Jednostka organizacyjna Nazwa przedmiotu Kod przedmiotu Język wykładowy Rodzaj modułu kształcenia (obowiązkowy/fakultatywny) Wydział Rehabilitacji Katedra

Bardziej szczegółowo

Załącznik nr 1WZORCOWE EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW PEDAGOGIKA STUDIA PIERWSZEGO STOPNIA PROFIL OGÓLNOAKADEMICKI

Załącznik nr 1WZORCOWE EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW PEDAGOGIKA STUDIA PIERWSZEGO STOPNIA PROFIL OGÓLNOAKADEMICKI Dz.U. z 2013 poz. 1273 Brzmienie od 31 października 2013 Załącznik nr 1WZORCOWE EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW PEDAGOGIKA STUDIA PIERWSZEGO STOPNIA PROFIL OGÓLNOAKADEMICKI Umiejscowienie kierunku

Bardziej szczegółowo

Rok akademicki: 2014/2015 Kod: ZIE-2-307-s Punkty ECTS: 3. Poziom studiów: Studia II stopnia Forma i tryb studiów: -

Rok akademicki: 2014/2015 Kod: ZIE-2-307-s Punkty ECTS: 3. Poziom studiów: Studia II stopnia Forma i tryb studiów: - Nazwa modułu: Narzędzia informatyczne w zarządzaniu portfolio projektów Rok akademicki: 2014/2015 Kod: ZIE-2-307-s Punkty ECTS: 3 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: -

Bardziej szczegółowo

Badania rynkowe i marketingowe

Badania rynkowe i marketingowe Kierunek studiów KARTA OPISU MODUŁU KSZTAŁCENIA Profil kształcenia (ogólnoakademicki, praktyczny) Rok / Semestr Zarządzanie i inżynieria produkcji ogólnoakademicki 2/4 Specjalność Przedmiot oferowany w

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: PROJEKTOWANIE SYSTEMÓW INFORMATYCZNYCH I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Podniesienie poziomu wiedzy studentów z inżynierii oprogramowania w zakresie C.

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Podstawy Informatyki Basic Informatics Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: ogólny Poziom studiów: studia I stopnia forma studiów: studia stacjonarne Rodzaj

Bardziej szczegółowo

Uchwała Nr 69 /2012. Senatu Uniwersytetu Jana Kochanowskiego w Kielcach. z dnia 31 maja 2012 roku

Uchwała Nr 69 /2012. Senatu Uniwersytetu Jana Kochanowskiego w Kielcach. z dnia 31 maja 2012 roku Uchwała Nr 69 /2012 Senatu Uniwersytetu Jana Kochanowskiego w Kielcach z dnia 31 maja 2012 roku w sprawie określenia efektów kształcenia dla kierunku zarządzanie na poziomie drugiego stopnia o profilu

Bardziej szczegółowo

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW ZARZĄDZANIE STUDIA PIERWSZEGO STOPNIA - PROFIL OGÓLNOAKADEMICKI

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW ZARZĄDZANIE STUDIA PIERWSZEGO STOPNIA - PROFIL OGÓLNOAKADEMICKI EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW ZARZĄDZANIE STUDIA PIERWSZEGO STOPNIA - PROFIL OGÓLNOAKADEMICKI Umiejscowienie kierunku w obszarach kształcenia Kierunek studiów Zarządzanie reprezentuje dziedzinę

Bardziej szczegółowo

Egzamin / zaliczenie na ocenę*

Egzamin / zaliczenie na ocenę* Zał. nr do ZW /01 WYDZIAŁ / STUDIUM KARTA PRZEDMIOTU Nazwa w języku polskim Identyfikacja systemów Nazwa w języku angielskim System identification Kierunek studiów (jeśli dotyczy): Inżynieria Systemów

Bardziej szczegółowo

Informatyka II stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES)

Informatyka II stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES) KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Modelowanie i Analiza Systemów Informatycznych Nazwa modułu w języku angielskim Modeling and Analysis of Information Systems Obowiązuje od roku akademickiego

Bardziej szczegółowo

WYDZIAŁ MATEMATYKI. www.wmat.pwr.edu.pl

WYDZIAŁ MATEMATYKI. www.wmat.pwr.edu.pl WYDZIAŁ MATEMATYKI www.wmat.pwr.edu.pl MATEMATYKA Studenci kierunku Matematyka uzyskują wszechstronne i gruntowne wykształcenie matematyczne oraz zapoznają się z klasycznymi i nowoczesnymi zastosowaniami

Bardziej szczegółowo

Z-ZIP2-613z Inżynieria finansowa Financial engineering

Z-ZIP2-613z Inżynieria finansowa Financial engineering KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-ZIP2-613z Inżynieria finansowa Financial engineering A. USYTUOWANIE

Bardziej szczegółowo

Opis zakładanych efektów kształcenia dla kierunków studiów

Opis zakładanych efektów kształcenia dla kierunków studiów Opis zakładanych efektów kształcenia dla kierunków studiów Kierunek studiów: LOGISTYKA Obszar kształcenia: obszar nauk technicznych i społecznych Dziedzina kształcenia: nauk technicznych i ekonomicznych

Bardziej szczegółowo

Wydział Nauk o Zdrowiu. Kierunek: Zdrowie Publiczne. Poziom studiów: drugi. Profil: ogólny

Wydział Nauk o Zdrowiu. Kierunek: Zdrowie Publiczne. Poziom studiów: drugi. Profil: ogólny LISTA PRZEDMIOTÓW, KTÓRE MOGĄ BYĆ UZNANE NA PODSTAWIE OCENY EFEKTÓW UCZENIA SIĘ ZDOBYTYCH NA DRODZE EDUKACJI POZAFORMALNEJ I NIEFORMALNEJ NA ROK AKADEMICKI 2016/2017 Wydział Nauk o Zdrowiu Kierunek: Zdrowie

Bardziej szczegółowo

K A T E D R A IN F O R M A T Y K I I M E T O D K O M P U T E R O W Y C H UNIWERSYTET PEDAGOGICZNY W KRAKOWIE

K A T E D R A IN F O R M A T Y K I I M E T O D K O M P U T E R O W Y C H UNIWERSYTET PEDAGOGICZNY W KRAKOWIE 1. Kierunek: Informatyka 2. Obszar kształcenia: X nauki ścisłe 3. Sylwetka absolwenta: Studia pierwszego stopnia na kierunku Informatyka przygotowują absolwentów w zakresie treści matematycznych niezbędnych

Bardziej szczegółowo

Odniesienie do obszarowych efektów kształcenia 1 2 3. Kierunkowe efekty kształcenia WIEDZA (W)

Odniesienie do obszarowych efektów kształcenia 1 2 3. Kierunkowe efekty kształcenia WIEDZA (W) EFEKTY KSZTAŁCENIA NA KIERUNKU "MECHATRONIKA" nazwa kierunku studiów: Mechatronika poziom kształcenia: studia pierwszego stopnia profil kształcenia: ogólnoakademicki symbol kierunkowych efektów kształcenia

Bardziej szczegółowo

KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Zespołowy projekt informatyczny. 2. KIERUNEK: Matematyka. 3. POZIOM STUDIÓW: I stopnia

KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Zespołowy projekt informatyczny. 2. KIERUNEK: Matematyka. 3. POZIOM STUDIÓW: I stopnia KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Zespołowy projekt informatyczny 2. KIERUNEK: Matematyka 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6 5. LICZBA PUNKTÓW ECTS: 4 6. LICZBA GODZIN: 30

Bardziej szczegółowo

1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane

1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane Kod przedmiotu:. Pozycja planu: B.1., B.1a 1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane Nazwa przedmiotu Metody badań na zwierzętach Kierunek studiów Poziom studiów Profil studiów Forma studiów Specjalność

Bardziej szczegółowo

Podyplomowe Studium Informatyki w Bizniesie Wydział Matematyki i Informatyki, Uniwersytet Łódzki specjalność: Tworzenie aplikacji w środowisku Oracle

Podyplomowe Studium Informatyki w Bizniesie Wydział Matematyki i Informatyki, Uniwersytet Łódzki specjalność: Tworzenie aplikacji w środowisku Oracle Podyplomowe Studium Informatyki w Bizniesie Wydział Matematyki i Informatyki, Uniwersytet Łódzki specjalność: Tworzenie aplikacji w środowisku Oracle EFEKTY KSZTAŁCENIA Wiedza Absolwent tej specjalności

Bardziej szczegółowo

PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2015/2016 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW I ROKU STUDIÓW

PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2015/2016 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW I ROKU STUDIÓW PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2015/2016 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW I ROKU STUDIÓW 1. NAZWA PRZEDMIOTU : BIOSTATYSTYKA Z ELEMENTAMI INFORMATYKI

Bardziej szczegółowo

Specjalnościowy Obowiązkowy Polski Semestr trzeci

Specjalnościowy Obowiązkowy Polski Semestr trzeci KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 0/03 Nowe technologie baz danych ORACLE New technologies of Oracle databases A.

Bardziej szczegółowo

ROZWÓJ PRZEDSIĘBIORSTWA I PROCESY INWESTOWANIA

ROZWÓJ PRZEDSIĘBIORSTWA I PROCESY INWESTOWANIA 1.1.1 Rozwój przedsiębiorstwa i procesy inwestowania I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE ROZWÓJ PRZEDSIĘBIORSTWA I PROCESY INWESTOWANIA Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod

Bardziej szczegółowo

INFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ

INFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ INFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ dr hab. Czesław Bagiński, prof. PB Kierownik KIT dr hab. Wiktor Dańko, prof. PB dr hab. Piotr Grzeszczuk, prof. PB dr Ryszard Mazurek dr Jolanta Koszelew

Bardziej szczegółowo

Efekty kształcenia dla kierunku Administracja. Wydział Prawa i Administracji Uczelni Łazarskiego

Efekty kształcenia dla kierunku Administracja. Wydział Prawa i Administracji Uczelni Łazarskiego Efekty kształcenia dla kierunku Administracja Wydział Prawa i Administracji Uczelni Łazarskiego II stopień Umiejscowienie kierunku w obszarach kształcenia Kierunek studiów Administracja należy do obszaru

Bardziej szczegółowo

Opis efektów kształcenia dla modułu zajęć

Opis efektów kształcenia dla modułu zajęć Nazwa modułu: Formalne podstawy informatyki Rok akademicki: 2013/2014 Kod: EIB-1-220-s Punkty ECTS: 2 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Inżynieria Biomedyczna

Bardziej szczegółowo

Wydział Matematyki i Informatyki PROGRAM KSZTAŁCENIA

Wydział Matematyki i Informatyki PROGRAM KSZTAŁCENIA Wydział Matematyki i Informatyki PROGRAM KSZTAŁCENIA kierunek ANALIZA DANYCH studia inżynierskie (I stopnia) profil ogólnoakademicki obowiązujący od roku akademickiego 2015/16 Program kształcenia zatwierdzony

Bardziej szczegółowo

Z-EKO-045 Matematyka finansowa Financial Mathematics. Ekonomia I stopień Ogólnoakademicki

Z-EKO-045 Matematyka finansowa Financial Mathematics. Ekonomia I stopień Ogólnoakademicki KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-EKO-045 Matematyka finansowa Financial Mathematics A. USYTUOWANIE MODUŁU

Bardziej szczegółowo

Ekonomia II stopień ogólnoakademicki stacjonarne wszystkie Katedra Ekonomii i Zarządzania Dr hab. Jan L. Bednarczyk. kierunkowy. obowiązkowy polski

Ekonomia II stopień ogólnoakademicki stacjonarne wszystkie Katedra Ekonomii i Zarządzania Dr hab. Jan L. Bednarczyk. kierunkowy. obowiązkowy polski KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Z-EKO2-533 Nazwa modułu Planowanie finansowe Nazwa modułu w języku angielskim Financial Planning Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU

Bardziej szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA MODUŁU KSZTAŁCENIA I. 1 Nazwa modułu kształcenia STATYSTYKA MATEMATYCZNA KARTA MODUŁU KSZTAŁCENIA Informacje ogólne 2 Nazwa jednostki prowadzącej moduł Państwowa Szkoła Wyższa im. Papieża Jana Pawła II,Katedra Nauk Technicznych,

Bardziej szczegółowo

KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Ubezpieczenia majątkowe 2. KIERUNEK: MATEMATYKA. 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6

KARTA PRZEDMIOTU. 1. NAZWA PRZEDMIOTU: Ubezpieczenia majątkowe 2. KIERUNEK: MATEMATYKA. 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6 KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Ubezpieczenia majątkowe 2. KIERUNEK: MATEMATYKA 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6 5. LICZBA PUNKTÓW ECTS: 5 6. LICZBA GODZIN: 30 / 30 7.

Bardziej szczegółowo

OPIS MODUŁU KSZTAŁCENIA (przedmiot lub grupa przedmiotów)

OPIS MODUŁU KSZTAŁCENIA (przedmiot lub grupa przedmiotów) OPIS MODUŁU KSZTAŁCENIA (przedmiot lub grupa przedmiotów) Nazwa modułu/ przedmiotu Tworzenie aplikacji i eksploatacja oprogramowania Nazwa jednostki prowadzącej przedmiot Instytut Matematyki Przedmioty:

Bardziej szczegółowo

Planowanie Finansowe Financial Planning

Planowanie Finansowe Financial Planning KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Planowanie Finansowe Financial Planning A. USYTUOWANIE MODUŁU W SYSTEMIE

Bardziej szczegółowo

Informatyka I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)

Informatyka I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny) Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod Nazwa Nazwa w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Programy grafiki rastrowej,

Bardziej szczegółowo

Po ukończeniu studiów pierwszego stopnia na kierunku ekonomia absolwent:

Po ukończeniu studiów pierwszego stopnia na kierunku ekonomia absolwent: Efekty kształcenia dla kierunku studiów ekonomia Studia pierwszego stopnia profil praktyczny 1. Umiejscowienie kierunku w obszarze. Kierunek studiów ekonomia należy do dziedziny nauk ekonomicznych w ramach

Bardziej szczegółowo

Efekty kształcenia dla kierunku Zarządzanie stopnia I

Efekty kształcenia dla kierunku Zarządzanie stopnia I Efekty kształcenia dla kierunku Zarządzanie stopnia I 1. Umiejscowienie kierunku w obszarze kształcenia: kierunek należy do obszaru kształcenia w zakresie nauk społecznych. 2. Profil kształcenia: ogólnoakademicki.

Bardziej szczegółowo

Przedmiot Ekonomika Przedsiębiorstwa Turystycznego i Rekreacyjnego. studiów 20 5. Turystyka i Rekreacja

Przedmiot Ekonomika Przedsiębiorstwa Turystycznego i Rekreacyjnego. studiów 20 5. Turystyka i Rekreacja Przedmiot Ekonomika Przedsiębiorstwa Turystycznego i Rekreacyjnego kod nr w planie ECTS studiów 20 5 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr I/2 Typ przedmiotu (obowiązkowy/fakultatywny)

Bardziej szczegółowo

KARTA PRZEDMIOTU. 10. WYMAGANIA WSTĘPNE: technologia informacyjna na poziomie szkoły średniej.

KARTA PRZEDMIOTU. 10. WYMAGANIA WSTĘPNE: technologia informacyjna na poziomie szkoły średniej. KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Technologia informacyjna 2. KIERUNEK: Mechanika i budowa maszyn 3. POZIOM STUDIÓW: inżynierskie 4. ROK/ SEMESTR STUDIÓW: 1/1 5. LICZBA PUNKTÓW ECTS: 2 6. LICZBA GODZIN:

Bardziej szczegółowo

Karta opisu przedmiotu Zaawansowane techniki analizy systemowej oparte o modelowanie warsztaty

Karta opisu przedmiotu Zaawansowane techniki analizy systemowej oparte o modelowanie warsztaty Karta opisu przedmiotu Zaawansowane techniki analizy systemowej oparte o modelowanie warsztaty przedmiotu Stopień studiów i forma: Rodzaj przedmiotu Kod przedmiotu Grupa kursów Zaawansowane techniki analizy

Bardziej szczegółowo

tel./fax (85) 748 55 82 email: statinfmed@uwb.edu.pl

tel./fax (85) 748 55 82 email: statinfmed@uwb.edu.pl Załącznik nr 5b do Uchwały nr 21/2013 Senatu KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna

Bardziej szczegółowo

Uniwersytet Łódzki. Wydział Ekonomiczno-Socjologiczny. Instytut Finansów PROGRAM KSZTAŁCENIA STUDIÓW PODYPLOMOWYCH FINANSE W PRAKTYCE

Uniwersytet Łódzki. Wydział Ekonomiczno-Socjologiczny. Instytut Finansów PROGRAM KSZTAŁCENIA STUDIÓW PODYPLOMOWYCH FINANSE W PRAKTYCE Uniwersytet Łódzki Wydział Ekonomiczno-Socjologiczny Instytut Finansów PROGRAM KSZTAŁCENIA STUDIÓW PODYPLOMOWYCH FINANSE W PRAKTYCE 1. Nazwa studiów podyplomowych: Finanse w praktyce 2. Zwięzły opis studiów:

Bardziej szczegółowo

Efekty kształcenia dla kierunku ekonomia studia pierwszego stopnia

Efekty kształcenia dla kierunku ekonomia studia pierwszego stopnia Załącznik nr 1 do Uchwały nr 7/VI/2012 Senatu Wyższej Szkoły Handlowej im. Bolesława Markowskiego w Kielcach z dnia 13 czerwca 2012 roku. Efekty kształcenia dla kierunku ekonomia studia pierwszego stopnia

Bardziej szczegółowo

Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych i Informatyki KARTA PRZEDMIOTU. Część A. Część B

Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych i Informatyki KARTA PRZEDMIOTU. Część A. Część B Przedmiot: Technologie informacyjne Wykładowca odpowiedzialny za przedmiot: Mgr Edward Czarnecki Cele zajęć z przedmiotu: Państwowa Wyższa Szkoła Zawodowa w Płocku Instytut Nauk Ekonomicznych i Informatyki

Bardziej szczegółowo

EFEKTY KSZTŁACENIA dla kierunku logistyka pierwszego stopnia

EFEKTY KSZTŁACENIA dla kierunku logistyka pierwszego stopnia Załącznik do uchwały nr 71 Senatu Uniwersytetu Zielonogórskiego z dnia 30 stycznia 2013 r. EFEKTY KSZTŁACENIA dla kierunku logistyka pierwszego stopnia I. EFEKTY KSZTAŁCENIA Kierunek studiów Logistyka

Bardziej szczegółowo

Umiejscowienie kierunku w obszarach kształcenia Kierunek kształcenia prawno-ekonomiczny należy do obszaru kształcenia w zakresie nauk społecznych.

Umiejscowienie kierunku w obszarach kształcenia Kierunek kształcenia prawno-ekonomiczny należy do obszaru kształcenia w zakresie nauk społecznych. Efekty kształcenia dla kierunku PRAWNO-EKONOMICZNEGO studia pierwszego stopnia profil ogólnoakademicki Forma studiów: stacjonarne Studia prowadzone wspólnie przez Wydział Ekonomii Uniwersytetu Ekonomicznego

Bardziej szczegółowo

Analiza fundamentalna oraz techniczna na rynku kapitałowym Fundamental and Technical Analysis on Capital Market

Analiza fundamentalna oraz techniczna na rynku kapitałowym Fundamental and Technical Analysis on Capital Market Nazwa przedmiotu: Analiza fundamentalna oraz techniczna na rynku kapitałowym Fundamental and Technical Analysis on Capital Market Kierunek: Matematyka Rodzaj przedmiotu: obieralny Rodzaj zajęć: wykład,

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

KARTAKURSU. Efekty kształcenia dla kursu Student: W01wykazuje się znajomością podstawowych koncepcji, zasad, praw i teorii obowiązujących w fizyce

KARTAKURSU. Efekty kształcenia dla kursu Student: W01wykazuje się znajomością podstawowych koncepcji, zasad, praw i teorii obowiązujących w fizyce KARTAKURSU Nazwa Modelowanie zjawisk i procesów w przyrodzie Nazwa w j. ang. Kod Modelling of natural phenomena and processes Punktacja ECTS* 1 Koordynator Dr Dorota Sitko ZESPÓŁDYDAKTYCZNY: Dr Dorota

Bardziej szczegółowo

Uchwała nr 28/II/2013 Senatu Uniwersytetu Jagiellońskiego z dnia 27 lutego 2013 r.

Uchwała nr 28/II/2013 Senatu Uniwersytetu Jagiellońskiego z dnia 27 lutego 2013 r. Uchwała nr 28/II/2013 Senatu Uniwersytetu Jagiellońskiego z dnia 27 lutego 2013 r. w sprawie: utworzenia na Wydziale Filologicznym UJ stacjonarnych i niestacjonarnych studiów drugiego stopnia o profilu

Bardziej szczegółowo

I. KARTA PRZEDMIOTU CEL PRZEDMIOTU

I. KARTA PRZEDMIOTU CEL PRZEDMIOTU I. KARTA PRZEDMIOTU 1. Nazwa przedmiotu: TECHNOLOGIA INFORMACYJNA 2. Kod przedmiotu: Ot 3. Jednostka prowadząca: Wydział Mechaniczno-Elektryczny 4. Kierunek: Automatyka i Robotyka 5. Specjalność: Informatyka

Bardziej szczegółowo