Transkrypt

1 INFORMATYKA I EKONOMETRIA STUDIA DRUGIEGO STOPNIA KATALOG PRZEDMIOTÓW od roku 2012/2013 Analiza decyzyjna i teoria decyzji... 2 Analiza statystyczna w badaniach rynku... 4 Analiza wielowymiarowa... 7 Aplikacje WWW i PHP... 9 Bioinformatyka Ekonometria Ekonometria dynamiczna i finansowa Ekonomia matematyczna Hurtownie danych Inżynieria oprogramowania Inżynieria oprogramowania Język angielski Język angielski Komputerowe przetwarzanie obrazów LaTeX Metody aktuarialne Metody algorytmiczne Metody reprezentacyjne Metody sztucznej inteligencji Modelowanie oprogramowania w systemach gospodarczych Narzędzia i technologie komponentowe w projektowaniu systemów e-biznesu Planowanie doświadczeń Prognozowanie i symulacja Seminarium dyplomowe Seminarium dyplomowe Seminarium dyplomowe Sieci komputerowe Systemy informacyjne zarządzania Technologiczne podstawy e-gospodarki Technologie internetowe w zarządzaniu Wybrane zagadnienia z matematyki dyskretnej Zaawansowane techniki programowania korporacyjnych systemów rozproszonych

2 A N A LL I ZZ A D E C Y ZZ Y JJ N A I TT E O R I A D E C Y ZZ JJ I Kod przedmiotu: 11.1-WK-IiE-SD-ADTD Typ przedmiotu: wybieralny Język nauczania: polski Odpowiedzialny za przedmiot: dr hab. Zbigniew Świtalski, prof. UZ Prowadzący: dr hab. Zbigniew Świtalski, prof. UZ dr Robert Dylewski zajęć w semestrze w tygodniu Semestr zaliczenia Punkty ECTS Studia stacjonarne Wykład 30 2 Egzamin II lub IV Ćwiczenia 30 2 Zaliczenie na ocenę 7 CEL PRZEDMIOTU: Zapoznanie studenta z wybranymi metodami, modelami i zastosowaniami analizy decyzyjnej i teorii decyzji. WYMAGANIA WSTĘPNE: Znajomość podstaw algebry liniowej, matematyki dyskretnej (teorii grafów), rachunku prawdopodobieństwa. Znajomość podstawowych modeli badań operacyjnych. ZAKRES TEMATYCZNY PRZEDMIOTU: Wykład/ćwiczenia 1. Ogólna problematyka podejmowania decyzji. Elementy sytuacji decyzyjnej. Wielokryterialność i niepewność przy podejmowaniu decyzji. Preferencje. Modele matematyczne sytuacji decyzyjnych. Wspomaganie decyzji i systemy wspomagania decyzji. 2. Programowanie wielokryterialne. Metody i przykłady zastosowań. 3. Wielokryterialna analiza decyzyjna w przypadku dyskretnym (skończony zbiór wariantów). Metody, reguły decyzyjne i przykłady zastosowań. 4. Podejmowanie decyzji w warunkach niepewności i ryzyka. Wieloetapowe procesy decyzyjne. Drzewa decyzyjne. 5. Metody sieciowe w zarządzaniu projektami. Modele optymalizacyjne. Metoda PERT. Metoda CPM-COST. Zadanie rozdziału zasobów pomiędzy czynności. 6. Modele preferencji. Relacje preferencji i funkcje użyteczności. Własności relacji preferencji. Zupełne preporządki, liniowe porządki i przedziałowe porządki. Reprezentacje relacji preferencji za pomocą funkcji użyteczności. Relacje stopniowalne jako modele preferencji. 7. Preferencje wielokryterialne i grupowe. Optimum Pareto. Wybór grupowy i społeczny. Metody i reguły wyboru społecznego. Paradoks Condorceta i twierdzenie Arrowa. 8. Głosowanie jako metoda podejmowania decyzji grupowych. Metody głosowań i systemy wyborcze. Metody proporcjonalnego podziału mandatów. 9. Sprawiedliwy podział dóbr. Metody i ujęcia formalne. 10. Systemy kojarzenia i rekrutacji. Model Gale a-shapleya. 2

3 METODY KSZTAŁCENIA: Tradycyjny wykład, ćwiczenia tablicowe polegające na samodzielnym, wspomaganym przez prowadzącego, rozwiązywaniu zadań, dyskusje w grupie na temat metod rozwiązywania zadań, indywidualne konsultacje. EFEKTY KSZTAŁCENIA: Student: 1. Zna podstawowe modele i metody analizy decyzyjnej i teorii decyzji (K_W02). 2. Umie zastosować metody analizy wielokryterialnej w przypadku dyskretnym i ciągłym (K_U02). 3. Umie zastosować wybrane algorytmy analizy sieciowej (algorytm budowy sieci przedsięwzięcia, PERT, CPM-COST, rozdział zasobów pomiędzy czynności) (K_U02). 4. Umie zastosować podstawowe metody podejmowania decyzji w warunkach niepewności i ryzyka (K_U02). WERYFIKACJA EFEKTÓW KSZTAŁCENIA I WARUNKI ZALICZENIA: 1. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie ćwiczeń. 2. Sprawdziany pisemne z progami punktowymi oraz zadaniami pozwalającymi ocenić, czy student osiągnął efekty kształcenia w stopniu minimalnym. 3. Egzamin pisemny składający się z pytań testowych i zadań, weryfikujący znajomość modeli metod i pojęć. Ostateczna ocena z przedmiotu uwzględnia ocenę z ćwiczeń (50%) i ocenę z egzaminu (50%), przy założeniu, że student osiągnął wszystkie zakładane efekty kształcenia w stopniu dostatecznym. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe: Wykład 30 godz. Ćwiczenia 30 godz. Konsultacje 2 godz. (wykład), 3 godz. (ćwiczenia) Praca samodzielna: Przygotowanie do wykładu 30 godz. Przygotowanie do ćwiczeń 40 godz. Przygotowanie do egzaminu 45 godz. Razem dla całego przedmiotu: 180 godz. (7 ECTS) LITERATURA PODSTAWOWA: 1. Badania operacyjne (red. W. Sikora), PWE, Warszawa Decyzje menedżerskie z Excelem (red. T. Szapiro), PWE, Warszawa, Ekonometria i badania operacyjne (red. M. Gruszczyński, T. Kuszewski, M. Podgórska), PWN, Warszawa, Z. Jędrzejczyk, K. Kukuła, J. Skrzypek, A. Walkosz, Badania operacyjne w przykładach i zadaniach, PWN, Warszawa, T. Trzaskalik, Wprowadzenie do badań operacyjnych z komputerem, PWE, Warszawa, Young H. P., Sprawiedliwy podział, Wydawnictwo Naukowe SCHOLAR, Warszawa, LITERATURA UZUPEŁNIAJĄCA 1. W. Grabowski, Programowanie matematyczne, PWE, Warszawa, Krawczyk S., Matematyczna analiza sytuacji decyzyjnych, PWE, Warszawa, Roy B., Wielokryterialne wspomaganie decyzji, WNT, Warszawa, Tyszka T., Analiza decyzyjna i psychologia decyzji, PWN, Warszawa,

4 A N A LL I ZZ A S TT A TT Y S TT Y C ZZ N A W B A D A N I A C H R Y N K U Kod przedmiotu: 11.5-WK-IiE-SD-ASBR Typ przedmiotu: obowiązkowy Język nauczania: polski Odpowiedzialny za przedmiot: dr hab. Stefan Zontek prof UZ Prowadzący: dr hab. Stefan Zontek prof. UZ (wykład) dr Joachim Syga (laboratorium) zajęć w semestrze w tygodniu Semestr zaliczenia Punkty ECTS Studia stacjonarne Wykład 15 1 III Zaliczenie na ocenę Laboratorium 30 2 Zaliczenie na ocenę 4 CEL PRZEDMIOTU: Zapoznanie studenta z podstawowymi metodami analizy statystycznej stosowanymi w badaniach rynkowych. Nabycie przez studenta umiejętności ich odpowiedniego doboru oraz zastosowania w praktyce. WYMAGANIA WSTĘPNE: Rachunek prawdopodobieństwa, statystyka opisowa i matematyczna ZAKRES TEMATYCZNY PRZEDMIOTU: Wykład 1. Badania marketingowe. Skale pomiarowe. Dostępność danych. (2 godz.) 2. Metody porządkowania liniowego obiektów. (3 godz.) - Metoda wzorca rozwoju - Metoda sum standaryzowanych 3. Wprowadzenie do metod klasyfikacji. (4 godz. - Metoda środków ciężkości - Taksonomia wrocławska - Drzewa decyzyjne (klasyfikacyjne) 4. Conjoint analysis. (3 godz.) 5. Skalowanie wielowymiarowe. (3 godz.) Laboratorium 1. Zajęcia wprowadzająco-przypominające dot. wykorzystywanego oprogramowania (pakiet R- project) (2 godz.). 2. Podział, rozróżnienie i wstępna analiza danych marketingowych ze względu na skalę pomiarową (2 godz.). 3. Przypomnienie metod analizy danych marketingowych ze względu na skalę pomiarową: a) metody stosowane w statystyce opisowej (3 godz.), b) testy statystyczne (3 godz.), 4

5 c) metody analizy zależności (3 godz.), 3. Sprawdzian (2 godz.). 4. Metody statystyczne z wyróżnionymi zmiennymi zależnymi (5 godz.); 5. Metody analizy współwystępowania: a) metody klasyfikacji zbioru obiektów (4 godz.); b) metody porządkowania liniowego zbioru obiektów (2 godz.), c) skalowanie wielowymiarowe (2 godz.); 6. Sprawdzian (2 godz.). METODY KSZTAŁCENIA: Wykład tradycyjny (kreda i tablica tylko do najważniejszych sformułowań, wzorów) z wyjątkiem omawianych przykładów zastosowań prezentowanymi w formie slajdów. Laboratoria odbywają się przy wykorzystaniu sprzętu komputerowego z odpowiednim oprogramowaniem umożliwiającym zastosowanie metod statystycznych w rozwiązywaniu zadań (Rproject), studenci w aktywny sposób uczestniczą w poszukiwaniu odpowiednich metod rozwiązania przedstawionych zadań EFEKTY KSZTAŁCENIA: 1. Student ma teoretyczną i praktyczną wiedzę o metodach statystycznych stosowanych w badaniach rynkowych. (K_W01, K_W02, K_W06, K_W16) 2. Student rozumie istotę badań rynkowych. (K_W02) 3. Student potrafi klasyfikować dane ze względu na rodzaj ich pomiaru; potrafi właściwie dobrać i zastosować metody statystyczne stosowane w analizie danych rynkowych w zależności od rodzaju danych. (K_W06, U_W06) WERYFIKACJA EFEKTÓW KSZTAŁCENIA I WARUNKI ZALICZENIA: 1. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie laboratorium. 2. Sprawdziany z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym. 3. Na ostatnim wykładzie (wtedy obecność jest obowiązkowa) wskazywani studenci odpowiadają przy tablicy na pytania dotyczące metod statystycznych stosowanych w badaniach rynku. Każdy ze studentów jest przynajmniej raz wywołany, a odpowiedzi są oceniane. W przypadku nie uzyskania oceny pozytywnej, jest możliwość poprawy. Na ocenę z przedmiotu składa się ocena z laboratorium (70%) i ocena z wykładu (30%). Warunkiem przystąpienia do zaliczenia wykładu jest pozytywna ocena z ćwiczeń. Warunkiem zaliczenia przedmiotu jest pozytywna ocena z wykładu. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe wykład 30 godz. laboratorium 15 godz. konsultacje 30 godz. (wykładu - 10 godz.; laboratorium - 20 godz.) Razem: 75 godz. (3 ECTS) Praca samodzielna przygotowanie do wykładu 15 godz. przygotowanie do laboratorium 20 godz. Razem: 35 godz. (1 ECTS) Razem za cały przedmiot: 110 godz. (4 ECTS) LITERATURA PODSTAWOWA: 1. Stanimir A. - pod red. Analiza danych marketingowych Problemy, metody, zadania, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław Mazurek-Łopacińska K. - pod red. Badania marketingowe Teoria i praktyka, PWN Warszawa Walesiak M., Gatnar E. - pod red. Statystyczna analiza danych z wykorzystaniem programu R, PWN Warszawa Maddala G.S. Ekonometria, PWN Warszawa

6 LITERATURA UZUPEŁNIAJĄCA: 1. Biecek P. Przewodnik po pakiecie R", Oficyna Wydawnicza GiS Wrocław Kopczewska K. Ekonometria i statystyka przestrzenna z wykorzystaniem programu R CRAN, Wydawnictwa Fachowe CeDeWu Warszawa Koronacki J., Ćwik J. Statystyczne systemy uczące się, WNT Warszawa Welfe A. Ekonometria Metody i ich zastosowanie, PWE Warszawa Welfe A. - pod red. Ekonometria zbiór zadań, PWE Warszawa Dziechciarz J. - pod red. Ekonometria Metody, przykłady, zadania, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu Wrocław Zeliaś A. Metody statystyczne, PWE Warszawa Zeliaś A., Pawełek B., Wanat S. Metody statystyczne Zadania i sprawdziany, PWE Warszawa

7 A N A LL I ZZ A W I E LL O W Y M I A R O W A Kod przedmiotu: 11.5-WK-IiE-SD-AW Typ przedmiotu: obowiązkowy Język nauczania: polski Odpowiedzialny za przedmiot: dr hab. Stefan Zontek, prof. UZ Prowadzący: dr hab. Stefan Zontek, prof. UZ (wykład) dr Magdalena Wojciech (ćwiczenia) zajęć w semestrze w tygodniu Semestr zaliczenia Punkty ECTS Studia stacjonarne Wykład 30 2 I Egzamin Ćwiczenia 30 2 Zaliczenie na ocenę 7 CEL PRZEDMIOTU: Zapoznanie studenta z metodami statystycznymi stosowanymi w modelach wielowymiarowych. WYMAGANIA WSTĘPNE: Zaliczone przedmioty: algebra liniowa, rachunek prawdopodobieństwa, statystyka matematyczna. ZAKRES TEMATYCZNY PRZEDMIOTU: Wykład 1. Wektory losowe i ich rozkłady prawdopodobieństwa. Wielowymiarowy rozkład normalny (4 godz.) 2. Elementy teorii estymacji w przypadku wielowymiarowym. (4 godz.) 3. Podstawowe rozkłady wielowymiarowe z próby. (4 godz.) 4. Rozkład T^2 Hotellinga i jego zastosowania. (6 godz.) 5. Składowe główne. (4 godz.) 6. Analiza korelacji kanonicznych. (4 godz.) 7. Analiza dyskryminacyjna. (4 godz.) Ćwiczenia 1. Przypomnienie wiadomości z algebry liniowej niezbędnych w wielowymiarowym wnioskowaniu statystycznym. (4 godz.) 2. Postać wektora wartości oczekiwanych i macierzy kowariancji po przekształceniach liniowych. (2 godz.) 3. Wyznaczanie obszarów ufności i jednoczesnych przedziałów ufności. (4 godz.) 4. Testy związane z rozkładem T^2 Hotellinga. (4 godz.) 5. Kolokwium I. (2 godz.) 6. Wyznaczanie składowych głównych. (4 godz.) 7. Wyznaczanie zmiennych kanonicznych. (4 godz.) 8. Wyznaczanie bayesowskich reguł klasyfikacyjnych. (4 godz.) 9. Kolokwium II. (2 godz.) 7

8 METODY KSZTAŁCENIA: Wykład tradycyjny (kreda i tablica tylko do najważniejszych sformułowań, dowodów, przekształceń wzorów), na ćwiczeniach rozwiązywanie uprzednio podanych do wiadomości zadań (zadania przeliczeniowe, przeprowadzanie dowodów przy upraszczających założeniach). EFEKTY KSZTAŁCENIA: 1. Student wie, że badania statystyczne dają przybliżoną wiedzę o badanym zjawisku. (K_W02) 2. Student potrafi określić rozkłady podstawowych statystyk z próby pochodzącej z rozkładu normalnego. (K_W06) 3. Student zna i umie zastosować podstawowe metody analizy danych wielowymiarowych, w tym - elementy estymacji punktowej i przedziałowej (obszarowej), - elementy testowania hipotez statystycznych, - składowe główne, - zmienne kanoniczne, - analizę dyskryminacyjną. (K_W01, K_W06, K_W16, K_U08) 4. Student umie zinterpretować wyniki przeprowadzonego wnioskowania. (K_U08) WERYFIKACJA EFEKTÓW KSZTAŁCENIA I WARUNKI ZALICZENIA: 1. Przygotowanie studenta do ćwiczeń weryfikuje się poprzez sprawdzenie wiedzy (pojęcia, własności, twierdzenia,...) niezbędnej do rozwiązania kolejnego zadania z listy (brak przygotowania do ćwiczeń jest uwzględniany w końcowej ocenie z ćwiczeń). Dwa kolokwia z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym. 2. Egzamin (I termin) pisemny z pytaniami nawiązującymi bezpośrednio do pojęć, twierdzeń... jak i z pytaniami o charakterze sprawdzającym zrozumienie przyswojonej wiedzy. Egzamin poprawkowy w formie ustnej, typ pytań jak wyżej. Na ocenę z przedmiotu składa się ocena z ćwiczeń (40%) i ocena z egzaminu (60%). Warunkiem przystąpienia do egzaminu jest pozytywna ocena z ćwiczeń. Warunkiem zaliczenia przedmiotu jest pozytywna ocena z ćwiczeń i egzaminu. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe wykład 30 godz. ćwiczenia 30 godz. konsultacje 40 godz. (wykład - 10 godz.; ćwiczenia - 30 godz.) Razem: 100 godz. (4 ECTS) Praca samodzielna przygotowanie do wykładu 5 godz. przygotowanie do ćwiczeń 30 godz. przygotowanie do egzaminu 40 godz. Razem: 75 godz. (3 ECTS) Razem za cały przedmiot: 175 godz. (7 ECTS) LITERATURA PODSTAWOWA: 1. D.F. Morrison, Wielowymiarowa analiza statystyczna, PWN, Warszawa, M. Krzyśko, Wielowymiarowa analiza statystyczna, UAM, Poznań, 2000 LITERATURA UZUPEŁNIAJĄCA: 1. M.S. Srivastava, C.G. Kathri, An introduction to multivariate statistics, North-Holland Pub., Amsterdam

9 A P LL I K A C JJ E W W W I P H P Kod przedmiotu: 11.3-WK-IiE-SD-A Typ przedmiotu: wybieralny Język nauczania: polski Odpowiedzialny za przedmiot: mgr inż. Edward Ciaś Prowadzący: mgr inż. Edward Ciaś zajęć w semestrze w tygodniu Semestr zaliczenia Punkty ECTS Studia stacjonarne Wykład 30 2 Zaliczenie na ocenę II lub IV Laboratorium 30 2 Zaliczenie na ocenę 4 CEL PRZEDMIOTU: Poznanie architektur aplikacji internetowych, metod implementacji ich modułów oraz podstawowych składników architektury WWW. Praktyczne poznanie podstawowych technologii implementacji interfejsu użytkownika, m.in. HTML, CSS, JavaScript i PHP. Poznanie systemów zarządzania treścią na przykładzie platformy Joomla. WYMAGANIA WSTĘPNE: Znajomość tematów z przedmiotów: Programowanie komputerów, Bazy danych, Sieci komputerowe. ZAKRES TEMATYCZNY PRZEDMIOTU: Wykład 1. Architektura aplikacji internetowych oraz metody implementacji ich modułów. Podstawowe składniki architektury WWW: warstwa cienkiego klienta, warstwa aplikacji, warstwa bazy danych, protokół HTTP, przeglądarka WWW, serwer HTTP, serwer aplikacji. Serwer HTTP na przykładzie serwera Apache w pakiecie XAMPP. Podstawowe technologie implementacji interfejsu użytkownika, m.in. HTML, DHTML, CSS, JavaScript i PHP. 2. PHP - przeplatanie kodu HTML i PHP, zmienne w PHP, łańcuchy znaków w PHP, tablice w PHP, instrukcje sterujące PHP, predefiniowane zmienne PHP, przetwarzanie danych z formularzy, file upload w PHP, zmienne sesyjne w PHP, sesja w PHP. 3. Systemy zarządzania treścią na przykładzie platformy Joomla. Laboratorium 1. Instalacja środowiska programowego dla aplikacji WWW i PHP pakietu XAMPP. 2. Podstawowe technologie implementacji interfejsu użytkownika, m.in. HTML, DHTML CSS, JavaScript. 3. Praktyczne skrypty w DHTML i JavaScript. 4. PHP przykłady, organizacja kodu w PHP, przeplatanie kodu HTML i PHP, zmienne w PHP, łańcuchy znaków w PHP, tablice w PHP, instrukcje sterujące PHP, predefiniowane zmienne PHP, przetwarzanie danych z formularzy, file upload w PHP, zmienne sesyjne w PHP, sesja w PHP. 5. System zarządzania treścią Joomla instalacja, konfiguracja, projekt. METODY KSZTAŁCENIA: Wykład w postaci pokazu lub prezentacji. Ćwiczenia laboratoryjne praca przy komputerze. 9

10 Każda część przedmiotu jest realizowany według schematu: 1) Wprowadzenie do tematu przez prowadzącego ilustrowane przykładami. 2) Kolejne przykłady studenci wykonują samodzielnie na zajęciach. 3) Następnie każdy student otrzymuje inne zadanie do wykonania poza zajęciami z określeniem terminu. 4) Zaliczenie wykonania zadania dla kolejnego tematu jest oceniane w formie rozmowy. EFEKTY KSZTAŁCENIA: 1. Zna architekturę aplikacji internetowych oraz podstawowe technologie implementacji interfejsu użytkownika. (K_W12) 2. Potrafi wykonać zaawansowaną stronę internetową z wykorzystaniem technologii HTML, DHTML, CSS, JavaScript i PHP. (K_U25, K_U31) 3. Potrafi wykonać stronę internetową z wykorzystaniem systemu zarządzania treścią Joomla. (K_U21, K_U31) WERYFIKACJA EFEKTÓW KSZTAŁCENIA I WARUNKI ZALICZENIA: 1. Ocena aktywności w trakcie ćwiczeń laboratoryjnych 2. Zaliczenie zadań z przerabianych tematów na ocenę. 3. Pisemne kolokwium sprawdzające umiejętność praktycznego zastosowania wiedzy nabytej w czasie ćwiczeń laboratoryjnych i wykonywania zadanych zadań. 4. Pisemne kolokwium na zaliczenie wykładu składające się z pytań i zadań weryfikujących znajomość przerobionego materiału. Warunkiem zaliczenia laboratorium jest uzyskanie ponad 50% punktów ze średniej ważonej ocen: sprawozdań z laboratorium, projektów i kolokwium. Warunkiem zaliczenia wykładu jest uzyskanie ponad 50% punktów ze średniej ważonej ocen: testu sprawdzającego znajomość materiału i prezentacji na zadany temat. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe: 65 godz. (2 ECTS) Wykład 30 godz. Laboratorium 30 godz. Konsultacje 5 godz. Praca samodzielna: 50 godz. (2 ECTS) Wykonywanie zadanych tematów 45 godz. Przygotowanie do kolokwium 5 godz. Razem dla całego przedmiotu: 115 godz. (4 ECTS) LITERATURA PODSTAWOWA: 1. Marcin Lis, Dynamiczny HTML. 101 praktycznych skryptów, Helion, Marcin Lis, JavaScript. Praktyczny kurs, Helion, Jacek Ross, PHP i HTML. Tworzenie dynamicznych stron WWW. ebook, Helion, Marcin Lis, PHP 5. Praktyczny kurs. Wydanie II. ebook, Helion, Andrzej Kierzkowski, PHP5. Tworzenie stron WWW. Ćwiczenia praktyczne, Wydanie III. ebook, Helion, Marcin Lis, Joomla! 1.6. Prosty przepis na własną stronę WWW. ebook, Helion, Marcin Lis, Joomla! 1.6. Ćwiczenia, Helion, LITERATURA UZUPEŁNIAJĄCA: 1. Maria Sokół, Radosław Sokół, XHTML, CSS i JavaScript. Pierwsza pomoc, Helion, Cristian Darie i inni, AJAX i PHP. Tworzenie interaktywnych aplikacji internetowych, Helion, Marcin Lis, PHP 5. Leksykon kieszonkowy. ebook, Helion, Hasin Hayder, Programowanie obiektowe w PHP 5. ebook, Helion, Marcin Lis, Tablice informatyczne. PHP 5. ebook, Helion, Marcin Lis, PHP 101 praktycznych skryptów. Wydanie II, Helion, Paweł Frankowski, Joomla! Budowa i modyfikacja szablonów. ebook, Helion, Materiały dostępne na portalach:

11 B I O I N FF O R M A TT Y K A Kod przedmiotu: 11.9-WK-IiE-SD-B Typ przedmiotu: wybieralny Język nauczania: polski Odpowiedzialny za przedmiot: dr inż. Andrzej Kasperski Prowadzący: dr inż. Andrzej Kasperski zajęć w semestrze w tygodniu Semestr zaliczenia Punkty ECTS Studia stacjonarne Wykład 15 1 III Zaliczenie na ocenę Projekt 30 2 Zaliczenie na ocenę 4 CEL PRZEDMIOTU: Przedstawienie wybranych zagadnień związanych z wykorzystaniem informatyki w zastosowaniach genetycznych. Przedmiot obejmuje wprowadzenie podstawowych pojęć związanych z bioinformatyką, genomiką i proteomiką oraz charakterystykę podstawowych internetowych baz bioinformatycznych. W ramach przedmiotu przedstawione są programy i metody informatyczne używane do modelowania struktury 3D białek i modelowania struktury 2D RNA. Zaprezentowane zostają także wybrane programy komputerowe służące do porównywania sekwencji. WYMAGANIA WSTĘPNE: Podstawowa znajomość programowania. ZAKRES TEMATYCZNY PRZEDMIOTU: Wykład Projekt 1. Wstęp do bioinformatyki oraz omówienie wybranych zastosowań informatyki w biosystemach. 2. Serwisy i programy bioinformatyczne. 3. Kod DNA, transkrypcja, translacja i modelowanie struktury 3D białek. 4. Konformacje i wizualizacja struktury przestrzennej białek. 5. Modelowanie struktury RNA. 6. Rodzaje dopasowań i porównywanie sekwencji. 7. Prezentacja i omówienie wybranych programów komputerowych służących do porównywania sekwencji. W ramach zajęć projektowych należy opracować jeden projekt oraz dokumentację do tego projektu. Opracowywany projekt dotyczy zastosowania wybranych programów i metod informatycznych do modelowania struktury 3D białek oraz modelowania struktury 2D RNA. METODY KSZTAŁCENIA: Wykład: wykład konwencjonalny. Projekt: samodzielna praca przy komputerze. Opracowanie projektu według instrukcji, które każdy student dostaje na początku semestru. Dyskusje prowadzące do pogłębienia wiedzy i lepszego zrozumienia przerabianego materiału. 11

12 EFEKTY KSZTAŁCENIA: Student: 1. Zna pojęcie oraz obszary zastosowań bioinformatyki. (K_W01, K_W13, K_W14, K_W16) 2. Zna wybrane serwisy bioinformatyczne. (K_W13, K_W16) 3. Zna podstawowe formaty zapisu sekwencji w pliku. (K_W14, K_W16) 4. Potrafi zamodelować strukturę 3D białek. (K_U15, K_U16) 5. Potrafi zamodelować strukturę 2D RNA. (K_U15, K_U16) 6. Zna wybrane programy komputerowe służące do porównywania sekwencji. (K_W14, K_W16) WERYFIKACJA EFEKTÓW KSZTAŁCENIA I WARUNKI ZALICZENIA: 1. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie zajęć projektowych. 2. Ocena wykonanego projektu dotyczącego zastosowania wybranych programów i metod informatycznych do modelowania struktury 3D białek oraz modelowania struktury RNA. 3. Kolokwium pisemne na zaliczenie wykładu. Na ocenę z przedmiotu składa się ocena z projektu (40%) i ocena z kolokwium na zaliczenie wykładu (60%). Warunkiem przystąpienia do kolokwium jest pozytywna ocena z projektu. Warunkiem zaliczenia przedmiotu jest pozytywna ocena z projektu i z wykładu. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe wykład 15 godz. projekt 30 godz. konsultacje 5 godz. Razem: 50 godz. (2 ECTS) Praca samodzielna wykonanie projektu 35 godz. przygotowanie do kolokwium w ramach zaliczenia wykładu 15 godz. Razem: 50 godz. (2 ECTS) Razem za cały przedmiot: 100 godz. (4 ECTS) LITERATURA PODSTAWOWA: 1. Baxevanis A. D., Ouellette B. F. F., Bioinformatyka. Podręcznik do analizy genów i białek, PWN, Higgs P. G., Attwood T. K., Bioinformatyka i ewolucja molekularna, PWN, LITERATURA UZUPEŁNIAJĄCA: 1. Cullis C. A., Plant Genomics and Proteomics, John Wiley & Sons, Lesk A. M., Introduction to Bioinformatics, Oxford University Press,

13 E K O N O M E TT R I A Kod przedmiotu: 11.9-WK-IiE-SD-E Typ przedmiotu: wybieralny Język nauczania: polski Odpowiedzialny za przedmiot: prof. dr hab. Roman Zmyślony Prowadzący: prof. dr hab. Roman Zmyślony (wykład) dr Jacek Bojarski dr Ewa Synówka-Bejenka dr Magdalena Wojciech zajęć w semestrze w tygodniu Semestr zaliczenia Punkty ECTS Studia stacjonarne Wykład 30 2 Egzamin Ćwiczenia 30 2 III Zaliczenie na ocenę 10 Laboratorium 30 2 Zaliczenie na ocenę CEL PRZEDMIOTU: Zapoznanie studenta z podstawowymi metodami analiz w modelach regresji liniowej. WYMAGANIA WSTĘPNE: Od studenta wymaga się znajomości z zakresu algebry liniowej, rachunku prawdopodobieństwa oraz statystyki matematycznej. ZAKRES TEMATYCZNY PRZEDMIOTU: Wykład 1. Zdefiniowanie i omówienie klasycznego modelu regresji liniowej. 2. Estymacja parametrów modelu oparta na metodzie najmniejszych kwadratów. 3. Mierniki dopasowania modelu. Testy istotności parametrów modelu. Test adekwatności modelu. 4. Testy weryfikujące założenia dla klasycznego modelu regresji liniowej. 5. Przedziały ufności oraz prognozowanie. 6. Uogólnione modele liniowe. 7. Zastosowanie modeli regresji liniowej w analizie i prognozowaniu zjawisk ekonomicznych. Ćwiczenia 1. Powtórzenie materiału z zakresu algebry liniowej, rachunku prawdopodobieństwa oraz statystyki matematycznej wykorzystywanego w analizie regresji liniowej. 2. Metoda najmniejszych kwadratów. 3. Ocena dopasowania modelu do obserwacji. 4. Testy istotności parametrów oraz adekwatności modelu. 5. Weryfikacja założeń klasycznego modelu regresji liniowej. 6. Prognozowanie oraz przedziały ufności. 13

14 7. Uogólnione modele regresji liniowej. Laboratorium 1. Uogólnione modele regresji liniowej. Omówienie oraz zapoznanie się z podstawowymi funkcjami programu komputerowego wykorzystywanego do analiz statystycznych. 2. Metody zapisu i odczytu tabelarycznych danych statystycznych. Techniki przetwarzania i prezentacji danych. 3. Estymacja parametrów modelu regresji liniowej na podstawie danych rzeczywistych. 4. Ocena dopasowania modelu. Testowanie istotności parametrów i adekwatności modelu. 5. Testy weryfikujące założenia w klasycznym modelu regresji liniowej. 6. Przedziały ufności oraz prognozowanie. Graficzna prezentacja analiz. 7. Uogólnione modele regresji liniowej. METODY KSZTAŁCENIA: Wykład konwencjonalny. Ćwiczenia audytoryjne, studenci rozwiązują zadania z przygotowanej listy. Na laboratorium studenci zapoznają się z funkcjami pozwalającymi przeprowadzić odpowiednie analizy, następnie otrzymują dane do samodzielnej pracy. EFEKTY KSZTAŁCENIA: Student 1. rozumie budowę i analizy modelu ekonometrycznego opartego na modelach liniowych (K_W02), 2. potrafi wyprowadzić wzór na estymator parametrów w klasycznej metodzie najmniejszych kwadratów oraz opisać ich rozkład (K_U01, K_U02), 3. potrafi interpretować wyciągać odpowiednie wnioski z wykonanych analiz (K_U03, K_U08), 4. umie wykorzystywać program komputerowy w celu wykonania analiz ekonometrycznych oraz wnioskowa statystycznego (K_U15, K_U16), 5. rozumie, że poznana klasyczna metoda najmniejszych kwadratów jest jedną z bardzo wielu metod modelowania zjawisk o charakterze losowym i zdaje sobie sprawę, że w celu dokładniejszego opisu analizowanego zjawiska należy rozwijać swoją wiedzę z zakresu modelowania statystycznego (K_K02). WERYFIKACJA EFEKTÓW KSZTAŁCENIA I WARUNKI ZALICZENIA: Ocena z wykładu na podstawie egzaminu. Ocena z ćwiczeń wystawiona na podstawie wyników z kolokwium oraz aktywności w trakcie zajęć. Ocena z laboratorium wystawiona na podstawie sprawdzianów, pozwalających określić stopień opanowania narzędzi statystycznych oraz umiejętność poprawnego wnioskowania w oparciu o otrzymane wyniki analiz. Na ostateczną ocenę z przedmiotu składa się ocena z ćwiczeń (35%), ocena z laboratorium (35%) oraz ocena z egzaminu (30%). Warunkiem przystąpienia do egzaminu jest pozytywna ocena z ćwiczeń. Warunkiem zaliczenia przedmiotu jest uzyskanie pozytywnych ocen z ćwiczeń, laboratorium i wykładu. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe: 110 godz. (4 ECTS wykład 30 godz. ćwiczenia 30 godz. laboratorium 30 godz. konsultacje 18 godz. egzamin 2 godz. Praca samodzielna: 180 godz. (6 ECTS) przygotowanie do wykładu 30 godz. przygotowanie do ćwiczeń 30 godz. przygotowanie do laboratorium 60 godz. przygotowanie do egzaminu 60 godz. Razem za cały przedmiot: 290 godz. (10 ECTS) 14

15 LITERATURA PODSTAWOWA: 1. A. Goryl i inni, Wprowadzenie do ekonometrii, PWN, Warszawa, W. Grabowski, A. Welfe, Ekonometria zbiór zadań. PWE, Warszawa, J. Koronacki, J. Mielniczuk, Statystyka, WNT, Warszawa, C. R. Rao, Modele liniowe statystyki matematycznej, PWN, Warszawa, LITERATURA UZUPEŁNIAJĄCA: 1. B. Borkowski, H. Dudek, W. Szczęsny, Ekonometria wybrane zagadnienia, PWN, Warszawa, M. Dobosz, Wspomagana komputerowo statystyczna analiza wyników badań, EXIT, Warszawa, T. Górecki, Podstawy statystyki z przykładami w R, BTC, Legionowo,

16 E K O N O M E TT R I A D Y N A M I C ZZ N A I FF I N A N S O W A Kod przedmiotu: 11.5-WK-IiE-SD-EDF Typ przedmiotu: obowiązkowy Język nauczania: polski Odpowiedzialny za przedmiot: dr Jacek Bojarski Prowadzący: dr Jacek Bojarski dr inż. Łukasz Balbus zajęć w semestrze w tygodniu Semestr zaliczenia Punkty ECTS Studia stacjonarne Wykład 30 2 I Egzamin Laboratorium 30 2 Zaliczenie na ocenę 7 CEL PRZEDMIOTU: Celem przedmiotu jest zapoznanie studentów z praktycznymi metodami analizy jednowymiarowych i wielowymiarowych ekonomicznych i finansowych szeregów czasowych. WYMAGANIA WSTĘPNE: Znajomość rachunku prawdopodobieństwa, statystyki matematycznej, ekonometrii. ZAKRES TEMATYCZNY PRZEDMIOTU: Wykład 1. Stacjonarność i niestacjonarność procesu. Funkcje autokorelacji i autokorelacji cząstkowej. (2 godz.) 2. Model autoregresji i średniej ruchomej: ARMA, ARIMA. Identyfikacja procesu. (2 godz.) 3. Estymacja parametrów. Testy pierwiastka jednostkowego. (2 godz.) 4. Wielowymiarowe procesy stochastyczne. (1 godz.) 5. Kointegracja. (2 godz.) 6. Modele klasy GARCH. Estymacja. (1 godz.) 7. Analiza rozkładów cen i stóp zwrotu. (1 godz.) 8. Model portfela, hipoteza rynku efektywnego, hipoteza racjonalnych oczekiwań, wycena opcji. (2 godz.) 9. Estymacja i prognozowanie miar ryzyka (Value at Risk). (1 godz.) Laboratorium 1. Modelowanie procesów stacjonarnych i niestacjonarnych. (2 godz.) 2. Funkcje autokorelacji i autokorelacji cząstkowej. Testy istotności współczynników autokorelacji i autokorelacji cząstkowej. (2 godz.) 3. Modelowanie procesów AR, MA, ARMA, ARIMA. Identyfikacja procesu. (2 godz.) 4. Estymacja parametrów. Testy pierwiastka jednostkowego. Analiza danych rzeczywistych. (4 godz.) 5. Wielowymiarowe procesy stochastyczne. Modelowanie i analiza danych rzeczywistych. (4 godz.) 6. Kointegracja. Modelowanie i analiza danych rzeczywistych. (4 godz.) 7. Modele klasy GARCH. Estymacja. Modelowanie i analiza danych rzeczywistych. (4 godz.) 8. Analiza rozkładów cen i stóp zwrotu. Modelowanie i analiza danych rzeczywistych. (4 godz.) 9. Model portfela. Modelowanie i analiza danych rzeczywistych. (4 godz.) 16

17 METODY KSZTAŁCENIA: Wykład tradycyjny. Laboratorium W pierwszej fazie, studenci przy wykorzystaniu programu komputerowego modelują określony typ procesu, analizują otrzymane dane, wyciągają wnioski w oparciu o otrzymane wyniki. Następnie powtarzają analizy w oparciu o dane rzeczywiste. EFEKTY KSZTAŁCENIA: 1. Student zna teoretyczne podstawy metod niezbędnych do analizy procesów dynamicznych opartych (K_W02, K_W08) 2. Student ma podstawową wiedzę z zakresu przeprowadzenia symulacji komputerowych procesów dynamicznych i wnioskowania na podstawie otrzymanych wyników (K_U07, K_U09) 3. Student potrafi przeprowadzić analizę danych rzeczywistych procesów dynamicznych w oparciu o dane rzeczywiste oraz wyciągnąć prawidłowe wnioski (X1A_U02) 4. Student posiada umiejętności wykorzystania oprogramowania statystycznego oraz przygotowania raportu z wykonanych analiz (K_U15, K_U16) 5. Student ma świadomość o ryzyku związanym z podejmowaniem decyzji w oparciu o analizy statystycznej. (K_K06) WERYFIKACJA EFEKTÓW KSZTAŁCENIA I WARUNKI ZALICZENIA: 1. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie laboratoriów. 2. Każdy student wykonuje projekt pozwalający na ocenę, czy osiągnął efekty kształcenia w stopniu minimalnym. 3. Egzamin pisemny z zagadnień prognozowania i metod symulacji. Na ocenę z przedmiotu składa się ocena z laboratorium (60%) i ocena z egzaminu (40%). Warunkiem zaliczenia przedmiotu jest pozytywna ocena z laboratorium i egzaminu. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe wykład 15 godz. laboratorium 30 godz. konsultacje 5 godz. do wykładu + 5 godz. do laboratorium = 10 godz. Razem: 55 godz. (2,5 ECTS) Praca samodzielna przygotowanie do wykładu 30 godz. przygotowanie do laboratorium 60 godz. przygotowanie do egzaminu 30 godz. Razem: 120 godz. (4,5 ECTS) Razem za cały przedmiot: 175 godz. (7 ECTS) LITERATURA PODSTAWOWA: 1. G.E.P Box, G.M. Jenkins, Analiza szeregów czasowych, PWN, Warszawa, W. Charemza, D.F. Deadman, Nowa ekonometria, PWE, Warszawa, T. Kufel, Postulat zgodności w dynamicznych modelach ekonometrycznych, M. Gruszczyński, Modele i prognozy zmiennych jakościowych w finansach i bankowości, Oficyna Wyd. SGH, W. Welfe (red.), Ekonometryczne modele rynku, t.1, Metody ekonometryczne, PWE, Warszawa, Z. Zieliński, Metody analizy dynamiki i rytmiczności zjawisk gospodarczych, PWN, Warszawa, LITERATURA UZUPEŁNIAJĄCA: 1. M. Gruszyński, Modele i prognozy zmiennych jakościowych w finansach i bankowości, Wydawnictwo uczelniane SGH, Warszawa, M. Osińska, Ekonometria współczesna, TNOiKDO, W. Welfe, Ekonometria, PWE, Warszawa,

18 E K O N O M I A M A TT E M A TT Y C ZZ N A Kod przedmiotu: 11.1-WK-IiE-SD-EM Typ przedmiotu: obowiązkowy Język nauczania: polski Odpowiedzialny za przedmiot: dr hab. Zbigniew Świtalski, prof. UZ Prowadzący: dr hab. Zbigniew Świtalski, prof. UZ zajęć w semestrze w tygodniu Semestr zaliczenia Punkty ECTS Studia stacjonarne Wykład 30 2 II Egzamin Ćwiczenia 30 2 Zaliczenie na ocenę 5 CEL PRZEDMIOTU: Zapoznanie studentów z podstawowymi modelami matematycznymi wykorzystywanymi w ekonomii (głownie w mikroekonomii). Przedstawienie możliwości i ograniczeń modelowania matematycznego w ekonomii. Nabycie przez studentów umiejętności formalnego opisu podstawowych pojęć ekonomicznych i zależności między nimi. WYMAGANIA WSTĘPNE: Podstawowe kursy Algebry liniowej i Analizy matematycznej. ZAKRES TEMATYCZNY PRZEDMIOTU: Wykład/ćwiczenia 1. Rola matematyki w ekonomii. Możliwości i ograniczenia stosowania modeli matematycznych w ekonomii (2 godz.). 2. Modele preferencji konsumenta (relacje preferencji, funkcje użyteczności) (6 godz.). 3. Zadania optymalizacyjne w teorii konsumenta, matematyczna teoria popytu (4 godz.). 4. Równowaga na rynku jednego dobra. Model pajęczynowy (2 godz.). 5. Model równowagi ogólnej Arrowa-Hurwicza (4 godz.). 6. Przestrzenie produkcyjne i funkcje produkcji (4 godz.). 7. Modele optymalizacyjne w neoklasycznej teorii przedsiębiorstwa (4 godz.). 8. Model przepływów międzygałęziowych Leontiewa. Macierze produktywne i ich własności (4 godz.). METODY KSZTAŁCENIA: Tradycyjny wykład, ćwiczenia tablicowe polegające na samodzielnym, wspomaganym przez prowadzącego, rozwiązywaniu zadań, dyskusje w grupie na temat metod rozwiązywania zadań, indywidualne konsultacje. 18

19 EFEKTY KSZTAŁCENIA: Student: 1. Zna podstawowe modele matematyczne wykorzystywane w teorii ekonomii, potrafi przedstawić ich zapis formalny i interpretację ekonomiczną, rozumie upraszczające założenia przyjmowane przy formułowaniu tych modeli (K_W02). 2. Zna podstawowe pojęcia występujące w modelach ekonomii matematycznej i potrafi im nadać interpretację formalną (K_W02). 3. Zna podstawowe miary zmienności wielkości ekonomicznych, rozumie sens ich stosowania i metody ich obliczania (K_W03). 4. Potrafi przeanalizować i rozwiązywać zadanie maksymalizacji użyteczności i zadanie minimalizacji wydatków konsumenta a także zadania optymalizacyjne w neoklasycznej teorii przedsiębiorstwa(k_u02, K_U03). 5. Potrafi obliczać wielkości krańcowe, elastyczności i stopę substytucji oraz interpretować je (K_U04). 6. Potrafi zbadać podstawowe własności funkcji produkcji i przestrzeni produkcyjnych (K_U02, K_U03). 7. Potrafi przeanalizować związki między produkcją globalną, końcową i przepływami w modelu przepływów międzygałęziowych Leontiewa (K_U02, K_U03). 8. Rozumie konieczność stosowania precyzyjnego języka w opisie problemów ekonomicznych, potrafi przekonywać innych do tej konieczności (K_K01). WERYFIKACJA EFEKTÓW KSZTAŁCENIA I WARUNKI ZALICZENIA: 1. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie ćwiczeń. 2. Sprawdziany pisemne z progami punktowymi oraz zadaniami pozwalającymi ocenić, czy student osiągnął efekty kształcenia w stopniu minimalnym. 3. Egzamin pisemny składający się z pytań testowych i zadań, weryfikujący znajomość modeli, metod i pojęć. Ostateczna ocena z przedmiotu uwzględnia ocenę z ćwiczeń (50%) i ocenę z egzaminu (50%), przy założeniu, że student osiągnął wszystkie zakładane efekty kształcenia w stopniu dostatecznym. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe: Wykład 30 godz. Ćwiczenia 30 godz. Konsultacje 2 godz. (wykład), 3 godz. (ćwiczenia) Praca samodzielna: Przygotowanie do wykładu 15 godz. Przygotowanie do ćwiczeń 25 godz. Przygotowanie do egzaminu 45 godz. Razem dla całego przedmiotu: 150 godz. (5 ECTS) LITERATURA PODSTAWOWA : 1. Chiang A., Podstawy ekonomii matematycznej, PWE, Warszawa, Panek E., Elementy ekonomii matematycznej. Statyka, PWN, Warszawa, Panek E., Elementy ekonomii matematycznej. Równowaga i wzrost, PWN, Warszawa, Panek E., Ekonomia matematyczna, Wyd. AE, Poznań Panek E., Podstawy ekonomii matematycznej. Elementy teorii popytu i równowagi rynkowej, Materiały dydaktyczne nr 165, Wyd. AE Poznań, Panek E., Podstawy ekonomii matematycznej. Elementy teorii produkcji i równowagi ogólnej, Materiały dydaktyczne nr 173, Wyd. AE Poznań, LITERATURA UZUPEŁNIAJĄCA: 1. Allen R.G.D., Ekonomia matematyczna, PWN, Warszawa Ostoja-Ostaszewski A., Matematyka w ekonomii, cz. 1,2, PWN, Warszawa

20 H U R TT O W N I E D A N Y C H Kod przedmiotu: 11.3-WK-IiE-SD-HD Typ przedmiotu: wybieralny Język nauczania: polski Odpowiedzialny za przedmiot: mgr inż. Andrzej Majczak Prowadzący: mgr inż. Andrzej Majczak zajęć w semestrze w tygodniu Semestr zaliczenia Punkty ECTS Studia stacjonarne Wykład 15 1 Zaliczenie na ocenę II lub IV Laboratorium 30 2 Zaliczenie na ocenę 5 CEL PRZEDMIOTU: Celem przedmiotu jest przedstawienie teorii w zakresie projektowania hurtowni danych, poznanie narzędzi do budowania zapytań i raportów oraz inteligentnej analizy danych. WYMAGANIA WSTĘPNE: Technologia informacyjna. Bazy danych. ZAKRES TEMATYCZNY PRZEDMIOTU: Wykład 1. Ewolucja systemów wspomagania decyzji (DSS). 2. Wprowadzenie do hurtowni danych (definicje i terminologia). 3. Architektura hurtowni danych (model pojęciowy, logiczny i fizyczny). 4. Projektowanie hurtowni danych (modele wielowymiarowe, operacje OLAP) 5. Modelowanie danych dla hurtowni danych (modelowanie punktowe). 6. Implementacja fizyczna hurtowni danych(ekstrakcja i ładowanie) 7. Systemy hurtowni danych (przegląd typowych rozwiązań). Laboratorium 1. Wprowadzenie do DB2 Web Query. 2. Tworzenie i edycja synonimów. 3. Tworzenie prostych raportów (Report Assistant). 4. Tworzenie wykresów (Graph Assistant). 5. Narzędzia metadanych (Converting Existing Query Reports) 6. Tworzenie i używanie aktywnych raportów (Active Reports). 7. Używanie funkcji OLAP (Online Analytical Processing). METODY KSZTAŁCENIA: Tradycyjny wykład. Ćwiczenia laboratoryjne w pracowni komputerowej według opracowanych instrukcji. 20