INFORMATYKA I EKONOMETRIA KATALOG PRZEDMIOTÓW

Transkrypt

1 INFORMATYKA I EKONOMETRIA STUDIA DRUGIEGO STOPNIA KATALOG PRZEDMIOTÓ od roku 2014/2015 Analiza decyzyjna i teoria decyzji... 2 Analiza statystyczna w badaniach rynku... 5 Analiza wielowymiarowa... 8 Aplikacje i PHP 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 Multimedia w biznesie 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 Systemy klasy ERP Technologiczne podstawy e-gospodarki Technologie internetowe w zarządzaniu ybrane zagadnienia z matematyki dyskretnej ychowanie fizyczne Zaawansowane techniki programowania korporacyjnych systemów rozproszonych

2 Licz ba godzin w semestr ze Licz ba godzin w tygodniu S emestr A N A LL I ZZ A D EE C YY ZZ YY JJ N A I TT EE O R I A D EE C YY ZZ JJ I Kod przedmiotu: 11.1-K-IiED-ADTD Typ przedm iotu: wybieralny Język nauczania: polski Odpowiedzialny za przedm iot: nauczyciel akademicki prowadzący wykład Prowadzący: dr hab. Zbigniew Świtalski, prof. UZ dr Robert Dylewski nauczyciel akademicki MIiE z ajęć z alicz enia P unkty E CTS S tudia stacjonarne ykł ad 30 2 Egzamin Ćwic zeni a 15 1 II lub IV Zaliczenie na ocenę 7 P rojekt 15 1 Zaliczenie na ocenę CEL PRZEDMIOTU: Zapoznanie studenta z wybranymi metodami, modelami i zastosowaniami analizy decyzyjnej i teorii decyzji. YMAGANIA STĘPNE: Znajomość podstaw algebry liniowej, matematyki dyskretnej (teorii grafów), rachunku prawdopodobieństwa. Znajomość podstawowych modeli badań operacyjnych. ZAKRES TEMATYCZNY PRZEDMIOTU: ykład/ćwiczenia/projekt 1. Ogólna problematyka podejmowania decyzji. Elementy sytuacji decyzyjnej. ielokryterialność i niepewność przy podejmowaniu decyzji. Preferencje. Modele matematyczne sytuacji decyzyjnych. spomaganie decyzji i systemy wspomagania decyzji. 2. Programowanie wielokryterialne. Metody i przykłady zastosowań. 3. ielokryterialna analiza decyzyjna w przypadku dyskretnym (skończony zbiór wariantów). Metody, reguły decyzyjne i przykłady zastosowań. 4. Podejmowanie decyzji w warunkach niepewności i ryzyka. ieloetapowe 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. łasności 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. ybór 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, realizacja samodzielnego projektu EFEKTY KSZTAŁCENIA I METODY ERYFIKACJI OSIĄGANIA EFEKTÓ KSZTAŁCENIA: OPIS EFEKTU SYMBOLE EFEKTÓ METODY ERYFIKACJI FORMA ZAJĘĆ Student zna podstawowe modele i metody analizy decyzyjnej i teorii decyzji. K_02 Egzamin pisemny składający się z pytań testowych i zadań, weryfikujący znajomość modeli metod i pojęć. Sprawdziany pisemne z progami punktowymi oraz zadaniami pozwalającymi ocenić, czy student osiągnął efekty kształcenia w stopniu minimalnym. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie ćwiczeń.. Ć Student umie zastosować metody analizy wielokryterialnej w przypadku dyskretnym i ciągłym. K_U02 Sprawdziany pisemne z progami punktowymi oraz zadaniami pozwalającymi ocenić, czy student osiągnął efekty kształcenia w stopniu minimalnym. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie ćwiczeń. Realizacja projektu Ć P Student umie zastosować wybrane algorytmy analizy sieciowej (algorytm budowy sieci przedsięwzięcia, PERT, CPM- COST, rozdział zaso-bów pomiędzy czynności). K_U02 Sprawdziany pisemne z progami punktowymi oraz zadaniami pozwalającymi ocenić, czy student osiągnął efekty kształcenia w stopniu minimalnym Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie ćwiczeń.. Ć Student umie zastosować podstawowe metody podejmowania decyzji w warunkach niepewności i ryzyka K_U02 ARUNKI ZALICZENIA: Ostateczna ocena z przedmiotu uwzględnia ocenę z ćwiczeń (30%), ocenę z projektu (30%) i ocenę z egzaminu (40%), przy założeniu, że student osiągnął wszystkie zakładane efekty kształcenia w stopniu dostatecznym. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe: ykład 30 godz. Ćwiczenia 15 godz. Projekt 15 godz. Konsultacje 5 godz. (wykład), 5 godz. (ćwiczenia + projekt) Praca samodzielna: Przygotowanie do wykładu 20 godz. Przygotowanie do ćwiczeń 30 godz. Przygotowanie projektu 30 godz. Przygotowanie do egzaminu 30 godz. Razem dla całego przedmiotu: 180 godz. (7 ECTS) LITERATURA PODSTAOA: 1. Badania operacyjne (red.. Sikora), PE, arszawa Decyzje menedżerskie z Excelem (red. T. Szapiro), PE, arszawa, Ekonometria i badania operacyjne (red. M. Gruszczyński, T. Kuszewski, M. Podgórska), PN, arszawa,

4 4. Z. Jędrzejczyk, K. Kukuła, J. Skrzypek, A. alkosz, Badania operacyjne w przykładach i zadaniach, PN, arszawa, T. Trzaskalik, prowadzenie do badań operacyjnych z komputerem, PE, arszawa, Young H. P., Sprawiedliwy podział, ydawnictwo Naukowe SCHOLAR, arszawa, LITERATURA UZUPEŁNIAJĄCA 1.. Grabowski, Programowanie matematyczne, PE, arszawa, Krawczyk S., Matematyczna analiza sytuacji decyzyjnych, PE, arszawa, Roy B., ielokryterialne wspomaganie decyzji, NT, arszawa, Tyszka T., Analiza decyzyjna i psychologia decyzji, PN, arszawa, PROGRAM OPRACOAŁ: dr hab. Zbigniew Świtalski, prof. UZ 4

5 Licz ba godzin w semestr ze Licz ba godzin w tygodniu S emestr A N A LL I ZZ A SS TT A TT YY SS TT YY C ZZ N A B A D A N I A C H R YY N K U Kod przedmiotu: 11.5-K-IiED-ASBR Typ przedm iotu: obowiązkowy Język nauczania: polski Odpowiedzialny za przedm iot: nauczyciel akademicki prowadzący wykład Prowadzący: dr hab. Stefan Zontek prof. UZ dr Joachim Syga dr Magdalena ojciech nauczyciel akademicki MIiE z ajęć z alicz enia P unkty E CTS S tudia stacjonarne ykł ad 15 1 Zaliczenie na ocenę III Laboratori um 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. YMAGANIA STĘPNE: Rachunek prawdopodobieństwa, statystyka opisowa i matematyczna ZAKRES TEMATYCZNY PRZEDMIOTU: ykład 1. Badania marketingowe. Skale pomiarowe. Dostępność danych. (2 godz.) 2. Metody porządkowania liniowego obiektów. (3 godz.) - Metoda wzorca rozwoju - Metoda sum standaryzowanych 3. prowadzenie 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.), c) metody analizy zależności (3 godz.), 5

6 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: ykład 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 I METODY ERYFIKACJI OSIĄGANIA EFEKTÓ KSZTAŁCENIA: OPIS EFEKTU SYMBOLE EFEKTÓ METODY ERYFIKACJI FORMA ZAJĘĆ Student ma teoretyczną i praktyczną wiedzę o metodach statystycznych stosowanych w badaniach rynkowych. Student rozumie istotę badań rynkowych. 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_01 K_02 K_06 K_16 K_02 K_06 U_06 dyskusja kolokwium, bieżąca kontrola na zajęciach L ARUNKI ZALICZENIA: 1. Sprawdziany z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym. 2. 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. przypadku nie uzyskania oceny pozytywnej, jest możliwość poprawy. Na ocenę z przedmiotu składa się ocena z laboratorium (70%) i ocena z wykładu (30%). arunkiem zaliczenia przedmiotu. są pozytywne oceny z laboratorium i 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 PODSTAOA: 1. Stanimir A. - pod red. Analiza danych marketingowych Problemy, metody, zadania, ydawnictwo Akademii Ekonomicznej im. Oskara Langego we rocławiu, rocław Mazurek-Łopacińska K. - pod red. Badania marketingowe Teoria i praktyka, PN arszawa

7 3. alesiak M., Gatnar E. - pod red. Statystyczna analiza danych z wykorzystaniem programu R, PN arszawa Maddala G.S. Ekonometria, PN arszawa 2006 LITERATURA UZUPEŁNIAJĄCA: 1. Biecek P. Przewodnik po pakiecie R", Oficyna ydawnicza GiS rocław Kopczewska K. Ekonometria i statystyka przestrzenna z wykorzystaniem programu R CRAN, ydawnictwa Fachowe CeDeu arszawa Koronacki J., Ćwik J. Statystyczne systemy uczące się, NT arszawa elfe A. Ekonometria Metody i ich zastosowanie, PE arszawa elfe A. - pod red. Ekonometria zbiór zadań, PE arszawa Dziechciarz J. - pod red. Ekonometria Metody, przykłady, zadania, ydawnictwo Akademii Ekonomicznej im. Oskara Langego we rocławiu rocław Zeliaś A. Metody statystyczne, PE arszawa Zeliaś A., Pawełek B., anat S. Metody statystyczne Zadania i sprawdziany, PE arszawa PROGRAM OPRACOAŁ: dr hab. Stefan Zontek, prof. UZ 7

8 Licz ba godzin w semestr ze Licz ba godzin w tygodniu S emestr A N A LL I ZZ A I EE LL O YY M I A R O A Kod przedmiotu: 11.5-K-IiED-A Typ przedm iotu: obowiązkowy Język nauczania: polski Odpowiedzialny za przedm iot: nauczyciel akademicki prowadzący wykład Prowadzący: dr hab. Stefan Zontek, prof. UZ dr Magdalena ojciech nauczyciel akademicki MIiE z ajęć z alicz enia P unkty E CTS S tudia stacjonarne ykł ad 30 2 Egzamin I Ćwic zeni a 30 2 Zaliczenie na ocenę 7 CEL PRZEDMIOTU: Zapoznanie studenta z metodami statystycznymi stosowanymi w modelach wielowymiarowych. YMAGANIA STĘPNE: Zaliczone przedmioty: algebra liniowa, rachunek prawdopodobieństwa, statystyka matematyczna. ZAKRES TEMATYCZNY PRZEDMIOTU: ykład 1. ektory losowe i ich rozkłady prawdopodobieństwa. ielowymiarowy 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. yznaczanie obszarów ufności i jednoczesnych przedziałów ufności. (4 godz.) 4. Testy związane z rozkładem T^2 Hotellinga. (4 godz.) 5. Kolokwium I. (2 godz.) 6. yznaczanie składowych głównych. (4 godz.) 7. yznaczanie zmiennych kanonicznych. (4 godz.) 8. yznaczanie bayesowskich reguł klasyfikacyjnych. (4 godz.) 9. Kolokwium II. (2 godz.) 8

9 METODY KSZTAŁCENIA: ykład 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 I METODY ERYFIKACJI OSIĄGANIA EFEKTÓ KSZTAŁCENIA: OPIS EFEKTU SYMBOLE EFEKTÓ METODY ERYFIKACJI FORMA ZAJĘĆ Student wie, że badania statystyczne dają przybliżoną wiedzę o badanym zjawisku. K_02 egzamin dyskusja Ć Student potrafi określić rozkłady podstawowych statystyk z próby pochodzącej z wielowymiarowego rozkładu normalnego. 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_06 K_01 K_06 K_16 K_U08 egzamin kolokwium bieżąca kontrola na zajęciach Ć Student umie zinterpretować wyniki przeprowadzonego wnioskowania. K_U08 ARUNKI 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%). arunkiem przystąpienia do egzaminu jest pozytywna ocena z ćwiczeń. arunkiem 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 PODSTAOA: 1. D.F. Morrison, ielowymiarowa analiza statystyczna, PN, arszawa, M. Krzyśko, ielowymiarowa analiza statystyczna, UAM, Poznań, LITERATURA UZUPEŁNIAJĄCA: 1. M.S. Srivastava, C.G. Kathri, An introduction to multivariate statistics, North-Holland Pub., Amsterdam PROGRAM OPRACOAŁ: dr hab. Stefan Zontek, prof., UZ 9

10 Licz ba godzin w semestr ze Licz ba godzin w tygodniu Semestr A PP LL I K A C JJ EE I PP H PP Kod przedmiotu: 11.3-K-IiED-A Typ przedm iotu: wybieralny Język nauczania: polski Odpowiedzialny za przedm iot: nauczyciel akademicki prowadzący wykład Prowadzący: mgr inż. Edward Ciaś mgr inż. Andrzej Majczak nauczyciel akademicki MIiE z ajęć z alicz enia P unkty E CTS S tudia stacjonarne ykł ad 30 2 Zaliczenie na ocenę II lub IV Laboratori um 30 2 Zaliczenie na ocenę 4 CEL PRZEDMIOTU: Poznanie architektur aplikacji internetowych, metod implementacji ich modułów oraz podstawowych składników architektury. Praktyczne poznanie podstawowych technologii implementacji interfejsu użytkownika, m.in. HTML, CSS, JavaScript i PHP. Poznanie systemów zarządzania treścią na przykładzie platformy Joomla. YMAGANIA STĘPNE: Znajomość tematów z przedmiotów: Programowanie komputerów, Bazy danych, Sieci komputerowe. ZAKRES TEMATYCZNY PRZEDMIOTU: ykład 1. Architektura aplikacji internetowych oraz metody implementacji ich modułów. Podstawowe składniki architektury : warstwa cienkiego klienta, warstwa aplikacji, warstwa bazy danych, protokół HTTP, przeglądarka, 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 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. 10

11 METODY KSZTAŁCENIA: ykład w postaci pokazu lub prezentacji. Ćwiczenia laboratoryjne praca przy komputerze, gdzie każdy temat jest realizowany wg schematu: 1) prowadzenie do tematu przez prowadzącego ilustrowane przykładami. 2) Kolejne przykłady studenci wykonują samodzielnie na zajęciach. 3) Następnie każdy student otrzymuje zadanie do wykonania poza zajęciami z określeniem terminu. 4) Zaliczenie wykonania zadania dla kolejnego tematu jest oceniane w formie rozmowy. EFEKTY KSZTAŁCENIA I METODY ERYFIKACJI OSIĄGANIA EFEKTÓ KSZTAŁCENIA: OPIS EFEKTU SYMBOLE EFEKTÓ METODY ERYFIKACJI FORMA ZAJĘĆ Student zna architekturę aplikacji internetowych oraz podstawowe technologie implementacji interfejsu użytkownika. K_12 Ocena aktywności w trakcie zajęć, ocena wykonania zleconych zadań, ocena sprawozdań, kolokwium, test. L Student potrafi wykonać zaawansowaną stronę internetową z wykorzystaniem technologii HTML, DHTML, CSS, JavaScript i PHP. K_U25 K_U31 Ocena aktywności w trakcie zajęć, ocena wykonania zleconych zadań, ocena sprawozdań, kolokwium, test. L Student potrafi wykonać stronę internetową z wykorzystaniem systemu zarządzania treścią Joomla. K_U21 K_U31 Ocena aktywności w trakcie zajęć, ocena wykonania zleconych zadań, ocena sprawozdań, ocena strony internetowej. L ARUNKI ZALICZENIA: arunkiem zaliczenia laboratorium jest uzyskanie ponad 50% punktów ze średniej ważonej ocen: - aktywności na zajęciach, - wykonanych zadań, - sprawozdań z laboratoriów, - kolokwium. arunkiem zaliczenia wykładu jest uzyskanie ponad 50% punktów ze średniej ważonej ocen: - testu sprawdzającego znajomość materiału, - prezentacji na zadany temat. Ocena z przedmiotu jest średnią z oceny z wykładów i laboratorium. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe wykład 30 godz. laboratorium 30 godz. konsultacje 4 godz. Razem: 64 godz. Praca samodzielna wykonywanie zadanych tematów oraz sprawozdań 28 godz. wykonanie prezentacji 4 godz. przygotowanie do kolokwium i do testu z wykładów 8 godz. Razem: 40 godz. Razem za cały przedmiot: 104 godz. (4 ECTS) LITERATURA PODSTAOA: 1. M. Lis, Dynamiczny HTML. 101 praktycznych skryptów, Helion, M. Lis, JavaScript. Praktyczny kurs, Helion, J. Ross, PHP i HTML. Tworzenie dynamicznych stron. ebook, Helion, M. Lis, PHP 5. Praktyczny kurs. ydanie II. ebook, Helion, Kierzkowski, PHP5. Tworzenie stron. Ćwiczenia praktyczne. ydanie III. ebook, Helion, M. Lis, Joomla! 1.6. Prosty przepis na własną stronę. ebook, Helion, M. Lis, Joomla! 1.6. Ćwiczenia, Helion,

12 LITERATURA UZUPEŁNIAJĄCA: 1. M. Sokół, R. Sokół, XHTML, CSS i JavaScript. Pierwsza pomoc, Helion, C.Darie i inni, AJAX i PHP. Tworzenie interaktywnych aplikacji internetowych, Helion, Marcin Lis, PHP 5. Leksykon kieszonkowy. ebook, Helion, H. Hayder, Programowanie obiektowe w PHP 5. ebook, Helion, M. Lis, Tablice informatyczne. PHP 5. ebook, Helion, M. Lis, PHP 101 praktycznych skryptów. ydanie II, Helion, P. Frankowski, Joomla! Budowa i modyfikacja szablonów. ebook, Helion, Materiały dostępne na portalach: PROGRAM OPRACOAŁ: mgr inż. Edward Ciaś 12

13 Licz ba godzin w semestr ze Licz ba godzin w tygodniu S emestr EE K O N O M EE TT R I A Kod przedmiotu: 11.9-K-IiED-E Typ przedm iotu: wybieralny Język nauczania: polski Odpowiedzialny za przedm iot: nauczyciel akademicki prowadzący wykład Prowadzący: prof. dr hab. Roman Zmyślony dr Jacek Bojarski dr Ewa Synówka-Bejenka dr Magdalena ojciech nauczyciel akademicki MIiE. z ajęć z alicz enia P unkty E CTS S tudia stacjona r ne ykł ad 30 2 Egzamin Ćwic zeni a 30 2 III Zaliczenie na ocenę 10 Laboratori um 30 2 Zaliczenie na ocenę CEL PRZEDMIOTU: Zapoznanie studenta z podstawowymi metodami analiz w modelach regresji liniowej. YMAGANIA STĘPNE: Od studenta wymaga się znajomości z zakresu algebry liniowej, rachunku prawdopodobieństwa oraz statystyki matematycznej. ZAKRES TEMATYCZNY PRZEDMIOTU: ykład 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. eryfikacja założeń klasycznego modelu regresji liniowej. 6. Prognozowanie oraz przedziały ufności. 7. Uogólnione modele regresji liniowej. 13

14 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: ykład 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 I METODY ERYFIKACJI OSIĄGANIA EFEKTÓ KSZTAŁCENIA: OPIS EFEKTU SYMBOLE EFEKTÓ METODY ERYFIKACJI FORMA ZAJĘĆ Student rozumie budowę i analizy modelu ekonometrycznego opartego na modelach liniowych. K_02 egzamin Student potrafi wyprowadzić wzór na estymator parametrów w klasycznej metodzie najmniejszych kwadratów oraz opisać ich rozkład. Student potrafi interpretować wyciągać odpowiednie wnioski z wykonanych analiz. Student umie wykorzystywać program komputerowy w celu wykonania analiz ekonometrycznych oraz wnioskowa statystycznego. Student 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_U01 K_U02 K_U03 K_U08 K_U15 K_U16), K_K02 kolokwium, ocena aktywności w trakcie zajęć sprawdziany Ć L ARUNKI 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%). arunkiem przystąpienia do egzaminu jest pozytywna ocena z ćwiczeń. arunkiem 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 PODSTAOA: 1. A. Goryl i inni, prowadzenie do ekonometrii, PN, arszawa, Grabowski, A. elfe, Ekonometria zbiór zadań. PE, arszawa, J. Koronacki, J. Mielniczuk, Statystyka, NT, arszawa, C. R. Rao, Modele liniowe statystyki matematycznej, PN, arszawa, LITERATURA UZUPEŁNIAJĄCA: 1. B. Borkowski, H. Dudek,. Szczęsny, Ekonometria wybrane zagadnienia, PN, arszawa, M. Dobosz, spomagana komputerowo statystyczna analiza wyników badań, EXIT, arszawa, T. Górecki, Podstawy statystyki z przykładami w R, BTC, Legionowo, PROGRAM OPRACOAŁ: prof. dr hab. Roman Zmyślony 15

16 Licz ba godzin w semestr ze Licz ba godzin w tygodniu S emestr EE K O N O M EE TT R I A D YY N A M I C ZZ N A I FF I N A N SS O A Kod przedmiotu: 11.5-K-IiED-EDF Typ przedm iotu: obowiązkowy Język nauczania: polski Odpowiedzialny za przedm iot: nauczyciel akademicki prowadzący wykład Prowadzący: dr inż. Łukasz Balbus dr Jacek Bojarski nauczyciel akademicki MIiE. z ajęć z alicz enia P unkty E CTS S tudia stacjonarne ykł ad 30 2 Egzamin I Laboratori um 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. YMAGANIA STĘPNE: Znajomość rachunku prawdopodobieństwa, statystyki matematycznej, ekonometrii. ZAKRES TEMATYCZNY PRZEDMIOTU: ykład 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. ielowymiarowe 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. ielowymiarowe 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: ykład tradycyjny. Laboratorium 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 I METODY ERYFIKACJI OSIĄGANIA EFEKTÓ KSZTAŁCENIA: OPIS EFEKTU Student zna teoretyczne podstawy metod niezbędnych do analizy procesów dynamicznych opartych. Student ma podstawową wiedzę z zakresu przeprowadzenia symulacji komputerowych procesów dynamicznych i wnioskowania na podstawie otrzymanych wyników. Student potrafi przeprowadzić analizę danych rzeczywistych procesów dynamicznych w oparciu o dane rzeczywiste oraz wyciągnąć prawidłowe wnioski. Student posiada umiejętności wykorzystania oprogramowania statystycznego oraz przygotowania raportu z wykonanych analiz Student ma świadomość o ryzyku związanym z podejmowaniem decyzji w oparciu o analizy statystycznej. ARUNKI ZALICZENIA: SYMBOLE EFEKTÓ K_02 K_08 K_U07 K_U09 X1A_U02 K_U15 K_U16 K_K06 METODY ERYFIKACJI egzamin pisemny projekt< sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie laboratoriów FORMA ZAJĘĆ 1. Każdy student wykonuje projekt pozwalający na ocenę, czy osiągnął efekty kształcenia w stopniu minimalnym. 2. Egzamin pisemny z zagadnień prognozowania i metod symulacji. Na ocenę z przedmiotu składa się ocena z laboratorium (60%) i ocena z egzaminu (40%). arunkiem 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 PODSTAOA: 1. G.E.P Box, G.M. Jenkins, Analiza szeregów czasowych, PN, arszawa, Charemza, D.F. Deadman, Nowa ekonometria, PE, arszawa, T. Kufel, Postulat zgodności w dynamicznych modelach ekonometrycznych, M. Gruszczyński, Modele i prognozy zmiennych jakościowych w finansach i bankowości, Oficyna yd. SGH, elfe (red.), Ekonometryczne modele rynku, t.1, Metody ekonometryczne, PE, -wa, Z. Zieliński, Metody analizy dynamiki i rytmiczności zjawisk gospodarczych, PN, -wa, LITERATURA UZUPEŁNIAJĄCA: 1. M. Gruszyński, Modele i prognozy zmiennych jakościowych w finansach i bankowości, ydawnictwo uczelniane SGH, arszawa, M. Osińska, Ekonometria współczesna, TNOiKDO, elfe, Ekonometria, PE, arszawa, PROGRAM OPRACOAŁ: dr Jacek Bojarski L 17

18 Licz ba godzin w semestr ze Licz ba godzin w tygodniu S emestr EE K O N O M I A M A TT EE M A TT YY C ZZ N A Kod przedmiotu: 11.1-K-IiED-EM Typ przedm iotu: obowiązkowy Język nauczania: polski Odpowiedzialny za przedm iot: nauczyciel akademicki prowadzący wykład Prowadzący: dr hab. Zbigniew Świtalski, prof. UZ nauczyciel akademicki MIiE. z ajęć z alicz enia P unkty E CTS S tudia stacjonarne ykł ad 30 2 Egzamin II Ćwic zeni a 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. YMAGANIA STĘPNE: Podstawowe kursy Algebry liniowej i Analizy matematycznej. ZAKRES TEMATYCZNY PRZEDMIOTU: ykład/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 I METODY ERYFIKACJI OSIĄGANIA EFEKTÓ KSZTAŁCENIA: OPIS EFEKTU Student zna podstawowe modele matematyczne wykorzystywane w teorii ekonomii, potrafi przedstawić ich zapis formalny i interpretację ekonomiczną, rozumie upraszczające założenia przyjmowane przy formułowaniu tych modeli. Student zna podstawowe pojęcia występujące w modelach ekonomii matematycznej i potrafi im nadać interpretację formalną. Student zna podstawowe miary zmienności wielkości ekonomicznych, rozumie sens ich stosowania i metody ich obliczania. Student potrafi przeanalizować i rozwiązywać zadanie maksymalizacji użyteczności i zadanie minimalizacji wydatków konsumenta a także zadania optymalizacyjne w neoklasycznej teorii przedsiębiorstwa. Student potrafi obliczać wielkości krańcowe, elastyczności i stopę substytucji oraz interpretować je. Student potrafi zbadać podstawowe własności funkcji produkcji i przestrzeni produkcyjnych. Student potrafi przeanalizować związki między produkcją globalną, końcową i przepływami w modelu przepływów międzygałęziowych Leontiewa. Student rozumie konieczność stosowania precyzyjnego języka w opisie problemów ekonomicznych, potrafi przekonywać innych do tej konieczności. SYMBOLE EFEKTÓ K_02 K_02 K_03 K_U02, K_U03 K_U04 K_U02 K_U03 K_U02 K_U03 K_K01 METODY ERYFIKACJI Egzamin pisemny składający się z pytań testowych i zadań, weryfikujący znajomość modeli metod i pojęć. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie ćwiczeń. Sprawdziany pisemne z progami punktowymi oraz zadaniami pozwalającymi ocenić, czy student osiągnął efekty kształcenia w stopniu minimalnym. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie ćwiczeń. Egzamin pisemny składający się z pytań testowych i zadań, weryfikujący znajomość modeli metod i pojęć Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie ćwiczeń. FORMA ZAJĘĆ Ć Ć Ć ARUNKI ZALICZENIA: 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: ykład 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 PODSTAOA : 1. Chiang A., Podstawy ekonomii matematycznej, PE, arszawa, Panek E., Elementy ekonomii matematycznej. Statyka, PN, arszawa, Panek E., Elementy ekonomii matematycznej. Równowaga i wzrost, PN, arszawa, Panek E., Ekonomia matematyczna, yd. AE, Poznań

20 5. Panek E., Podstawy ekonomii matematycznej. Elementy teorii popytu i równowagi rynkowej, Materiały dydaktyczne nr 165, yd. AE Poznań, Panek E., Podstawy ekonomii matematycznej. Elementy teorii produkcji i równowagi ogólnej, Materiały dydaktyczne nr 173, yd. AE Poznań, LITERATURA UZUPEŁNIAJĄCA: 1. Allen R.G.D., Ekonomia matematyczna, PN, arszawa Ostoja-Ostaszewski A., Matematyka w ekonomii, cz. 1,2, PN, arszawa PROGRAM OPRACOAŁ: dr hab. Zbigniew Świtalski, prof. UZ 20

21 Licz ba godzin w semestr ze Licz ba godzin w tygodniu S emestr H U R TT O N I EE D A N YY C H Kod przedmiotu: 11.3-K-IiED-HD Typ przedm iotu: wybieralny Język nauczania: polski Odpowiedzialny za przedm iot: nauczyciel akademicki prowadzący wykład Prowadzący: mgr inż. Andrzej Majczak nauczyciel akademicki MIiE. z ajęć z alicz enia P unkty E CTS S tudia stacjonarne ykł ad 15 1 Zaliczenie na ocenę II lub IV Laboratori um 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. YMAGANIA STĘPNE: Technologia informacyjna. Bazy danych. ZAKRES TEMATYCZNY PRZEDMIOTU: ykład 1. Ewolucja systemów wspomagania decyzji (DSS). 2. prowadzenie 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. prowadzenie do DB2 eb 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. 21

22 EFEKTY KSZTAŁCENIA I METODY ERYFIKACJI OSIĄGANIA EFEKTÓ KSZTAŁCENIA: OPIS EFEKTU SYMBOLE EFEKTÓ METODY ERYFIKACJI FORMA ZAJĘĆ Student zna podstawy teorii w zakresie projektowania hurtowni danych. K_09 kolokwium Student zna narzędzia do inteligentnej analizy danych. Student zna podstawowe zasady BHP obowiązujące w pracowni komputerowej. K_13 K_18 bieżąca kontrola na zajęciach Ć Student potrafi posługiwać się intuicyjnym interfejsem do budowania zapytań i raportów. K_U15 Student potrafi budować raporty na podstawie danych przechowywanych w bazach danych. K_U1 ARUNKI ZALICZENIA: 1. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie ćwiczeń laboratoryjnych. 2. Uzyskanie pozytywnych ocen ze wszystkich ćwiczeń laboratoryjnych przewidzianych do realizacji w ramach programu laboratorium. 3. Pisemne kolokwium na zaliczenie wykładu składające się z pytań i zadań weryfikujący znajomość przerobionego materiału. Na ocenę z przedmiotu składa się ocena z ćwiczeń laboratoryjnych (40%) i ocena z wykładu (60%). arunkiem zaliczenia przedmiotu jest pozytywna ocena z ćwiczeń laboratoryjnych i wykładu. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe: ykład 15 godz. Laboratorium 30 godz. Konsultacje 20 godz. Razem: 65 godz. (3 ECTS) Praca samodzielna: Przygotowanie do laboratorium 30 godz. Przygotowanie do kolokwium 30 godz. Razem: 60 godz. (2 ECTS) Razem dla całego przedmiotu: 125 godz. (5 ECTS) LITERATURA PODSTAOA: 1. Chris Todman, Projektowanie hurtowni danych. spomaganie zarządzania relacjami z klientami, Helion, illiam Harvey Inmon, Building the Data arehouse. 4th Edition, iley, LITERATURA UZUPEŁNIAJĄCA: 1. Ramez Elmasri, Shamkant B. Navathe. prowadzenie do systemów baz danych, Helion, Ralph Kimball, Margy Ross, The Data arehouse Toolkit: The Complete Guide to Dimensional Modeling. 2nd Edition, iley, Adam Pelikant, Hurtownie danych. Od przetwarzania analitycznego do raportowania, Helion, PROGRAM OPRACOAŁ: mgr inż. Andrzej Majczak 22

23 Licz ba godzin w semestr ze Licz ba godzin w tygodniu S emestr I N ŻŻ YY N I EE R I A O PP R O G R A M O A N I A Kod przedmiotu: 11.3-K-IiED-IO Typ przedm iotu: obowiązkowy Język nauczania: polski Odpowiedzialny za przedm iot: nauczyciel akademicki prowadzący wykład Prowadzący: dr inż. Janusz Jabłoński nauczyciel akademicki MIiE. z ajęć z alicz enia P unkty E CTS S tudia stacjonarne ykł ad 15 1 Egzamin I Laboratori um 30 2 Zaliczenie na ocenę 7 CEL PRZEDMIOTU: Zapoznanie studenta z wybranymi modelami technikami i metodami Inżynierii Oprogramowania w realizacji systemów informatycznych. YMAGANIA STĘPNE: Znajomość podstaw koncepcji i metod obiektowych, programowania obiektowego oraz podstawy SQL i baz danych. ZAKRES TEMATYCZNY PRZEDMIOTU: ykład 1. Projektowanie oprogramowania. 2. Techniki planowania i szacowania kosztów - metoda punktów funkcyjnych. 3. Harmonogramowanie oraz monitorowanie przedsięwzięć informatycznych. 4. Procesy kontroli jakości systemów informatycznych oraz problemy niezawodności oprogramowania. 5. Techniki pracy zespołowej. 6. eryfikacja, walidacja i testowanie oprogramowania. 7. Inspekcje oprogramowania. Interakcja człowiek komputer. 8. Metody i techniki notacji w wytwarzaniu systemów informacyjnych oraz zarządzanie p rzedsięwzięciami informatycznymi. Laboratorium ykorzystanie technologii Java oraz diagramów UML w środowisku Eclipse do projektowania i wytwarzania systemów informatycznych. Programowanie zdarzeniowe w Java. Narzędzia wspomagające projekt i realizację interakcji człowiek komputer w oparciu o interfejs graficzny. J2SE oraz J2EE i technologie serwerowe w realizacji systemów informatycznych. ykorzystanie możliwości JUnit oraz narzędzi SVN w testowaniu, weryfikacji i walidacji kodu. Organizowanie i zarządzanie pracą zespołu programistów w oparciu na przykładzie PRINCE 2. METODY KSZTAŁCENIA: Tradycyjny wykład, ćwiczenia laboratoryjne z wykorzystaniem narzędzi informatycznych. 23

24 EFEKTY KSZTAŁCENIA I METODY ERYFIKACJI OSIĄGANIA EFEKTÓ KSZTAŁCENIA: OPIS EFEKTU Student zna w stopniu podstawowym metody, techniki oraz narzędzia modelowania i realizacji w JAVA systemów informatycznych, rozumie zakres i możliwości zastosowań baz danych i wzorców projektowych. Student rozróżnia grupy uczestników projektu informatycznego oraz potrafi przydzielać im zadania zgodnie z harmonogramem zadań. Student potrafi analizować, specyfikować i implementować wymagania jak również projektować strukturę i dynamikę systemu informatycznego w oparciu o nowoczesne narzędzia i technologie informatyczne, potrafi wykorzystywać specjalizowane biblioteki, moduły i programy komputerowe w zakresie analizy i przetwarzania danych. Student zna podstawowe założenia organizowania pracy zespołowej w projektach informatycznych; rozumie konieczność systematycznego podejścia do organizowania pracy dla projektów o długofalowym charakterze oraz rozumie potrzebę ciągłego podnoszenia swoich kwalifikacji opartej na samokształceniu i śledzeniu literatury informatycznej oraz poznawania nowych technologii i narzędzi SYMBOLE EFEKTÓ K_10+ K_12++ K_U14+ K_U15+ K_U16+ K_K02+ K_K03+ METODY ERYFIKACJI Egzamin pisemny. Kolokwium z zadaniami o zróżnicowanym stopniu trudności, pozwalający na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie zajęć Praktyczne przygotowanie projektu systemu oraz kolokwia z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym. Ocena sprawozdań oraz sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie zajęć. Sprawozdanie z realizowanego zadania oraz dyskusja w trakcie zajęć. FORMA ZAJĘĆ L L L ARUNKI ZALICZENIA: Ostateczna ocena z przedmiotu uwzględnia ocenę z laboratorium (65%) i ocenę z egzaminu (35%), przy założeniu, że student osiągnął wszystkie zakładane efekty kształcenia w stopniu dostatecznym. arunkiem zaliczenia przedmiotu jest uzyskanie oceny pozytywnej z laboratorium i wykładu. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe: ykład 15 godz. Laboratorium 30 godz. Konsultacje 10 godz. (wykład), 10 godz. (laboratorium) Praca samodzielna: Przygotowanie do wykładu 30 godz. Przygotowanie do laboratorium 45 godz. Przygotowanie do egzaminu 45 godz. Razem dla całego przedmiotu: 185 godz. (7 ECTS) LITERATURA PODSTAOA: 1. B. Bruegge, A. H. Dutoit, Inżynieria oprogramowania w ujęciu obiektowym. UML wzorce projektowe i JAVA, Helion, Gliwice, I. Sommerville, Inżynieria oprogramowania, Klasyka Informatyki, NT, arszawa, I. Graham, Metody obiektowe w teorii i praktyce, NT, K. Sacha, Inżynieria Oprogramowania, PN, arszawa, N. Dai, L. Mandel, A. Ryman, Eclipse eb Tools Platform. Tworzenie aplikacji w języku Java, Helion, Gliwice,

25 LITERATURA UZUPEŁNIAJĄCA: 1. D. Minter, L. Linwood, Hibernate od nowicjusza do profesjonalisty, Apress, arszawa D. Alur, J. Crupi, D. Malks, J2EE zorce projektowe, Helion, Gliwice C. Horstmann, G. Cornell, JAVA 2. Techniki zaawansowane, Helion, Gliwice A. Hemrajani, Java. Tworzenie aplikacji sieciowych za pomocą Springa, Hibernate i Eclipse, Helion, Gliwice PROGRAM OPRACOAŁ: dr inż. Janusz Jabłoński 25

26 Licz ba godzin w semestr ze Licz ba godzin w tygodniu S emestr I N ŻŻ YY N I EE R I A O PP R O G R A M O A N I A 22 Kod przedmiotu: 11.3-K-IiED-IO2 Typ przedm iotu: wybieralny Język nauczania: polski Odpowiedzialny za przedm iot: nauczyciel akademicki prowadzący wykład Prowadzący: dr inż. Janusz Jabłońsk nauczyciel akademicki MIiE.i z ajęć z alicz enia P unkty E CTS S tudia stacjonarne ykł ad 15 1 Egzamin III P rojekt 30 2 Zaliczenie na ocenę 5 CEL PRZEDMIOTU: Zapoznanie studenta z metodami kosztorysowania, szacowania ryzyka jak również zarządzania i organizowania przedsięwzięć związanych z wytwarzaniem systemów informatycznych. YMAGANIA STĘPNE: Znajomość podstaw koncepcji i metod obiektowych, programowania obiektowego oraz podstawy SQL i baz danych. ZAKRES TEMATYCZNY PRZEDMIOTU: ykład 1. Omówienie podstaw analizy, monitorowania i kontroli ryzyka w projekcie informatycznym. 2. Przedstawienie przykładowego systemu wspomagania pracy grupowej oraz systemu wersjonowania oprogramowania. 3. Omówienie standardów: ISO/IEC 9126 dotyczących jakości oprogramowania jako produktu, jak również normy ISO 9126 w zakresie oceny jakości oprogramowania. 4. Realizacja przykładowego projektu z wykorzystaniem narzędzi CASE dla wspomagania pracy zespołów uczestniczących w projekcie. Projekt Instalacja, konfiguracja oraz wykorzystanie platformy JAZZ firmy IBM jako platformy projektowania, testowania, zarządzania i wersjonowania oraz realizacji przykładowego minimum trzy funkcjonalności grupowego projektu systemu informatycznego w technologii J2EE. METODY KSZTAŁCENIA: Tradycyjny wykład, ćwiczenia projektowe, pogadanki i dyskusje w grupach. 26

27 EFEKTY KSZTAŁCENIA I METODY ERYFIKACJI OSIĄGANIA EFEKTÓ KSZTAŁCENIA: OPIS EFEKTU Student dysponuje podstawową wiedzą dotyczącą procesów wytwarzania, użytkowania i doskonalenia systemów informacyjnych. Student zna podstawowe zna podstawowe zasady projektowania oprogramowania oraz zarządzania przedsięwzięciami informatycznymi Student potrafi organizować prace zespołu programistów i wytwarzania złożonych systemów informatycznych z wykorzystaniem nowoczesnych narzędzi i technologii Student rozumie potrzebę uzupełniania wiedzy z zakresu nowych technologii i narzędzi informatycznych SYMBOLE EFEKTÓ K_09++ K_10_++ K_U14++ K_U15+ K_K02+ K_K03+ METODY ERYFIKACJI Egzamin pisemny. Kolokwium z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę osiągniętego przez studenta poziomu wiedzy z uwzględnieniem stopnia minimalnego. Sprawdzanie aktywności w trakcie zajęć. Realizacja projektu systemu informatycznego o zróżnicowanymi stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym. Sprawdzanie kodu i dokumentacji projektu oraz sprawdzenie przygotowania i aktywności studentów w trakcie zajęć. Dyskusja i obserwacje w trakcie zajęć. FORMA ZAJĘĆ P P ARUNKI ZALICZENIA: Ostateczna ocena z przedmiotu uwzględnia ocenę z projektu (65%) i ocenę z egzaminu (35%), przy założeniu, że student osiągnął wszystkie zakładane efekty kształcenia w stopniu dostatecznym. arunkiem zaliczenia przedmiotu są pozytywne oceny z projektu i egzaminu. OBCIĄŻENIE PRACĄ STUDENTA: Godziny kontaktowe: ykład 15 godz. Projekt 30 godz. Konsultacje 5 godz. (wykład), 10 godz. (projekt) Praca samodzielna: Przygotowanie do wykładu 15 godz. Przygotowanie do projektu 45 godz. Przygotowanie do egzaminu 15 godz. Razem dla całego przedmiotu: 135 godz. (5 ECTS) LITERATURA PODSTAOA: 1. R. S. Pressman, Praktyczne podejście do inżynierii oprogramowania, NT, C. Murray, Jak kierować zespołem programistów, NT, C. L. Pritchard, Zarządzanie ryzykiem w projektach. Teoria i praktyka, IG-PRESS, arszawa Z. Szyjewski, Zarządzanie projektami informatycznymi. Metodyka tworzenia systemów informatycznych, Agencja ydawnicza PLACET, arszawa, Systemy zarządzania jakością. ymagania, PN-EN ISO 9001, PKN, LITERATURA UZUPEŁNIAJĄCA: 1. I. Sommerville, Inżynieria oprogramowania, Klasyka Informatyki, NT, arszawa I. Graham, Metody obiektowe w teorii i praktyce, NT, A. Hemrajani, Java. Tworzenie aplikacji sieciowych za pomocą Springa, Hibernate i Eclipse, Helion, Gliwice N. Dai, L. Mandel, A. Ryman Eclipse eb Tools Platform. Tworzenie aplikacji w języku Java, Helion, Gliwice PROGRAM OPRACOAŁ: dr inż. Janusz Jabłoński 27