Opis efektów kształcenia dla modułu zajęć

Transkrypt

1 Nazwa modułu: Wprowadzenie do analizy danych Rok akademicki: 2012/2013 Kod: IET SU-s Punkty ECTS: 2 Wydział: Informatyki, Elektroniki i Telekomunikacji Kierunek: Elektronika i Telekomunikacja Specjalność: Sieci i usługi Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne Język wykładowy: Polski Profil kształcenia: Ogólnoakademicki (A) Semestr: 3 Strona www: Osoba odpowiedzialna: dr inż. Orzechowski Tomasz Marcin (tomeko@agh.edu.pl) Osoby prowadzące: dr inż. Orzechowski Tomasz Marcin (tomeko@agh.edu.pl) Opis efektów kształcenia dla modułu zajęć Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń) Wiedza M_W001 Student zna i rozumie zaawansowane modele wiedzy M_W002 Student orientuje się w obecnym stanie oraz najnowszych kierunkach rozwoju metod analizy danych M_W003 Ma wiedzę w zakresie konstruowania i analizowania procesów stochastycznych ET2A_W01 M_W004 Ma uporządkowaną i podbudowaną wiedzę w zakresie analizy danych oraz planowania eksperymentu ET2A_W04, Wykonanie ćwiczeń Umiejętności M_U001 Student potrafi przygotować dane do analizy ET2A_U07 Wykonanie ćwiczeń M_U002 Student potrafi przeprowadzić samodzielnie analizy i zinterpretować wyniki ET2A_U07 Wykonanie ćwiczeń 1 / 5

2 M_U003 Potrafi wykorzystać poznane metody i modele matematyczne, a także symulacje komputerowe do analizy i oceny działania sieci komputerowych i telekomunikacyjnych ET2A_U07 Projekt, Wykonanie ćwiczeń laboratoryjnych Kompetencje społeczne M_K001 Rozumie potrzebę dokładnej i wiarygodnej analizy danych, zwłaszcza tych przedstawianych społeczeństwu. ET2A_K02 Aktywność na zajęciach Matryca efektów kształcenia w odniesieniu do form zajęć Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć Wykład audytoryjne laboratoryjne projektowe Konwersatori um seminaryjne praktyczne terenowe warsztatowe Inne E-learning Wiedza M_W001 M_W002 M_W003 M_W004 Umiejętności M_U001 M_U002 M_U003 Student zna i rozumie zaawansowane modele wiedzy Student orientuje się w obecnym stanie oraz najnowszych kierunkach rozwoju metod analizy danych Ma wiedzę w zakresie konstruowania i analizowania procesów stochastycznych Ma uporządkowaną i podbudowaną wiedzę w zakresie analizy danych oraz planowania eksperymentu Student potrafi przygotować dane do analizy Student potrafi przeprowadzić samodzielnie analizy i zinterpretować wyniki Potrafi wykorzystać poznane metody i modele matematyczne, a także symulacje komputerowe do analizy i oceny działania sieci komputerowych i telekomunikacyjnych Kompetencje społeczne 2 / 5

3 M_K001 Rozumie potrzebę dokładnej i wiarygodnej analizy danych, zwłaszcza tych przedstawianych społeczeństwu Treść modułu zajęć (program wykładów i pozostałych zajęć) Wykład Wprowadzenie do tematyki (2h) Poje cia wste pne; Zagadnienie pomiaru; Typy skal pomiarowych i ich charakterystyka; Rola skal pomiarowych w badaniach naukowych. Miary statystyczne i prezentacja danych (2h) Tabele cze stosći i tabele krzyzȯwe; Podstawowe miary statystyczne: miary połozėnia, tendencji centralnej; Graficzna prezentacja danych. Statystyki opisowe (2h) Miary rozproszenia, asymetrii i koncentracji oraz ich własnosći; Graficzna prezentacja statystyk opisowych; Standaryzacja zmiennych. Testy statystyczne (2h) Testy statystyczne; Weryfikacja hipotez statystycznych; Test t-studenta dla jednej próby, dla grup zalezṅych i niezalezṅych; Alternatywne testy dla testu t-studenta. Analiza wariancji i jej stosowanie (2h) Jedno- i dwuczynnikowa ANOVA. Korelacja i regresja (2h) Współczynnik korelacji liniowej Pearsona; Regresja liniowa jednej zmiennej; Miary dopasowania funkcji do danych rzeczywistych. Test chi-kwadrat (2h) Test chi-kwadrat testowanie zgodnosći oraz niezalezṅosći cech jakosćiowych. Test zaliczeniowy (1h) Test końcowy. laboratoryjne Wprowadzenie do pakietu SPSS (3h) 1. Wprowadzanie zmiennych. Podstawowe zasady pracy z pakietem statystycznym. Operacje na pliku danych. Przekształcanie zmiennych. Zmienna i jej pomiar. Skale pomiarowe. Tabele cze stosći i tabele krzyzȯwe. 2. Miary połozėnia, tendencji centralnej. wprowadzanie i kodowanie danych w pakiecie SPSS, obliczanie statystyk opisowych. 3. Miary rozproszenia, asymetrii i koncentracji oraz ich własnosći. Graficzna prezentacja statystyk opisowych. 3 / 5

4 4. Standaryzacja zmiennych. Testowanie hipotez (4h) 1. Testy statystyczne. 2. Weryfikacja hipotez statystycznych. 3. Test t-studenta dla jednej próby, dla grup zalezṅych i niezalezṅych. 4. Alternatywne testy dla testu t-studenta. Zastosowanie analizy wariancji (6h) 1. Jedno-czynnikowa analiza wariancji. 2. Dwuczynnikowa analiza wariancji w planie midzygrupowym i efekt interakcji zmiennych niezalenych. 3. Dwuczynnikowa analiza wariancji w planie wewntrzgrupowym. Korelacja i regresja (3h) 1. Współcznynnik korelacji liniowej Pearsona. 2. Regresja liniowa jednej zmiennej. 3. Miary dopasowania funkcji do danych rzeczywistych. Test chi-kwadrat (2h) Test chi-kwadrat testowanie zgodnosći oraz niezalezṅosći cech jakosćiowych. Podstawy analizy czynnikowej. (6h) Wprowadzenie do analizy czynnikowej i jej zastosowań. Zadania problemowe z analizy danych (6h) Konstruowanie hipotez badawczych, wykonywanie testów i analiz statystycznych ugruntowujących wiedzę. Sposób obliczania oceny końcowej Zaliczenie zajęć w formie testu sprawdzającego wiedzę teoretyczną na ostatnich zajęciach wykładowych. Wykonanie zadań praktycznych problemowych w trakcie zajęć praktycznych. Wymagania wstępne i dodatkowe Nie podano wymagań wstępnych lub dodatkowych. Zalecana literatura i pomoce naukowe 1. Sylwia Bedyńska i Marzena Cypryańska (red.) (2012) Statystyczny drogowskaz 1. Praktyczne wprowadzenie do wnioskowania statystycznego. ISBN: Sylwia Bedyńska i Marzena Cypryańska (red.) (2013) Statystyczny drogowskaz 2. Praktyczne wprowadzenie do analizy wariancji. ISBN Sylwia Bedyńska i Marzena Cypryańska (red.) (2012) Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych. 4. TOMASZ ŻĄDŁO, JANUSZ WYWIAŁ, PROGNOZOWANIE SZEREGÓW CZASOWYCH ZA POMOCĄ PAKIETU SPSS, ISBN: ANNA MALARSKA, STATYSTYCZNA ANALIZA DANYCH WSPOMAGANA PROGRAMEM SPSS, ISBN: Pavkov T., Pierce K. (2005), Do biegu, gotowi start! Wprowadzenie do SPSS dla Windows. Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu Nie podano dodatkowych publikacji 4 / 5

5 Informacje dodatkowe 1. Podany program stanowi zarys i może ulec rozszerzeniu z uwagi na potrzeby grupy studentów o następujące obszary: analiza szeregów czasowych, klasteryzacja i stosowanie sieci neuronowych w analizie danych. 2. Istnieje szansa na uzyskanie certyfikatu SPSS Technology Junior Expert przez studentów po uzyskaniu akredytacji dla zajęć w programie Ariadna. Certyfikat ten potwierdza praktyczną wiedzę w zakresie wykorzystania narzędzi SPSS. Więcej: Nakład pracy studenta (bilans punktów ECTS) Forma aktywności studenta Przygotowanie do zajęć Samodzielne studiowanie tematyki zajęć Udział w wykładach Udział w ćwiczeniach laboratoryjnych Sumaryczne obciążenie pracą studenta Punkty ECTS za moduł Obciążenie studenta 20 godz 10 godz 15 godz 30 godz 75 godz 2 ECTS 5 / 5