Semestr letni Ekonometria i prognozowanie Nie

Transkrypt

1 KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angieskim Obowiązuje od roku akademickiego 2012/2013 Wydobywanie wiedzy z baz danych Knowedge discovery in databases A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Kierunek studiów Poziom kształcenia Profi studiów Forma i tryb prowadzenia studiów Specjaność Jednostka prowadząca moduł Koordynator modułu Zarządzanie i inżynieria produkcji II stopień Ogónoakademicki Stacjonarne Informatyka w Zarządzaniu i Modeowaniu Katedra Informatyki Stosowanej Dr Marzena Nowakowska Zatwierdził: B. OGÓLNA CHARAKTERYSTYKA PRZEDMIOTU Przynaeżność do grupy/boku przedmiotów Status modułu Język prowadzenia zajęć Usytuowanie modułu w panie studiów - semestr Usytuowanie reaizacji przedmiotu w roku akademickim Wymagania wstępne Egzamin Liczba punktów ECTS 1 Specjanościowy Obowiązkowy Angieski Semestr trzeci Semestr etni Ekonometria i prognozowanie Nie Forma prowadzenia zajęć w semestrze wykład ćwiczenia aboratorium projekt inne 15 h

2 C. EFEKTY KSZTAŁCENIA I METODY SPRAWDZANIA EFEKTÓW KSZTAŁCENIA Ce modułu Wykształcenie umiejętności w zakresie: opanowania podstaw diagnozowania i eksporacji rzeczywistych zbiorów danych, stosowania technik drążenia danych, oceny otrzymanych wyników i formułowania wniosków da wspomagania procesu podejmowania decyzji. (3-4 inijki) Symbo efektu W_02 K_01 Efekty kształcenia Student zna i rozumie zasady funkcjonowania programu SAS oraz modułu SAS Enterprise Miner w ceu ich wykorzystania w zaawansowanych anaizach danych. Student ma podstawową wiedzę na temat wybranych metod uczenia maszynowego oraz wie jak wykorzystać dostępne oprogramowanie statystyczne do anaiz danych z wykorzystaniem ww. metod. Student rozumie zasady identyfikacji wzorców oraz tworzenia modei statystycznych i drzewiastych oraz wie, w jaki sposób profesjonane oprogramowanie z zakresu anaiz danych prezentuje wyniki tych anaiz. Student potrafi zarządzać pikami danych w środowisku systemu SAS i Enterprise Miner, definiować cechy oraz wykonywać na nich operacje niezbędne do budowania wzorców i modei. Student posiada umiejętności wykorzystania dostępnych programów komputerowych do własnych anaiz danych w zakresie anaizy koszykowej oraz potrafi zastosować narzędzia rachunku prawdopodobieństwa do oceny współwystępowania wartości cech pewnych obiektów. Student potrafi wykorzystać profesjonane oprogramowanie statystyczne w zakresie anaiz z wykorzystaniem wieokrotnej regresji iniowej i ogistycznej oraz drzew decyzyjnych. Potrafi opracować i zinterpretować wyniki takich anaiz. Student rozumie potrzebę stałego stosowania i uzupełniania wiedzy z zakresu zaawansowanych metod anaiz danych. Student potrafi pracować samodzienie i w grupie (przyjmując w niej różne roe) oraz opracowywać raporty (sprawozdania) z wykonywanych prac badawczych. Forma prowadzenia zajęć (w/ć//p/inne) odniesienie do efektów kierunkowych odniesienie do efektów obszarowych K_W05 T2A_W07 K_W11 K_W12 T2A_W05 K_W04 T2A_W03 K_U01 T2A_U01 K_U01 K_U09 K_U11 K_U01 K_U09 K_U11 T2A_U01 T2A_U09 T2A_U01 T2A_U09 K-K01 T2A_K01 K-K03 T2A_K03 : 1. w zakresie wykładu Nr wykładu Odniesienie do efektów kształcenia da modułu

3 2. w zakresie ćwiczeń Nr zajęć ćwicz. Odniesienie do efektów kształcenia da modułu 3. w zakresie zadań aboratoryjnych Nr zajęć ab. 1-2 Środowisko systemu SAS oraz modułu Enterprise Miner. Tworzenie bibiotek użytkownika. System pików programu SAS. Anaiza związków (koszykowa). Wykorzystanie narzędzi rachunku prawdopodobieństwa do wykrywania współwystępowania wartości cech pewnych obiektów. Odniesienie do efektów kształcenia da modułu W_ Zmienne objaśniające i objaśniane. Drzewa decyzyjne jako łatwo interpretowane narzędzie kasyfikacji i prognozowania. Metody podziału drzewa. Miary oceny jakości kasyfikacji. Przycinane drzewa i sicie probabiistyczne. Definiowanie związków poprzez reguły drzewiaste. Wykorzystanie drzew decyzyjnych we wspomaganiu procesu podejmowania decyzji. Anaizy regresyjne z udziałem wieu zmiennych modee regresji wieokrotnej. Wieokrotna regresja iniowa. Ocena jakości modeu regresji i istotności parametrów strukturanych. Interpretacja wyników modeowania. Możiwości stosowania modei iniowych. Zdania zbiorów: uczącego, waidacyjnego i testowego w modeowaniu komputerowym. Regresja ogistyczna jako kasyfikator statystyczny. Metody doboru zmiennych do modeu regresyjnego. Ocena jakości kasyfikatora. Wykorzystanie iorazu szans w regresji ogistycznej do interpretacji wyników kasyfikacji modeu ogistycznego. 4. Charakterystyka zadań projektowych 5. Charakterystyka zadań w ramach innych typów zajęć dydaktycznych Metody sprawdzania efektów kształcenia Symbo efektu Metody sprawdzania efektów kształcenia (sposób sprawdzenia, w tym da umiejętności odwołanie do konkretnych zadań projektowych, aboratoryjnych, itp.) Zadania do samodzienego wykonania na zajęciach. W_02 Samodziene opracowanie sprawozdania z eksperymentu badawczego. Samodziene opracowanie sprawozdania z eksperymentu badawczego. K_01 Zadania do samodzienego wykonania na zajęciach. Zadania do samodzienego wykonania na zajęciach. Zadania do samodzienego wykonania na zajęciach. Komentarze i dyskusja propozycji rozwiązań studenckich na ćwiczeniach. Obserwacja postawy studenta podczas zajęć aboratoryjnych oraz dyskusja probemów postawionych przez nauczyciea i zgłoszonych przez studentów.

4 D. NAKŁAD PRACY STUDENTA Rodzaj aktywności 1 Udział w wykładach Bians punktów ECTS obciążenie studenta 2 Udział w ćwiczeniach 3 Udział w aboratoriach 15 4 Udział w konsutacjach (2-3 razy w semestrze) 5 5 Udział w zajęciach projektowych 6 Konsutacje projektowe 7 Udział w egzaminie 8 Liczba godzin reaizowanych przy bezpośrednim udziae nauczyciea 9 akademickiego Liczba punktów ECTS, którą student uzyskuje na zajęciach 10 wymagających bezpośredniego udziału nauczyciea akademickiego (1 punkt ECTS=25-30 godzin obciążenia studenta) 11 Samodziene studiowanie tematyki wykładów 12 Samodziene przygotowanie się do ćwiczeń 20 (suma) 13 Samodziene przygotowanie się do kookwiów 14 Samodziene przygotowanie się do aboratoriów 5 15 Wykonanie sprawozdań 5 15 Przygotowanie do kookwium końcowego z aboratorium 17 Wykonanie projektu ub dokumentacji 18 Przygotowanie do egzaminu Liczba godzin samodzienej pracy studenta 21 Liczba punktów ECTS, którą student uzyskuje w ramach samodzienej pracy (1 punkt ECTS=25-30 godzin obciążenia studenta) 0,67 10 (suma) 0,33 22 Sumaryczne obciążenie pracą studenta Punkty ECTS za moduł 1 punkt ECTS=25-30 godzin obciążenia studenta 1 24 Nakład pracy związany z zajęciami o charakterze praktycznym Suma godzin związanych z zajęciami praktycznymi Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym 1 punkt ECTS=25-30 godzin obciążenia studenta 0,37

5 E. LITERATURA Wykaz iteratury Witryna WWW modułu/przedmiotu 1. Cichosz P., Systemy uczące się, Wydawnictwa Naukowo-Techniczne, Warszawa, Hand D., Mannia H., Smyth P., Eksporacja danych, WN-T, Warszawa, Kantardzic M., Data mining. Concepts, Modes, Methods, and Agorithms. WILEY-INTERSCIENCE, A JOHN WILEY & SONS, INC., PUBLICATION, Larose D. T., Odkrywanie wiedzy z danych. Wprowadzenie do eksporacji danych, PWN, Warszawa, Lasek M., Metody Data Mining w anaizowaniu i prognozowaniu kondycji ekonomicznej przedsiębiorstw, Difin, Warszawa, SAS Institute OnLine Hep. 7. Samouczki oferowane przez SAS Institute w Internecie.