Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Data mining
Tok studiów:
2015/2016
Kod:
BIT-1-706-s
Wydział:
Geologii, Geofizyki i Ochrony Środowiska
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Informatyka Stosowana
Semestr:
7
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
prof. dr hab. inż. Walanus Adam (a@adamwalanus.pl)
Osoby prowadzące:
dr inż. Chuchro Monika (chuchro@geol.agh.edu.pl)
Krótka charakterystyka modułu

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 Zna podstawy statystyki IT1A_W01 Aktywność na zajęciach
M_W002 Potrafi obliczyć i zinterpretować statystyki jednej zmiennej IT1A_W01 Aktywność na zajęciach
M_W003 Potrafi zinterpretować macierz korelacji IT1A_U01, IT1A_U07, IT1A_U06, IT1A_U02 Aktywność na zajęciach
Umiejętności
M_U001 Potrafi wykonać regresję w MS Excel, Matlab i Statistica IT1A_U01, IT1A_U16, IT1A_U14, IT1A_U02 Aktywność na zajęciach
Kompetencje społeczne
M_K001 Potrafi zbadać jakość danych IT1A_K04, IT1A_K01 Aktywność na zajęciach
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Zna podstawy statystyki + - - - - - + - - - -
M_W002 Potrafi obliczyć i zinterpretować statystyki jednej zmiennej + - - - - - + - - - -
M_W003 Potrafi zinterpretować macierz korelacji + - - - - - + - - - -
Umiejętności
M_U001 Potrafi wykonać regresję w MS Excel, Matlab i Statistica + - - - - - + - - - -
Kompetencje społeczne
M_K001 Potrafi zbadać jakość danych - - - - - - + - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

1. Variables, experimental data, measurements, scales, dependent vs. independent variables
2. Relations between variables
3. Statistical significance of results (p-value)
4. Normal distribution and other probability distributions
5. Basic statistics
6. Regression
7. Classification
8. Multivariate analysis
9. Data quality, data clearing, transformations
10. Multidimensional scaling
11. Machine Learning
12. Data mining in industrial engineering

Zajęcia praktyczne:

1. Variables, experimental data, measurements, scales, dependent vs. independent variables
2. Relations between variables
3. Statistical significance of results (p-value)
4. Normal distribution and other probability distributions
5. Basic statistics
6. Regression
7. Classification
8. Multivariate analysis
9. Data quality, data clearing, transformations
10. Multidimensional scaling
11. Machine Learning
12. Data mining in industrial engineering

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 90 godz
Punkty ECTS za moduł 3 ECTS
Udział w wykładach 15 godz
Samodzielne studiowanie tematyki zajęć 15 godz
Udział w zajęciach praktycznych 30 godz
Przygotowanie do zajęć 30 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Średnia z ocen zdobywanych w trakcie ćwiczeń

Wymagania wstępne i dodatkowe:

Znajomość metod numerycznych i elementów programowania

Zalecana literatura i pomoce naukowe:

WWW, MS Excel, Statistica

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

udział „praktycznych” punktów ECTS: 2
udział „teoretycznych” punktów ECTS: 1