Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Data mining
Tok studiów:
2015/2016
Kod:
BOS-1-511-s
Wydział:
Geologii, Geofizyki i Ochrony Środowiska
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Ochrona Środowiska
Semestr:
5
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma i tryb studiów:
Stacjonarne
Osoba odpowiedzialna:
dr inż. Chuchro Monika (chuchro@geol.agh.edu.pl)
Osoby prowadzące:
prof. dr hab. inż. Walanus Adam (a@adamwalanus.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 OS1A_W07 Wykonanie ćwiczeń laboratoryjnych
Umiejętności
M_U001 Potrafi obliczyć i zinterpretować statystyki jednej zmiennej OS1A_U05, OS1A_U15 Wykonanie ćwiczeń laboratoryjnych
M_U002 Potrafi zinterpretować macierz korelacji OS1A_U05, OS1A_U15 Wykonanie ćwiczeń laboratoryjnych
M_U003 Potrafi wykonać regresję w MS Excel, Matlab i Statistica OS1A_U05, OS1A_U15 Wykonanie ćwiczeń laboratoryjnych
M_U004 Potrafi zbadać jakość danych OS1A_U05, OS1A_U15, OS1A_U14 Wykonanie ćwiczeń laboratoryjnych
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 + - - + - - - - - - -
Umiejętności
M_U001 Potrafi obliczyć i zinterpretować statystyki jednej zmiennej + - - + - - - - - - -
M_U002 Potrafi zinterpretować macierz korelacji + - - + - - - - - - -
M_U003 Potrafi wykonać regresję w MS Excel, Matlab i Statistica + - - + - - - - - - -
M_U004 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

Ćwiczenia projektowe:

1. Real measurements with a tape measure, organizing spreadsheet
2. Modelling random variables (Excel)
3. Searching for extreme values, estimating low probabilities
4. Modelling normal distribution
5. Calculation of basic statistics
6. Calculation of Regression
7. Performing classification (Statistica)
8. Performing multivariate analysis (Statistica)
9. Transforming data, Box-Cox
10. Statistica – Data miner I
11. Statistica – Data miner II, machine Learning
12. Industial statistics, SPC, QCC

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 87 godz
Punkty ECTS za moduł 3 ECTS
Udział w wykładach 28 godz
Udział w ćwiczeniach projektowych 14 godz
Samodzielne studiowanie tematyki zajęć 30 godz
Przygotowanie do zajęć 15 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Średnia z ocen zdobywanych w trakcie ćwiczeń laboratoryjnych

Wymagania wstępne i dodatkowe:

Znajomość metod numerycznych i elementów programowania

Zalecana literatura i pomoce naukowe:

WWW, Pomoc MS Excel, Pomoc i Podręcznik Statystyki Statistica
http://www.statsoft.pl/textbook/stathome.html

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak