Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Statystyczna analiza danych internetowych
Tok studiów:
2016/2017
Kod:
ZIPM-3-015-s
Wydział:
Zarządzania
Poziom studiów:
Studia III stopnia
Specjalność:
-
Kierunek:
Inżynieria Produkcji Metali Nieżelaznych
Semestr:
0
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Osoba odpowiedzialna:
Duda Jan Tadeusz (jtduda@zarz.agh.edu.pl)
Osoby prowadzące:
Duda Jan Tadeusz (jtduda@zarz.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 Słuchacz kursu ma wiedzę na temat dostępnych źródeł informacji internetowych o charakterze ilościowym i jakościowym. IPM3A_W01, IPM3A_W03 Odpowiedź ustna,
Projekt,
Aktywność na zajęciach,
Udział w dyskusji
M_W002 Potrafi dokonać analizy poprawności i spójności danych oraz ocenić ich przydatność dla rozwiązania postawionego zadania z zakresu Inżynierii Produkcji. Zna odpowiednie narzędzia statystyki. IPM3A_W02 Egzamin
Umiejętności
M_U001 Potrafi przygotować w środowisku Matlab program przetwarzający wybrane dane internetowe. Potrafi ocenić poprawność wyników przetwarzania danych. Potrafi zastosować odpowiednie narzędzia statystyki. IPM3A_U05, IPM3A_U03 Odpowiedź ustna,
Projekt,
Aktywność na zajęciach,
Udział w dyskusji
Kompetencje społeczne
M_K001 Ma świadomość znaczenia i odpowiedzialności poprawnego przetwarzania danych dla potrzeb inżynierii produkcji. IPM3A_K01, IPM3A_K03 Aktywność na zajęciach,
Odpowiedź ustna,
Udział w dyskusji
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 Słuchacz kursu ma wiedzę na temat dostępnych źródeł informacji internetowych o charakterze ilościowym i jakościowym. - - - - + - - - - - -
M_W002 Potrafi dokonać analizy poprawności i spójności danych oraz ocenić ich przydatność dla rozwiązania postawionego zadania z zakresu Inżynierii Produkcji. Zna odpowiednie narzędzia statystyki. - - - - + - - - - - -
Umiejętności
M_U001 Potrafi przygotować w środowisku Matlab program przetwarzający wybrane dane internetowe. Potrafi ocenić poprawność wyników przetwarzania danych. Potrafi zastosować odpowiednie narzędzia statystyki. - - - - + - - - - - -
Kompetencje społeczne
M_K001 Ma świadomość znaczenia i odpowiedzialności poprawnego przetwarzania danych dla potrzeb inżynierii produkcji. - - - - + - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Konwersatorium:

1. Pojęcia podstawowe – formy i źródła danych, Internet jako źródło danych, kwestia wiarygodności i aktualności danych, prawa autorskie,
Cele przetwarzania – wydobywanie wiedzy z danych.
Typy danych – jakościowe (lingwistyczne), ilościowe – całkowite, rzeczywiste.
Metody wydobywania wiedzy – grupowanie i klasyfikacja (wiedza jakościowa), modelowanie matematyczne (wiedza ilościowa).
Szeregi czasowe (problem miary czasu i kompletności).
Formaty danych – binarne (niedostępne) HTML, XML, csv.
Narzędzia: algorytmy grupowania i klasyfikacji, statystyka opisowa, ilościowe analizy statystyczne jedno i wielowymiarowe (kwestia losowości danych),
Narzędzia przetwarzania: MS Excel, Visual Basic – problem eksportu i importu danych, prezentacja graficzna: szeregi czasowe a wykresy przekrojowe – interpretacja.
2. Statystyka jako narzędzie wydobywania wiedzy: rozkłady prawdopodobieństwa jedno i wielowymiarowe, analizy korelacyjne, autokorelacji – problem kompletności.
3. Modelowanie nieparametryczne i parametryczne.
4. Regresja jako narzędzie wydobywania wiedzy.
5. Grupowanie szeregów czasowych – analizy podobieństwa (definicje podobieństwa), prefiltracja jako narzędzie dekompozycji szeregów.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 75 godz
Punkty ECTS za moduł 3 ECTS
Dodatkowe godziny kontaktowe z nauczycielem 2 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Udział w konwersatoriach 14 godz
Samodzielne studiowanie tematyki zajęć 18 godz
Przygotowanie do zajęć 14 godz
Wykonanie projektu 25 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena końcowa wystawiana jest przez prowadzącego na podstawie oceny z egzaminu, z uwzględnieniem obecności i aktywności na konwersatoriach.
Ocenę zaokrągla się zależnie od obecności, z możliwością podniesienia (maks. o 1.0) na podstawie dodatkowego kolokwium ustnego.

Wymagania wstępne i dodatkowe:

Znajomość podstawowych metod statystyki matematycznej i algebry, umiejętność programowania w środowisku MATLAB

Zalecana literatura i pomoce naukowe:

J. Koronacki, J. Mielniczuk: Statystyka dla studentów kierunków technicznych i przyrodniczych. WNT 2001.

T. J. Hastie,R. J. Tibshirani, J. Friedman: The Elements of Statistical Learning, Springer 2001

J. Koronacki, J. Ćwik, Statystyczne systemy uczące się, WNT 2005.

M. Sobyczyk: Statystyka, PWN, 2014

M. Cieślak: Prognozowanie gospodardze. Metody i zastosowania, PWN, 2011

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Duda J.T., Pełech-Pilichowski T.: Enhancements of moving trend based filters aimed at time series prediction. Advances in systems science: proceedings of the International Conference on Systems Science 2013 (ICSS 2013) / eds. Jerzy Świątek, [et al.], Advances in Intelligent Systems and Computing. Springer International Publishing, 2014, s. 747–756

Duda J.T., Pełech-Pilichowski T.: Wykorzystanie trendu pełzającego do analizy i prognozowania szeregów finansowych. W: Uwarunkowania, metody i strategie rozwoju przedsiębiorstw, red. nauk. Howaniec H., Madyda A., Waszkielewicz W., Wydawnictwo Naukowe ATH, 2013, s. 79–101

Pełech-Pilichowski T., Duda J.T.: A two-level detector of short-term unique changes in time series based on a similarity method. Expert Systems 2015 vol. 32 no. 4, s. 555–561

Pełech-Pilichowski T., Duda J.T.: Low-frequency signal reconstruction and abrupt change detection in non-stationary time series by enhanced moving trend based filters. Advances in ICT for business, industry and public sector, eds. Mach-Król M., Olszak C.M., Pełech-Pilichowski T. (Studies in Computational Intelligence, vol. 579), Springer, 2015, s. 111–125

Informacje dodatkowe:

Brak