Module also offered within study programmes:
General information:
Name:
Analysis and advanced data processing with Matlab
Course of study:
2017/2018
Code:
ZIE-2-210-s
Faculty of:
Management
Study level:
Second-cycle studies
Specialty:
-
Field of study:
Information Technology and Econometrics
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
dr inż. Pełech-Pilichowski Tomasz (tomek@agh.edu.pl)
Academic teachers:
dr inż. Pełech-Pilichowski Tomasz (tomek@agh.edu.pl)
Module summary

Celem zajęć jest zdobycie podstawowej wiedzy i umiejętności z zakresu przetwarzania i wizualizacji danych, w szczególności szeregów czasowych, w środowisku Matlab.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Student ma świadomość odpowiedzialności w obszarze tworzenia algorytmów przetwarzania szeregów czasowych. Ma świadomość uwarunkowań podziału pracy celem konstrukcji algorytmów dających możliwość generowania wiarygodnych wyników obliczeń. IE2A_K07, IE2A_K02, IE2A_K01
Skills
M_U001 Student potrafi prototypować algorytmy dla potrzeb badania właściwości szeregów czasowych w środowisku Matlab IE2A_U03, IE2A_U01 Activity during classes
M_U002 Student potrafi prototypować algorytmy predykcji IE2A_U11 Activity during classes
Knowledge
M_W001 Student posiada wiedzę dotyczącą możliwości wykorzystania środowiska Matlab dla potrzeb prowadzenia analiz statystycznych, a także algorytmicznej analizy szeregów czasowych IE2A_W05
M_W002 Student posiada wiedzę dotyczącą uwarunkowań implementacji algorytmów predykcji IE2A_W04 Activity during classes
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Student ma świadomość odpowiedzialności w obszarze tworzenia algorytmów przetwarzania szeregów czasowych. Ma świadomość uwarunkowań podziału pracy celem konstrukcji algorytmów dających możliwość generowania wiarygodnych wyników obliczeń. - - - + - - - - - - -
Skills
M_U001 Student potrafi prototypować algorytmy dla potrzeb badania właściwości szeregów czasowych w środowisku Matlab - - - + - - - - - - -
M_U002 Student potrafi prototypować algorytmy predykcji - - - + - - - - - - -
Knowledge
M_W001 Student posiada wiedzę dotyczącą możliwości wykorzystania środowiska Matlab dla potrzeb prowadzenia analiz statystycznych, a także algorytmicznej analizy szeregów czasowych + - - - - - - - - - -
M_W002 Student posiada wiedzę dotyczącą uwarunkowań implementacji algorytmów predykcji + - - - - - - - - - -
Module content
Lectures:

Środowisko Matlab – wprowadzenie. Środowisko programistyczne. Język programowania. Praca w konsoli, makra/procedury/funkcje użytkownika. Funkcje wbudowane. Odczyt i zapis danych. Odczyt danych ze źródeł zewnętrznych. Analiza danych w środowisku Matlab, w szczególności szeregów czasowych i sygnałów diagnostycznych. Obliczenia statystyczne. Preprocessing danych. Prognozowanie. Wizualizacja danych (wykresy i diagramy). Automatyzacja obliczeń. Prototypowanie algorytmów. Zaawansowana analiza danych w dziedzinie czasu. Analiza danych w dziedzinie częstotliwości – wprowadzenie, przykłady. Omówienie projektów z obszaru prototypowania algorytmów. Przykłady algorytmów, case study – prezentacja i dyskusja. Wprowadzenie do projektów: tematyki, zakresów.

Project classes:

Ustalenie tematów projektów, dobór grup. Terminy główne i cząstkowe sprawozdawania realizacji prac. Konsultacje projektowe. Specyfikacja wymagań. Relacjonowanie postępów prac. Prezentacja projektów. Zaliczenie projektów.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 75 h
Module ECTS credits 3 ECTS
Participation in lectures 15 h
Participation in project classes 15 h
Preparation of a report, presentation, written work, etc. 5 h
Completion of a project 23 h
Realization of independently performed tasks 10 h
Contact hours 2 h
Preparation for classes 5 h
Additional information
Method of calculating the final grade:

Ocena końcowa jest obliczana na podstawie oceny uzyskanej za wykonanie projektu/projektów cząstkowych.
Suma punktów: 100.
Ocena wyznaczana zgodnie ze skalą ocen AGH.
Istnieje możliwość podwyższenia oceny o 1.0 na podstawie dodatkowego kolokwium ustnego i/lub aktywności na zajęciach.

Prerequisites and additional requirements:
  • Podstawowa znajomość zagadnień analizy danych.
  • Podstawowa znajomość programowania.
Recommended literature and teaching resources:

Literatura podstawowa:
1. Matlab Documentation, Mathworks, https://www.mathworks.com/help/index.html
2. Mrozek B., Mrozek Z.: Matlab i Simulink, Poradnik użytkownika (2017), Wyd. Helion

Literatura dodatkowa:
1. Sradomski W., MATLAB. Praktyczny podręcznik modelowania (2015), Wyd. Helion
2. Treichel W., Stachurski M., Matlab dla Studentów. Ćwiczenia, Zadania, Rozwiązania (2010), Wyd. Witkom

Scientific publications of module course instructors related to the topic of the module:

Detection of periodic components from seasonal time series with moving trend method and low pass filtering / Jan T. DUDA, Tomasz PEŁECH-PILICHOWSKI // W: Advanced solutions in diagnostics and fault tolerant control / eds. Jan M. Kościelny, Michał Syfert, Anna Sztyber. — Cham : Springer, cop. 2018. — (Advances in Intelligent Systems and Computing ; ISSN 2194-5357 ; vol. 635). — Zawiera materiały z: DPS’2017 : 13th international conference on Diagnostics of Processes and Systems : Sandomierz, Poland, September 10–13, 2017. — ISBN: 978-3-319-64473-8 ; e-ISBN: 978-3-319-64474-5. — S. 192–202. — Bibliogr. s. 202, Abstr.

Zastosowanie filtrów MTF do zwiększania jakości prognoz finansowych szeregów czasowych — An application of MTF filtering for increasing the quality of financial time series forecasts / Jan T. DUDA, Tomasz PEŁECH-PILICHOWSKI, Andrzej AUGUSTYNEK // W: Zarządzanie w rozwoju organizacji : wybrane problemy : monografia wydana w 45. rocznicę pracy naukowo-dydaktycznej profesora Wiesława Waszkielewicza / red. nauk. Ryszard Barcik, Ryszard Borowiecki, Marek Dudek, Maria Nowicka-Skowron. — Kraków : Wydawnictwa AGH, 2016. — ISBN: 978-83-7464-876-9. — S. 235–249. — Bibliogr. s. 248, Streszcz.. — Afiliacja Autorów s. 497–498

A two-level detector of short-term unique changes in time series based on a similarity method / Tomasz PEŁECH-PILICHOWSKI, Jan T. DUDA // Expert Systems ; ISSN 0266-4720. — 2015 vol. 32 no. 4, s. 555–561. — Bibliogr. s. 561, Abstr.. — tekst: http://onlinelibrary.wiley.com/doi/10.1111/exsy.629/epdf

Additional information:

Wykład ma charakter warsztatowy.
Projekty realizowane w grupach.
Część zajęć o charakterze konsultacyjnym.