Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Data Mining and Media Analysis
Tok studiów:
2017/2018
Kod:
HUX-1-314-s
Wydział:
Humanistyczny
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Informatyka Społeczna
Semestr:
3
Profil kształcenia:
Ogólny i praktyczny
Język wykładowy:
Angielski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
dr Małecka Anna (amm@agh.edu.pl)
Osoby prowadzące:
prof. Yuskiv Bohdan (yuskivbm@gmail.com)
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 has knowledge in data mining analysis, characterizing basics of data processing, describing the data exploration UX1P_W04 Wykonanie ćwiczeń laboratoryjnych
Umiejętności
M_U001 knows how to use specific data mining methods UX1P_U02 Wykonanie ćwiczeń laboratoryjnych
M_U002 uses new methods in the R language to perform deep data analysis in the media UX1P_U02 Wykonanie ćwiczeń laboratoryjnych
M_U003 is able to obtain additional information from the data using scientific approach UX1P_U06 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 has knowledge in data mining analysis, characterizing basics of data processing, describing the data exploration - - + - - - - - - - -
Umiejętności
M_U001 knows how to use specific data mining methods - - + - - - - - - - -
M_U002 uses new methods in the R language to perform deep data analysis in the media - - + - - - - - - - -
M_U003 is able to obtain additional information from the data using scientific approach - - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Ćwiczenia laboratoryjne:

Based on the media-knowledge examples
1. Introduction of R basics as a statistics calculation environment. Program installation (3 hrs.)
2. Data import and export in R (2 hrs.)
3. Pre-analysis data exploration in R (2 hrs.)
4. The R visualization (2 hrs.)
5. Data clusters and factors analysis in R (2 hrs.)
6. Basic association analysis (2 hrs.)
7. Time series. The SARIMA model prognosis in R (2 hrs.)

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 100 godz
Punkty ECTS za moduł 4 ECTS
Przygotowanie do zajęć 33 godz
Udział w wykładach 15 godz
Samodzielne studiowanie tematyki zajęć 33 godz
Dodatkowe godziny kontaktowe z nauczycielem 4 godz
Udział w ćwiczeniach laboratoryjnych 15 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

-

Wymagania wstępne i dodatkowe:

– knowledge of the subject-related basics (statistics and related methods),
– PC user knowlegde
– no more than 19 persons per group,
– Internet access is required.

Zalecana literatura i pomoce naukowe:

Recommended reading
1. Crawley Michael J. The R Book, John Wiley & Sons Ltd 2007
2. Ledolter Johannes Data mining and business analytics with R, University of Iowa, Wiley 2013
3. Maindonald John, Braun W. John Data Analysis and Graphics. Using R – an Example-Based Approach, Cambridge University Press 2003
4. Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to Data Mining, Pearson 2005
5. Paradis Emmanuel R for Beginners, Institut des Sciences de l’ Evolution 2005
6. Przemysław Biecek, Przewodnik po pakiecie, Oficyna Wydawnicza 2008
7. Statystyczna analiza danych z wykorzystaniem programu R, pod red. nauk. M.Walesiaka, E.Gatnara, Wydawnictwo Naukowe PWN, Warszawa 2013
8. Torgo Luis Data Mining with R: learning with case studies, LIACC-FEP, University of Porto 2003
9. Yanchang Zhao R and Data Mining: Examples and Case Studies, Elsevier 2012
Additional literature
10. Adler Joseph R in a Nutshell, O’Reilly 2010
11. Coghlan Avril A Little Book of R For Multivariate Analysis, https://github.com/avrilcoghlan/LittleBookofRMultivariateAnalysis/raw/master/_build/latex/MultivariateAnalysis.pdf
12. Gatnar E. Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji, PWN, Warszawa 2008
13. Kabacoff Robert I. R in Action. Data analysis and graphics with R, Manning Publications Co 2011 (Кабаков Роберт И. R в действии. Анализ и визуализация данных в программе R, ДМК Пресс, Москва 2014)
14. Larose D.T. Metody i modele eksploracji danych, PWN, Warszawa 2008
15. Pałka Dariusz, Zaskórski Piotr, Data mining w procesach decyzyjnych, Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki, nr 7, Warszawa 2012, s. 143-161
16. Stanisz A. Przystępny kurs statystyki. t III Analizy wielowymiarowe, StatSoft, Kraków 2005
17. StatSoft: Internetowy Podręcznik Statystyki. Techniki zgłębiania danych (data mining), http://www.statsoft.pl/textbook/glosfra.html
18. Venables W. N., Smith D. M. and the R Core Team An Introduction to R. A Programming Environment for Data Analysis and Graphics, 2015
19. Vries Andrie de, Meys Joris R For Dummies, John Wiley & Sons, Ltd 2012

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

PROGRAMS / SUBJECT TOOLS:
− R
− RStudio
− R packages