Module also offered within study programmes:
General information:
Name:
Selected data analysis techniques
Course of study:
2019/2020
Code:
ZZIP-1-703-s
Faculty of:
Management
Study level:
First-cycle studies
Specialty:
-
Field of study:
Management and Production Engineering
Semester:
7
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
dr hab. inż. Ginda Grzegorz (gginda@zarz.agh.edu.pl)
Module summary

Moduł poświęcono podstawom teoretycznym i zastosowaniom wybranych narzędzi analizy danych – szeregów czasowych i analizie skupień.

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: is able to
M_K001 Potrafi angażować się w dyskusję w grupie, jak również z prowadzącym. Potrafi formułować swoje argumenty ZIP1A_K02 Activity during classes
M_K002 Jest gotowy do twórczej współpracy w ramach zespołu korzystającego z modelowania szeregów czasowych oraz analizy skupień do analizy danych. ZIP1A_K02 Execution of a project
Skills: he can
M_U001 Potrafi dobrać i właściwie zastosować odpowiednie narzędzia do modelowania szeregów czasowych oraz analizy skupień. ZIP1A_U03, ZIP1A_U01 Execution of a project
Knowledge: he knows and understands
M_W001 Dysponuje wiedzą na temat podstawowych zasad korzystania z szeregów czasowych oraz analizy skupień. ZIP1A_W03, ZIP1A_W02 Test
M_W002 Posiada wiedzę na temat istoty modelowania szeregów czasowych oraz analizy skupień. ZIP1A_W04 Test
M_W003 Posiada wiedzę dotyczącą zasad stosowania szeregów czasowych oraz analizy skupień. ZIP1A_W05 Test
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
30 15 0 0 0 0 0 0 0 15 0 0
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
Prace kontr. przejść.
Lektorat
Social competence
M_K001 Potrafi angażować się w dyskusję w grupie, jak również z prowadzącym. Potrafi formułować swoje argumenty - - - - - - - - + - -
M_K002 Jest gotowy do twórczej współpracy w ramach zespołu korzystającego z modelowania szeregów czasowych oraz analizy skupień do analizy danych. - - - - - - - - + - -
Skills
M_U001 Potrafi dobrać i właściwie zastosować odpowiednie narzędzia do modelowania szeregów czasowych oraz analizy skupień. - - - - - - - - + - -
Knowledge
M_W001 Dysponuje wiedzą na temat podstawowych zasad korzystania z szeregów czasowych oraz analizy skupień. + - - - - - - - - - -
M_W002 Posiada wiedzę na temat istoty modelowania szeregów czasowych oraz analizy skupień. + - - - - - - - - - -
M_W003 Posiada wiedzę dotyczącą zasad stosowania szeregów czasowych oraz analizy skupień. + - - - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 75 h
Module ECTS credits 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 30 h
Preparation for classes 15 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 30 h
Module content
Lectures (15h):
  1. Zapoznanie z zasadami uczestnictwa w zajęciach i zaliczania modułu

    Zajęcia wprowadzające w tematykę modułu.

  2. Pojęcie szeregu czasowego i jego składowe.

    Przedstawienie budowy szeregu czasowego.

  3. Analiza szeregów czasowych

    Określenie przeznaczenia analizy szeregów czasowych. Przedstawienie metod analizy szeregów czasowych.

  4. Modelowanie szeregóœ czasowych

    Przedstawienie celów oraz zasad modelowania szeregów czasowych.

  5. Zastosowania modeli szeregów czasowych

    Przedstawienie wybranych możliwości stosowania modelowania szeregów czasowych. Prognozowanie na podstawie szeregów czasowych.

  6. Charakterystyka i przeznaczenie analizy skupień.

    Omówienie przeznaczenia i ogólnych zasad stosowania analizy skupień. Przedstawienie rodzajów metod analizy skupień.

  7. Metody taksonomii numerycznej

    Zaprezentowanie grupy metod taksonomii numerycznej oraz ich wybranych przedstawicieli

  8. Metody symbolicznej klasyfikacji danych

    Przedstawienie grupy metod symbolicznej klasyfikacji danych oraz ich wybranych przedstawicieli.

  9. Zastosowania metod analizy skupień

    Przykłady prostych i złożonych zastosowań analizy skupień.

Workshops (15h):
  1. Wyjaśnienie celu i przedstawienie zasad odbywania i zaliczania zajęć

    Zajęcia wprowadzające w tematykę ćwiczeń projektowych.

  2. Praktyczne zastosowanie modeli szeregów czasowych i analizy skupień

    Przydzielenie tematów ćwiczeń projektowych związanych z wykorzystaniem szeregów czasowych oraz analizy skupień. Systematyczne opracowywanie przydzielonych tematów.

  3. Podsumowanie i zaliczenie ćwiczeń

    Zajęcia podsumowujące ćwiczenia projektowe.

Additional information
Teaching methods and techniques:
  • Lectures: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Workshops: Instruktaż. Dyskusja. Konsultacje.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Zaliczenie ćwiczeń projektowych na podstawie przygotowania do zajęć, aktywności na zajęciach i
opracowań ćwiczeń.
Zaliczenie końcowe modułu na podstawie sprawdzianu wiedzy.
Do zaliczenia można przystąpić dopiero po uzyskaniu pozytywnej oceny z ćwiczeń projektowych.
W przypadku nie zaliczenia sprawdzianu wiedzy w podstawowym terminie, student, który uzyskał
pozytywną ocenę z ćwiczeń projektowych może przystąpić do także do zaliczenia w sprawdzianu w
terminie poprawkowym.

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: No
    – Participation rules in classes: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Workshops:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Aktywność na zajęciach. Systematyczne przygotowywanie się do zajęć oraz realizacja przydzielonych tematów ćwiczeń.
Method of calculating the final grade:

Ocena końcowa stanowi średnią z ocen uzyskanych ze sprawdzianu wiedzy oraz ćwiczeń projektowych.

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Ustalane indywidualnie z prowadzącym zajęcia.

Prerequisites and additional requirements:

Prerequisites and additional requirements not specified

Recommended literature and teaching resources:

Adam Zagdański, Artur Suchwałko: Analiza i prognozowanie szeregów czasowych. WN PWN, Warszawa 2016.
Maria Kolenda: Taksonomia numeryczna. Klasyfikacja, porządkowanie i analiza obiektów wielocechowych. Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław 2006.
Eugeniusz Gatnar; Symboliczne metody klasyfikacji danych. WN PWN, Warszawa 1998.

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

Grzegorz Ginda, Weronika Ciężadlik: Prognozowanie w przedsiębiorstwie z wykorzystaniem szeregów czasowych. [W:] Joanna Kulczycka, Grzegorz Ginda (red. nauk.) Elementy zarządzania w zrównoważonym rozwoju i gospodarce o obiegu zamkniętym, Wydawnictwo IGSMiE PAN, Kraków 2018, s.59-70.
Mirosław Dytczak, Grzegorz Ginda: Common input data structure for multiple MADA methods application for objects evaluation in civil engineering. [W:] 10th International Conference Modern Building Materials, Structures and Techniques, s.399-402.

Additional information:

None