Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Wstęp do analizy danych
Tok studiów:
2019/2020
Kod:
ZIIE-1-309-n
Wydział:
Zarządzania
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Informatyka i Ekonometria
Semestr:
3
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Niestacjonarne
Strona www:
 
Prowadzący moduł:
dr Wolak Jacek (jwolak@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Moduł ma na celu zaznajomienie studentów z zagadnieniami przetwarzania (dplyr), czyszczenia (tidyr) i wizualizacji (ggplot2) danych statystycznych z wykorzystaniem pakietu R.

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Student zna i rozumie zagadnienia związane z czyszczeniem, przetwarzaniem i wizualizacją danych w pakiecie R IIE1A_W04 Projekt
Umiejętności: potrafi
M_U001 Student potrafi korzystać z pakietu R w celu czyszczenia wejściowego zbioru danych statystycznych IIE1A_U03 Projekt
M_U002 Student potrafi wykorzystać pakiet R do przygotowania zbioru danych zastanych do badania statystycznego IIE1A_U03 Projekt
M_U003 Student potrafi wykorzystać pakiet R do wizualizacji danych statystycznych IIE1A_U03 Projekt
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
16 8 0 0 8 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Student zna i rozumie zagadnienia związane z czyszczeniem, przetwarzaniem i wizualizacją danych w pakiecie R + - - - - - - - - - -
Umiejętności
M_U001 Student potrafi korzystać z pakietu R w celu czyszczenia wejściowego zbioru danych statystycznych - - - + - - - - - - -
M_U002 Student potrafi wykorzystać pakiet R do przygotowania zbioru danych zastanych do badania statystycznego - - - + - - - - - - -
M_U003 Student potrafi wykorzystać pakiet R do wizualizacji danych statystycznych - - - + - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 75 godz
Punkty ECTS za moduł 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 16 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 30 godz
Samodzielne studiowanie tematyki zajęć 29 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (8h):
Wykład

1. Cechy danych czystych.
2. Przykłady niepoprawnych struktur danych.
3. Prezentacja funkcji pakietu tidyr służących do czyszczenia danych.
4. Metody przetwarzania danych.
5. Prezentacja funkcji pakietu dplyr służących do przetwarzania danych.
6. Metody łączenia tabel przy użyciu funkcji pakietu dplyr.
7. Koncepcja gramatyki grafiki.
8. Przykłady wizualizacji danych przy użyciu pakietu ggplot2

Ćwiczenia projektowe (8h):
Zajęcia projektowe

1. Czyszczenie danych przy użyciu funkcji pakietu tidyr.
2. Przetwarzanie danych przy użyciu funkcji pakietu dplyr.
3. Wizualizacja danych przy użyciu funkcji pakietu ggplot2.

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Ćwiczenia projektowe: Studenci wykonują zadany projekt samodzielnie, bez większej ingerencji prowadzącego. Ma to wykształcić poczucie odpowiedzialności za pracę w grupie oraz odpowiedzialności za podejmowane decyzje.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Ocena dwóch projektów wykonywanych na ćwiczeniach i przesyłanych terminowo prowadzącemu poprzez platformę UPEL oraz jednego testu w formie Quizu na paltformie UPEL. Każdy projekt jest oceniany w skali 0-20 pkt (0-15 pkt za wykonanie projektu i 0-5 pkt za wystawione recenzje). Test jest oceniany w skali 0-10 pkt. Uzyskanie zaliczenia w pierwszym terminie następuje na podstawie liczby punktów z w/w projektów (wg Regulaminu Studiów AGH).

W przypadku nieuzyskania zaliczenia w terminie I, student otrzymuje do wykonania dodatkowy projekt (obejmujący cały materiał), który będzie oceniany w skali 0-50 pkt. Ocena z zaliczenia będzie wystawiana na podstawie liczby uzyskanych punktów (wg Regulaminu Studiów AGH).

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: 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.
  • Ćwiczenia projektowe:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują prace praktyczne mające na celu uzyskanie kompetencji zakładanych przez syllabus. Ocenie podlega sposób wykonania projektu oraz efekt końcowy.
Sposób obliczania oceny końcowej:
  1. Ocena końcowa jest oceną z zaliczenia ćw. projektowych.
  2. W przypadku zaliczania przedmiotu w terminie poprawkowym, ocena końcowa jest średnią arytmetyczną ocen uzyskanych z zaliczenia w każdym terminie.
Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

W przypadku nieobecności student jest zobowiązany do nadrobienia zaległości w ramach pracy własnej (w tym do wysłania projektów na platformę UPEL w ustalonych przez prowadzącego terminach).

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Nie dotyczy

Zalecana literatura i pomoce naukowe:

1. M. Gągolewski, Programowanie w języku R, PWN, 2016
2. P. Biecek , Przewodnik po pakiecie R, Oficyna Wydawnicza GiS, Wrocław 2014
3. J H Maindonald, Using R for Data Analysis and Graphics, Australian National University, 2008
4. E. Gatnar, M. Walesiak, Statystyczna analiza danych z wykorzystaniem programu R, PWN 2009
6. P. Dalgaard, Introductory statistics with R, Springer 2002
I inne materiały dostępne na stronach internetowych polecanych przez fundację R Project

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Nie dotyczy