Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Pracownia analizy danych
Tok studiów:
2019/2020
Kod:
EAiR-1-716-s
Wydział:
Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Automatyka i Robotyka
Semestr:
7
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
dr hab. inż. Baranowski Jerzy (jb@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

W ramach Pracowni systemów wizyjnych realizowane są dwa odrębne rodzaje zajęć:

zajęcia przygotowujące i wspierające wykonanie pracy inżynierskiej w trakcie których omawiane będą zasady analizy źródeł literatury, postępy w pisaniu pracy, prezentowane będą wyniki prac projektowych i uzyskane w pracy inżynierskiej;
zajęcia laboratoryjne, obejmujące wykonanie grupowego projektu z zakresu analizy danych i tematów pokrewnych.

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 Posaida ugruntowaną wiedzę w zakresie łączenia metod analizy i przechowywania danych oraz uczenia maszynowego do rozwyązywania problemów. AiR1A_W04 Wykonanie ćwiczeń laboratoryjnych
Umiejętności: potrafi
M_U001 Zdobędzie umiejętność analizy źródeł informacji w stopniu umożliwiający wykorzystanie ich do przygotowania pracy inżynierskiej oraz w prezentacji technicznej, związanej z realizowanym projektem oraz realizowaną pracą lub projektem inżynierskim. AiR1A_U01 Wykonanie ćwiczeń laboratoryjnych
M_U002 Zdobędzie umiejętność współpracy z zespołem nad wspólnym projektem lub przedyskutuje w grupie studenckiej osiągnięte rezultaty oraz będzie potrafił w dyskusji uzasadnić podjęte decyzje projektowe. AiR1A_U03, AiR1A_U02 Wykonanie ćwiczeń laboratoryjnych
Kompetencje społeczne: jest gotów do
M_K001 W ramach moderowanej dyskusji potrafi uzasadnić i obronić zastosowane algorytmy, metody i systemy oraz wskazać na możliwe obszary ich zastosowań, w szczególności wskaże na potencjalne znaczenie wykonanych prac dla postępu techniki, nauki i przemian cywilizacyjnych AiR1A_K01, AiR1A_K03, AiR1A_K02 Wykonanie ćwiczeń laboratoryjnych
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
56 0 0 56 0 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 Posaida ugruntowaną wiedzę w zakresie łączenia metod analizy i przechowywania danych oraz uczenia maszynowego do rozwyązywania problemów. - - + - - - - - - - -
Umiejętności
M_U001 Zdobędzie umiejętność analizy źródeł informacji w stopniu umożliwiający wykorzystanie ich do przygotowania pracy inżynierskiej oraz w prezentacji technicznej, związanej z realizowanym projektem oraz realizowaną pracą lub projektem inżynierskim. - - + - - - - - - - -
M_U002 Zdobędzie umiejętność współpracy z zespołem nad wspólnym projektem lub przedyskutuje w grupie studenckiej osiągnięte rezultaty oraz będzie potrafił w dyskusji uzasadnić podjęte decyzje projektowe. - - + - - - - - - - -
Kompetencje społeczne
M_K001 W ramach moderowanej dyskusji potrafi uzasadnić i obronić zastosowane algorytmy, metody i systemy oraz wskazać na możliwe obszary ich zastosowań, w szczególności wskaże na potencjalne znaczenie wykonanych prac dla postępu techniki, nauki i przemian cywilizacyjnych - - + - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 126 godz
Punkty ECTS za moduł 5 ECTS
Udział w zajęciach dydaktycznych/praktyka 56 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 56 godz
Samodzielne studiowanie tematyki zajęć 14 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Ćwiczenia laboratoryjne (56h):

  1. Realizacja grupowego projektu z zakresu analizy danych
  2. Dekompozycja większego projektu na mniejsze projekty cząstkowe
  3. Podział zespołu studenckiego na grupy zadaniowe
  4. Opracowanie hierarchii zarządzania projektem wraz z podziałem kompetencji i
    odpowiedzialności
  5. Opracowanie systemu oceny postępów projektu i oceny aktywności poszczególnych
    członków grup zadaniowych
  6. Przygotowanie i realizacja procesu twórczego: koncepcja, analiza literatury, projekt,
    tworzenie (wybór odpowiednich narzędzi), weryfikacja
  7. Opracowanie, przygotowanie, przeprowadzenie i dyskusja wyników testów
    funkcjonalnych.
  8. Zarządzanie ryzykiem (np. ograniczonym czasem, potencjalnymi problemami –
    poprzez ich wcześniejszą identyfikację itp.)
  9. Przygotowanie końcowej dokumentacji projektowej lub raportu.
  1. Realizacja indywidualnej pracy dyplomowej, przygotowanie jej opisu i prezentacji
    Przedstawienie zasad procesu dyplomowania (wymagane dokumenty, reguły oceny,
    system antyplagiatowy)
  2. Przedstawienie zasad redagowania pracy dyplomowej
  3. Wybór najbardziej odpowiedniego edytora tekstu
  4. Przedstawienie zasad przygotowania prezentacji pracy dyplomowej
  5. Nadzór na postępami w realizacji praktycznych aspektów pracy dyplomowej
  6. Nadzór nad postępami w pisaniu pracy
  7. Publiczna dyskusja nad problemami powstającymi przy realizacji pracy i próby ich
    wspólnego rozwiązania w ramach grupy (burza mózgów)
  8. Pomoc w technicznych aspektach realizacji pracy.

Pozostałe informacje
Metody i techniki kształcenia:
  • Ćwiczenia laboratoryjne: W trakcie zajęć laboratoryjnych studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia. Prowadzący stymuluje grupę do refleksji nad problemem, tak by otrzymane wyniki miały wysoką wartość merytoryczną.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Uczestnictwo w obu częściach zajęć jest obowiązkowe (dopuszczalna jest jedna nieobecność nieusprawiedliwiona na każdej z dwóch części zajęć), a warunkiem koniecznym zaliczenia jest uzyskanie pozytywnej oceny od osoby nadzorującej projekt, jak również prowadzącego zajęcia wspierających wykonanie pracy inżynierskiej.
Ocena z części projektowej dokonana zostanie na podstawie stopnia wykonania postawionych zadań w projekcie i zaangażowania studenta.
Ocena z części zajęć przygotowujących i wspierających wykonanie pracy inżynierskiej dokonana będzie na podstawie wykonania na bieżąco postawionych zadań np.: dokonanie przeglądu literatury, terminowych postępów w pisaniu pracy inżynierskiej, wykonania prezentacji efektów projektu i umiejętności obrony w dyskusji w grupie studenckiej uzyskanych efektów i prezentacji wyników pracy inżynierskiej.
Usprawiedliwienia nieobecności na zajęciach dokonuje się na najbliższych zajęciach, po zakończeniu okresu zwolnienia z zajęć, a w przypadku nieobecności na kolokwium, w ciągu 7 dni osobiście lub, w przypadku braku możliwości osobistego usprawiedliwienia, wysyłając email na adres prowadzącego zajęcia z załączonym skanem zwolnienia lekarskiego lub usprawiedliwienia urzędowego.

Zasady udziału w zajęciach:
  • Ćwiczenia laboratoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego. Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia, co może zostać zweryfikowane kolokwium w formie ustnej lub pisemnej. Zaliczenie zajęć odbywa się na podstawie zaprezentowania rozwiązania postawionego problemu.
Sposób obliczania oceny końcowej:

Warunkiem koniecznym uzyskania Pozytywnej oceny z Pracowni jest uzyskanie pozytywnych ocen z obu części zajęć, o których mowa w części “Warunki i sposób zaliczenia” oraz sformułowanych tam warunków frekwencji na zajęciach. W przypadku braku postępów w pisaniu pracy inżynierskiej, potwierdzonych jednoznacznie negatywną opinią promotora pracy inżynierskiej, student nie uzyskuje zaliczenia z zajęć przygotowujących i wspierających wykonanie pracy inżynierskiej i w konsekwencji nie zalicza przedmiotu Pracownia analizy danych.
W przypadku wykonania zadania projektowego w grupie bądź zespole, nauczyciel akademicki lub upoważniony pracownik naukowy lub techniczny nadzorujący projekt może wystawić ocenę wspólna dla całej grupy lub zespołu, lub oceny indywidualne za wkład poszczególnych osób w wykonane zadania i ich zaangażowanie. Frekwencję na zajęciach ocenia się zawsze indywidualnie.
Ocena z Pracowni analizy danych = 0,6 * Ocena z zadania projektowego + 0,4 * Ocena z zajęć przygotowujących i wspierających wykonanie pracy inżynierskiej
Ocena końcowa = Ocena z Pracowni analizy danych

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

Zadania w ramach zajęć przygotowujących i wspierających wykonanie pracy inżynierskiej mogą być przedstawione po ich wykonaniu w terminach dodatkowych wskazanych przez prowadzącego tę część Pracowni.
Możliwość nadrobienia postępów i ew. dodatkowe terminy i treści w zakresie zadania projektowego określi nauczyciel akademicki lub upoważniony pracownik naukowy lub techniczny nadzorujący projekt.
Nadrobienie zadań nie zwalnia studenta z obowiązku uczestnictwa zajęciach i usprawiedliwienia ew. nieobecności.

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Zaliczenie z przedmiotów Analiza i Bazy Danych, Uczenie Maszynowe

Zalecana literatura i pomoce naukowe:
  1. Connolly T., Begg C.: Database Systems: A Practical Approach to Design, Implementation, and management, Addison Wesley, 2009.
  2. Tiwari S.: Professional NoSQL, Wiley and Sons, 2011.
  3. Zumel N., Mount J. Practical Data Science with R, Manning, 2019
  4. G. James, D. Witten, T. Hastie, and R. Tibshirani. An Introduction to Statistical Learning: with Applications in R. Springer Texts in Statistics. Springer New York, 2013.
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:
  1. Bania, P., Baranowski, J.
    Approximation of optimal filter for Ornstein–Uhlenbeck process with quantised discrete-time observation
    (2018) International Journal of Control, .
  2. Baranowski, J., Bania, P., Prasad, I., Cong, T.
    Bayesian fault detection and isolation using Field Kalman Filter
    (2017) Eurasip Journal on Advances in Signal Processing, .
  3. Bania, P., Baranowski, J.
    Bayesian estimator of a faulty state: Logarithmic odds approach
    (2017) 2017 22nd International Conference on Methods and Models in Automation and Robotics, MMAR 2017, .
  4. Stief, A., Ottewill, J.R., Orkisz, M., Baranowski, J.
    Two stage data fusion of acoustic, electric and vibration signals for diagnosing faults in induction motors
    (2017) Elektronika ir Elektrotechnika, .
  5. Bania, P., Baranowski, J.
    Field Kalman Filter and its approximation
    (2016) 2016 IEEE 55th Conference on Decision and Control, CDC 2016, .
  6. Chilinski, J., Bauer, W., Baranowski, J.
    Bayesian analysis of EEG signal frequency components
    (2016) 2016 21st International Conference on Methods and Models in Automation and Robotics, MMAR 2016,
Informacje dodatkowe:

Brak