Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Bazy danych
Tok studiów:
2019/2020
Kod:
ZZIP-1-617-s
Wydział:
Zarządzania
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Zarządzanie i Inżynieria Produkcji
Semestr:
6
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Stacjonarne
Prowadzący moduł:
dr hab. inż. Paliński Andrzej (palinski@zarz.agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Celem przedmiotu jest opanowanie podstaw projektowania schematów baz danych, nabycie umiejętności wykonywanie zapytań w języku SQL, poznanie systemów zarządzania relacyjnymi bazami danych oraz zapoznanie się z problematyką hurtowni danych.

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 Identyfikuje narzędzia i metody tworzenia baz danych oraz sposoby wyszukiwania danych ZIP1A_W09 Kolokwium
Umiejętności: potrafi
M_U001 Potrafi gromadzić i pozyskiwać dane z różnych informatycznych źródeł danych ZIP1A_U03 Projekt,
Aktywność na zajęciach,
Kolokwium
M_U002 Potrafi wyszukiwać i analizować dane w bazach danych ZIP1A_U04 Projekt,
Kolokwium
Kompetencje społeczne: jest gotów do
M_K001 Ma świadomość ciągłej potrzeby dostosowywania swojej wiedzy do zmieniających się technik gromadzenia danych ekonomicznych ZIP1A_K01 Aktywność na zajęciach
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
30 15 0 0 15 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 Identyfikuje narzędzia i metody tworzenia baz danych oraz sposoby wyszukiwania danych + - - - - - - - - - -
Umiejętności
M_U001 Potrafi gromadzić i pozyskiwać dane z różnych informatycznych źródeł danych - - - + - - - - - - -
M_U002 Potrafi wyszukiwać i analizować dane w bazach danych - - - + - - - - - - -
Kompetencje społeczne
M_K001 Ma świadomość ciągłej potrzeby dostosowywania swojej wiedzy do zmieniających się technik gromadzenia danych ekonomicznych - - - + - - - - - - -
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 30 godz
Przygotowanie do zajęć 20 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 15 godz
Samodzielne studiowanie tematyki zajęć 10 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (15h):

1. Wprowadzenie do problematyki modelowania danych i baz danych
2. Modelowanie danych z użyciem diagramów związków encji
3. Relacyjny model danych
4. Normalizacja schematów logicznych relacji
5. Podstawy języka zapytań SQL
6. Fizyczna organizacja danych i zarządzanie transakcjami w bazie danych
7. Inne rodzaje baz danych
8. Relacyjne bazy danych a hurtownie danych
9. Architektura hurtowni danych – model pojęciowy, logiczny i fizyczny
10. Procesy ekstrakcji, przekształcania, ładowania danych i aktualizacja danych w hurtowniach
11. Przetwarzanie OLAP w hurtowniach danych – podstawowe operacje
12. Najwięksi dostawcy komercyjnych baz danych i hurtowni danych oraz alternatywy open source

Ćwiczenia projektowe (15h):

1. Praca z MS Access
2. Tworzenie bazy, zapytania i raporty w MS Access.
3. Praca z MS SQL Server
4. Wykonywanie podstawowych operacji SQL w trybie interakcyjnym
5. Konstruowanie zaawansowanych zapytań w SQL
6. Kolokwium ze znajomości MS Access i SQL

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: W trakcie zajęć projektowych 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:

Warunkiem zaliczenia ćwiczeń projektowych jest wykonanie bazy danych wraz z kwerendami i raportami zgodnie z treścią zadania oraz wykonanie zapytań w języku SQL w MS SQL Server.
W przypadku nieuzyskania zaliczenia w wymaganym terminie, każdemu studentowi przysługuje jeden termin zaliczenia poprawkowego na zasadach ustalonych z prowadzącym.

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 przystępując do ćwiczeń są zobowiązani do przygotowania się w zakresie wskazanym każdorazowo przez prowadzącego (np. w formie zestawów zadań). Ocena pracy studenta może bazować na wypowiedziach ustnych lub pisemnych w formie kolokwium, co zgodnie z regulaminem studiów AGH przekłada się na ocenę końcową z tej formy zajęć.
Sposób obliczania oceny końcowej:

Ocena końcowa wystawiana jest przez prowadzącego wykład jako ocena z ćwiczeń projektowych.
Ocena z ćwiczeń projektowych wystawiana jest jako średnia ocen uzyskanych z kolokwiów cząstkowych oraz oceny z projektu.

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

W przypadku nieobecności na zajęciach decyzja o możliwości i formie uzupełnienia zaległości należy do prowadzącego zajęcia, z zastrzeżeniem zapisów wynikających z Regulaminu Studiów

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Nie podano wymagań wstępnych lub dodatkowych.

Zalecana literatura i pomoce naukowe:

1.Celko J.: SQL Zaawansowane techniki programowania. Mikom, Warszawa 1999.
2.Elmasri R., Navathe S., Wprowadzenie do systemów baz danych, Helion, Gliwice 2005.
3.Garcia-Molina H., Ullman J.D., Widom J.: Implementacja systemów baz danych, WNT, Warszawa 2003
(seria: Klasyka Informatyki).
4.Harrington, J.L.: SQL dla każdego. EDU-MIKOM, Warszawa 1998.
5.SQL – Język relacyjnych baz danych. WNT, Warszawa 1995.
6.Ullman J.D., Widom J.: Podstawowy wykład z systemów baz danych, WNT, Warszawa 2000 (seria:
Klasyka Informatyki).
7.Todman C., Projektowanie hurtowni danych. Wspomaganie zarządzania relacjami z klientami. Helion
2011.
8.http://wazniak.mimuw.edu.pl/index.php?title=Bazy_danych
Oprogramowanie
1.Microsoft Access
2.Microsoft SQL Server
3.Microsoft Excel

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:
  • Maciol, Andrzej, Relational Database as an Ontology Framework, 1st International Conference on Collective Intelligence – Semantic Web, Social Networks and Multigent Systems (ICCCI 2009). NEW CHALLENGES IN COMPUTATIONAL COLLECTIVE INTELLIGENCE Book Series: Studies in Computational Intelligence Volume: 244 Pages: 73-84 Published: 2009.
  • Maciol, Andrzej, Integration of data and rules in inference with queries method, 11th International Conference on Business Information Systems Location: Innsbruck, BUSINESS INFORMATION SYSTEMS Book Series: LECTURE NOTES IN BUSINESS INFORMATION PROCESSING Volume: 7 Pages: 424-435 Published: 2008
  • Paliński A. (2018), Hurtownie danych i eksploracja danych w prognozowaniu popytu na gaz i usługi
    magazynowania gazu, Nafta-Gaz, Nr 4, s. 283-289.
  • Paliński A. (2019), Prognozowanie zapotrzebowania na gaz metodami sztucznej inteligencji, Nafta-Gaz 2019, nr 2, s. 111-117.
Informacje dodatkowe:

Brak