| Pole | KOD | Znaczenie kodu |
|---|
| Zamierzone efekty kształcenia | ZIP_2A_D1/O/03-1_W01 | Posiada wiedzę w zakresie metod esploracji danych w bazach i hurtowniach danych |
|---|
| Odniesienie do efektów kształcenia dla kierunku studiów | ZIP_2A_W03 | zna zaawansowane metody, techniki, narzędzia i technologie w wybranym obszarze inżynierii produkcji, ze szczególnym uwzględnieniem nowoczesnych metod zarządzania produkcją |
|---|
| ZIP_2A_W11 | ma wiedze z zakresu zintegrowanych systemów informatycznych oraz systemów wspomagania decyzji. |
| Odniesienie do efektów zdefiniowanych dla obszaru kształcenia | T2A_W02 | ma szczegółową wiedzę w zakresie kierunków studiów powiązanych ze studiowanym kierunkiem studiów |
|---|
| T2A_W03 | ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną obejmującą kluczowe zagadnienia z zakresu studiowanego kierunku studiów |
| T2A_W05 | ma wiedzę o trendach rozwojowych i najistotniejszych nowych osiągnięciach z zakresu dziedzin nauki i dyscyplin naukowych, właściwych dla studiowanego kierunku studiów i pokrewnych dyscyplin naukowych |
| Cel przedmiotu | C-1 | Ukształtowanie umiejętności w zakresie odkrywania wiedzy, wykorzystania systemów baz danych dla potrzeb wspomagania decyzji z użyciem technik eksploracji danych i tekstu
Zapoznanie studentów z nowymi trendami rozwojowymi technik odkrywania wiedzy w środowisku Internet |
|---|
| Treści programowe | T-L-1 | Tworzenie reguł klasyfikujących na podstawie przykładowych baz danych. |
|---|
| T-L-2 | Wykorzsytanie technik klastrowania (analiza skupień) w przykladowych bazach danych |
| T-L-3 | Wykorzystanie analizy regresji w przykladowych bazach danych |
| T-L-4 | Zastosowanie metod wstępnej eksploracji w poszukiwaniu wzorców i prawidłowości w danych - metody graficznej eksploracji danych, techniki analityczne (algorytmy apriori i uogólnione reguły indukcyjne), algorytm analizy sekwencji |
| T-L-5 | Tworzenie reguł asocjacyjnych z transakcyjnej bazy danych |
| T-L-6 | Ćwiczenia w zakresie analizy możliwości wykorzystania wybranych metod odkrywania wiedzy w środowisku internetowym (ocena serwisu, segmentacja serwisów segmentacja klientów). |
| T-L-7 | Wykorzystanie praktyczne technik eksploracji baz tekstowych na przykładowych zbiorach danych |
| T-W-1 | Podstawowe definicje. Klasyfikacja metod eksploracji danych i ich zastosowań. |
| T-W-2 | Metody wstępnej eksploracji w poszukiwaniu wzorców i prawidłowości w danych - metody graficznej eksploracji danych, techniki analityczne (algorytmy apriori i uogólnione reguły indukcyjne), algorytm analizy sekwencji. |
| T-W-3 | Techniki eksploracji danych : klasyfikacja, regresja, klastrowanie (analiza skupień), generowanie reguł, odkrywanie charakterystyk, dyskryminacja, odkrywanie asocjacji. |
| T-W-4 | Reprezentacja wiedzy: drzewa decyzyjne, sieci neuronowe, sieci semantyczne, listy decyzyjne, proste i złożone reguły logiczne, reguły klasyfikujące i asocjacyjne. |
| T-W-5 | Wiedza uzupełniająca w eksploracji baz danych. Przykładowe zastosowania: wykrywanie oszustw finansowych, profile klienta, analiza danych marketingowych. |
| T-W-6 | Komercyjne systemy eksploracji danych. |
| T-W-7 | Eksploracja baz tekstowych: numeryczna reprezentacja tekstów (reprezentacja oparta na wektorach liczebności słów , określanie podobieństwa pomiędzy dokumentami tekstowymi oraz pomiędzy słowami, metody redukcji wymiaru), analiza skupień (klasyfikacja bezwzorcowa, grupowanie) dokumentów, klasyfikacja dokumentów za pomocą metody k-średnich, wykorzystanie hierarchicznych metod grupowania w klasyfikacji dokumentów tekstowych, zastosowanie sieci neuronowych w klasyfikacji dokumentów. Klasyfikacja wzorcowa dokumentów (neuronowe metody klasyfikacji , klasyfikacja bayerowska, wykorzystanie drzew klasyfikacyjnych w analizie dokumentów tekstowych). Metody pozyskiwania wiedzy z dokumentów tekstowych. Zagadnienie automatycznego generowania streszczeń. Wyszukiwanie informacji w tekstowych bazach danych. |
| Metody nauczania | M-1 | Wykład z prezentacjami i przykładami |
|---|
| Sposób oceny | S-1 | Ocena podsumowująca: Wykład: ocena podsumowująca - Egzamin pisemny z pytaniami praktycznymi, pytaniami w formie wyboru i opisu - łącznie 10 pytań; |
|---|
| Kryteria oceny | Ocena | Kryterium oceny |
|---|
| 2,0 | Student nie opanował podstawowej wiedzy w zakresie eksploracji baz danych |
| 3,0 | Student zna podstawowe zadania analizy baz danych, umie je rozwiązywać w prostych sytuacjach praktycznych w zadowalającym stopniu |
| 3,5 | Student zna podstawowe zadania analizy danych, umie je rozwiązywać w prostych sytuacjach praktycznych |
| 4,0 | Student zna podstawowe zadania analizy danych, umie je rozwiązywać w sytuacjach praktycznych |
| 4,5 | Student zna zadania eksploracji danych, umie je rozwiazywać w w sytuacjach praktycznych, samodzielnie umie właściwie rozpoznać rodzaj zadania |
| 5,0 | Student zna zadania eksploracji danych, umie je rozwiazywać w w sytuacjach praktycznych, samodzielnie umie właściwie rozpoznać rodzaj zadania i dobrać odpowiednią metodę. |