SylabUZ
| Course name | Data Processing and Visualisation |
| Course ID | 11.0-WK-IiEP-PWD-L-S14_pNadGenS0FUS |
| Faculty | Faculty of Mathematics, Computer Science and Econometrics |
| Field of study | Informatics and Econometrics |
| Education profile | academic |
| Level of studies | First-cycle studies leading to Bachelor's degree |
| Beginning semester | winter term 2020/2021 |
| Semester | 4 |
| ECTS credits to win | 5 |
| Available in specialities | Business analytics |
| Course type | optional |
| Teaching language | polish |
| Author of syllabus |
|
| The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
| Laboratory | 30 | 2 | - | - | Credit with grade |
| Lecture | 30 | 2 | - | - | Exam |
Zapoznanie studentów ze sposobami przetwarzania danych oraz możliwościami wizualizacji i prezentacji wyników przeprowadzonych analiz w problemach inżynierskich przy
wykorzystaniu wybranych pakietów matematycznych.
Brak wymagań.
Wykład / Laboratorium
1. Cykl życia analizy danych.
2. Przygotowanie danych: zrozumienie, czyszczenie, transformacja, reprezentacja, przechowywanie.
3. Typy i charakterystyki danych.
4. Typy wizualizacji danych.
5. Tworzenie raportów i prezentacja danych i wyników analiz.
6. Wykorzystanie wybranego pakietu matematycznego w procesie przetwarzania danych i ich wizualizacji w wybranych problemach związanych z analizą danych
rzeczywistych.
Wykład: konwersatoryjny i problemowy.
Laboratorium: ćwiczenia związane z przetwarzaniem rzeczywistych danych i ich wizualizacja przy wykorzystaniu wybranego pakietu matematycznego.
| Outcome description | Outcome symbols | Methods of verification | The class form |
Laboratorium: przygotowanie raportu z przeprowadzonej analizy danych oraz aktywność na zajęciach.
Wykład: egzamin pisemny.
Ocena końcowa to średnia arytmetyczna oceny z laboratorium i oceny z wykładu. Obie oceny cząstkowe muszą być pozytywne.
1. Data science and big data analytics: Discovering, Analyzing, Visualizing and Presenting Data, John Wiley & Sons, Inc. Indianapolis, 2015
2. Cole Nussbaumer Knaflic, Storytelling danych. Poradnik wizualizacji danych dla profesjonalistów, Onepress, 2019
1. Michael Freeman, Joel Ross, Data Science. Programowanie, analiza i wizualizacja danych z wykorzystaniem języka R, Helion, 2019
Modified by dr Alina Szelecka (last modification: 16-10-2020 15:22)
