SylabUZ
| Course name | Multidimensional Data Analysis |
| Course ID | 11.5-WK-IDD-ADW-L-S15_pNadGenX6EZ9 |
| Faculty | Faculty of Mathematics, Computer Science and Econometrics |
| Field of study | Data Engineering |
| Education profile | academic |
| Level of studies | Second-cycle studies leading to MS degree |
| Beginning semester | summer term 2020/2021 |
| Semester | 3 |
| ECTS credits to win | 5 |
| Available in specialities | Modeling and Data Analysis |
| 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 studenta z wybranymi metodami analizy danych wielowymiarowych oraz narzędziami wykonującymi obliczenia statyczne (np. SAS, R-project).
Analiza danych statystycznych, analiza modeli ekonometrycznych.
Wykład/laboratorium:
1. Prezentacja wybranych zagadnień analizy wielowymiarowej.
· Analiza regresji.
· Analiza wariancji.
· Analiza dyskryminacyjna.
· Analiza skupień.
· Analiza czynnikowa.
2. Wykorzystanie wybranego pakietu statystycznego do przeprowadzania niezbędnych analiz statystycznych.
Wykład: tradycyjny i problemowy; dostępny w formie elektronicznej.
Laboratorium: rozwiązywanie zadań ora wykonywanie analiz statystycznych na danych umownych i rzeczywistych przy użyciu wybranego pakietu statystycznego (np. SAS, R-project); dyskusja na temat przeprowadzonych analiz związanych z ich zastosowaniem w wybranych dziedzinach.
| Outcome description | Outcome symbols | Methods of verification | The class form |
Laboratorium: kolokwia z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym.
Wykład: egzamin pisemny.
Warunkiem przystąpienia do egzaminu jest pozytywna ocena z laboratorium, którą uzyskuje się po zdobyciu co najmniej 50% maksymalnej sumy punktów z dwóch kolokwiów pisemnych. Warunkiem zaliczenia przedmiotu jest pozytywna ocena z egzaminu. Na ocenę z przedmiotu składa się ocena z laboratorium (60%) oraz ocena z wykładu (40%).
1. T. Górecki, Podstawy statystyki z przykładami w R, BTC, Legionowo, 2011.
2. red. naukowa M. Walesiak, E. Gatnar, Statystyczna analiza danych z wykorzystaniem programu R, PWN Warszawa 2009.
3. J. Ćwik, J. Koronacki, Statystyczne systemy uczące się, WNT, 2005.
4. E. Frątczak, E. Gołata, T. Klimanek, A. Ptak-Chmielewska, M. Pęczkowski, Wielowymiarowa analiza statystyczna, Oficyna Wydawnicza SGH, 2009
1. J.J. Faraway, Linear Models with R, Chapman & Hall, CRC, 2005.
2. M. Krzyśko, Wielowymiarowa analiza statystyczna, Uniwersytet im. Adama Mickiewicza w Poznaniu
Modified by dr Alina Szelecka (last modification: 06-06-2020 08:22)
