1. SylabUZ
2. Faculty of Mathematics, Computer Science and Econometrics
3. summer term 2022/2023
4. Data Engineering - Second-cycle studies leading to MS degree
5. Methods and Tools for Data Processing with R

Generate PDF for this page

Methods and Tools for Data Processing with R - course description

Aim of the course

Celem przedmiotu jest zapoznanie studenta z zastosowaniem metod i narzędzi przetwarzania danych przy wykorzystaniu programu R. Po ukończeniu tego kursu student powinien być przygotowany do samodzielnego wykorzystania poznanych metod i narzędzi do rozwiązywania praktycznych problemów właściwych dla zawodu analityka danych.

Prerequisites

Save changes

Podstawy programowania.

Scope

Wykład/Laboratorium:

1. Wstępne przetwarzanie danych.
   1. Czyszczenie danych.
   2. Uzupełnianie brakujących danych.
   3. Poprawianie błędnych danych.
   4. Zmienne numeryczne i kategoryczne.
   5. Szeregi czasowe.
2. Metody prezentacji i wizualizacji danych.
3. Modelowanie regresji. Regresja liniowa i logistyczna.
4. Wybrane reguły asocjacyjne i metody grupowania danych.
5. Przykłady zastosowań metod i narzędzi przetwarzania danych.

Teaching methods

Wykład: tradycyjny i problemowy. Laboratorium: rozwiązywanie zadań dot. eksploracji danych przy wykorzystaniu programu R. Dyskusja.

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

Ocena z laboratorium na podstawie kolokwiów (80%) z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym oraz aktywności na zajęciach (20%). Wykład kończy się egzaminem w postaci testu.

Na ocenę z przedmiotu składa się ocena z laboratorium (70%) oraz ocena z wykładu (30%).

Warunkiem zaliczenia przedmiotu są pozytywne oceny z laboratorium i egzaminu..

Recommended reading

1. S. Osowski, Metody i narzędzia eksploracji danych, Wydawnictwo BTC, 2013.
2. T. Morzy, Eksploracja danych – metody i algorytmy, Wydawnictwo naukowe PWN, Warszawa, 2013.
3. M. Gągolewski, Programowanie w języku R – Analiza danych,obliczenia,symulacje, Wydawnictwo naukowe PWN, Warszawa, 2016.
4. C.C. Aggarwal, Data Mining, Springer, 2017.

Further reading

1. D.T. Larose, Metody i modele eksploracji danych, Wydawnictwo naukowe PWN, Warszawa, 2012.
2. M. Szeliga, Data science i uczenie maszynowe, Wydawnictwo naukowe PWN, Warszawa, 2017.

Notes

Modified by dr Alina Szelecka (last modification: 19-05-2022 21:49)