1. SylabUZ
2. Wydział Informatyki, Elektrotechniki i Automatyki
3. semestr zimowy 2022/2023
4. Informatyka - drugiego stopnia z tyt. magistra inżyniera
5. Systemy inteligencji biznesowej

Wygeneruj PDF dla tej strony

Systemy inteligencji biznesowej - opis przedmiotu

Cel przedmiotu

• ukształtowanie umiejętności z zakresu projektowania i implementacji hurtowni danych
• zapoznanie studentów z metodami eksploracji danych biznesowych

Wymagania wstępne

Zapisz zmiany

Zakres tematyczny

Hurtownie danych.  Architektury hurtowni danych. Integracja danych. Przegląd i charakterystyka typowych operacji transformacji danych. Modelowanie wielowymiarowe. Projektowanie i implementacja kostek OLAP. Programowania pakietów ETL. Kolumnowe bazy danych. Zapytania analityczne w SQL. Raportowanie z wykorzystaniem Power BI.

Eksploracja danych. Metody odkrywania reguł asocjacji i sekwencji. Klasteryzacja danych: algorytm k-średnich i algorytm aglomeracyjny. Klasyfikacja danych: regresja logistyczna, k-najbliższych sąsiadów, drzewa decyzyjne, sztuczne sieci neurnowe. Ćwiczenia praktyczne z eksploracji danych.

Metody kształcenia

Wykład: wykład konwencjonalny
Laboratorium: ćwiczenia laboratoryjne z wykorzystaniem sprzętu komputerowego

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

Wykład - warunkiem zaliczenia jest uzyskanie pozytywnych ocen z testów przeprowadzonych, co najmniej raz w semestrze.

Laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich ćwiczeń laboratoryjnych oraz sprawdzianów przewidzianych w ramach laboratorium.

Składowe oceny końcowej = wykład: 50% + laboratorium: 50%

Literatura podstawowa

1. Morzy T.: Eksploracja Danych, PWN, 2013.
2. Larose D.T.: Modele i metody eksploracji danych, Helion, 2012.
3. Surma J. Business Intelligence. Systemy wspomagania decyzji biznesowych, Warszawa,  PWN, 2010.
4. Chodkowska-Gyurics A.: Hurtownie danych. Teoria i praktyka, PWN, 2014.
5. Russo M., Ferrari A. Tabular Modeling in Microsoft SQL Server Analysis Services, Microsoft Press, 2017
6. Cote C., Lah M., Sarka D., SQL Server 2017 Integration Services Cookbook: Powerful ETL techniques to load and transform data from almost any source, Packt Publishing, 2017.
7. Deckler G., Learn Power BI, Packt Publishing, 2019.

Literatura uzupełniająca

1. Kimball R., Ross M.: The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling (Second Edition), Wiley, 2002.
2. Kimball, R., Caserta J., The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data, Wiley, 2004.
3. Jarke M., Lenzerini M., Vassiliou Y., Vassiliadis P.: Hurtownie danych. Podstawy organizacji i funkcjonowania., WAiP, 2003.
4. Aggarwal C.C.: Data mining, Springer, 2015.
5. Pelikant A.: Hurtownie danych. Od przetwarzania analitycznego do raportowania, Helion, 2011.
6. SQL Server 2012 Tutorials: Analysis Services - Multidimensional Modeling SQL Server 2012 Books Online, Microsoft, 2012

 

Uwagi

Zmodyfikowane przez dr hab. inż. Marek Kowal, prof. UZ (ostatnia modyfikacja: 20-04-2022 17:10)