Inżynieria dużych zbiorów danych - opis przedmiotu

Informacje ogólne

Nazwa przedmiotu	Inżynieria dużych zbiorów danych
Kod przedmiotu	06.9-WM-ZiIP-P4.0-D-18_22
Wydział	Wydział Mechaniczny
Kierunek	Zarządzanie i inżynieria produkcji
Profil	ogólnoakademicki
Rodzaj studiów	drugiego stopnia z tyt. magistra inżyniera
Semestr rozpoczęcia	semestr zimowy 2023/2024

Informacje o przedmiocie

Semestr	2
Liczba punktów ECTS do zdobycia	4
Typ przedmiotu	obowiązkowy
Język nauczania	polski
Sylabus opracował	prof. dr hab. inż. Justyna Patalas-Maliszewska

Formy zajęć

Forma zajęć	Liczba godzin w semestrze (stacjonarne)	Liczba godzin w tygodniu (stacjonarne)	Liczba godzin w semestrze (niestacjonarne)	Liczba godzin w tygodniu (niestacjonarne)	Forma zaliczenia
Wykład	15	1	9	0,6	Egzamin
Laboratorium	30	2	18	1,2	Zaliczenie na ocenę

Cel przedmiotu

Głównym skutkiem kształcenia będzie poznanie metod i narzędzi przetwarzaniu dużych ilości danych na potrzeby przedsiębiorstwa z przeznaczeniem do wykorzystania w roli wsparcia podejmowanych decyzji.

Wymagania wstępne

Systemy wspomagania decyzji.

Zakres tematyczny

S-studia stacjonarne, N- studia niestacjonarne

Wykład:

SW1 (NW1): Pojęcie, geneza, charakterystyka inżynierii dużych zbiorów danych.

SW2 (NW2): Charakterystyka zagadnień: Data Science, Big Data, Data Analysis

SW3 (NW3): Środowiska przetwarzania dużych zbiorów danych, technologie oferowane przez platformy Google Cloud w ramach SAS Cloud Analytics Services

SW4 (NW4): Wprowadzenie do eksploracji danych w Big Data, wybrane metody klasyfikacji dużych zbiorów danych.

SW5-SW6 (NW5): Narzędzia BI

SW7-SW8 (NW5): Sentiment Analysis. Opinion Mining.

Laboratorium:

Laboratorium 1/ Laboratorium 2:

SL1-SL2(NL1): Structured and unstructured data in SAP HANA

SL3(NL2): Sources of Big Data in SAP HANA

SL4(NL3): Gather Big Data in SAP HANA

SL5-SL6(NL4): Store Big Data in SAP HANA

SL7(NP7): Store Big Data in SAP HANA

SL8-SL9 (NL6): Analyze Big Data in SAP HANA

SL10-SL11 (NL7): Analyze Big Data in SAP HANA

SL12 (NL7): Zbudowanie struktury raportu BI

SL13-SL15 (NL8): Budowa modeli wspomagających podejmowanie decyzji w przedsiębiorstwie

Metody kształcenia

Wykład konwencjonalny. Laboratorium (SAP HANA)

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

Wykład: zaliczenie na ocenę. Kolokwium w formie pisemnej poprzedzone uzyskaniem zaliczenia z zajęć laboratoryjnych

Laboratorium: zaliczenie na ocenę. Ocena wyznaczana na podstawie wyników ze sprawozdań z każdego laboratorium

Ocena końcowa: 50%W, 50% L.

Literatura podstawowa

Wieczorkowski J., Chomiak-Orsa I., Pawełoszek I.(2021) "Big data w zarządzaniu", PWE.
Walker R. (2015) "From Big Data to Big Profits: Success with Data and Analytics", Oxford University Press Inc.
Morabito V. (2015) "Big Data and Analytics Strategic and Organizational Impacts", Springer

Literatura uzupełniająca

Uwagi

Zmodyfikowane przez prof. dr hab. inż. Justyna Patalas-Maliszewska (ostatnia modyfikacja: 13-04-2023 19:10)