1. SylabUZ
2. Wydział Nauk Inżynieryjno-Technicznych
3. semestr zimowy 2023/2024
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. 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 neuronowe. 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%

Obciążenie pracą	Studia stacjonarne (w godz.)	Studia niestacjonarne (w godz.)
Godziny kontaktowe (udział w zajęciach; konsultacjach; egzaminie, itp.)	75	50
Samodzielna praca studenta (przygotowanie do: zajęć, kolokwium, egzaminu; studiowanie literatury przygotowanie: pracy pisemnej, projektu, prezentacji, raportu, wystąpienia; itp.)	50	75
Łącznie	125	125
Punkty ECTS	Studia stacjonarne	Studia niestacjonarne
Zajęcia z udziałem nauczyciela akademickiego	3	2
Zajęcia bez udziału nauczyciela akademickiego	2	3
Łącznie	5	5

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. Aggarwal C.C.: Data mining, Springer, 2015.
8. 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. Pelikant A.: Hurtownie danych. Od przetwarzania analitycznego do raportowania, Helion, 2011.
5. 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: 26-03-2023 14:08)