Programming in Statistical Software Packages - opis przedmiotu

Informacje ogólne

Nazwa przedmiotu	Programming in Statistical Software Packages
Kod przedmiotu	11.2-WK-CSEEP-PSSP-S22
Wydział	Wydział Nauk Ścisłych i Przyrodniczych
Kierunek	Computer science and econometrics
Profil	ogólnoakademicki
Rodzaj studiów	pierwszego stopnia z tyt. licencjata
Semestr rozpoczęcia	semestr zimowy 2023/2024

Informacje o przedmiocie

Semestr	6
Liczba punktów ECTS do zdobycia	3
Typ przedmiotu	obieralny
Język nauczania	angielski
Sylabus opracował	dr Jacek Bojarski, prof. UZ

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
Projekt	30	2	-	-	Zaliczenie na ocenę

Cel przedmiotu

Acquiring skills in designing and writing computational scripts in a chosen software

Wymagania wstępne

Basic knowledge in the fields of linear algebra, analysis, algorithms and data structures, probability calculus, and mathematical statistics

Zakres tematyczny

As part of the course, the student will become familiar with the computational capabilities of a selected high-level programming language, methods of defining functions, and techniques for creating custom libraries. The ability to create a graphical interface allows for the development of a fully functional program

Metody kształcenia

The classes will be conducted on three levels. In the first one, students will be introduced to basic computational, graphical, and data processing problems, along with methods for their solutions. The second level will focus on presenting data analysis problems for individual or group solutions, and the solutions or partial solutions will be presented in the group forum. A correctness analysis will be conducted. In the third level, each student will be assigned a project topic to work on. Partial solutions will be presented in the group forum.

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

The final grade for the subject is determined by the assessment of participation in classes and the level of preparedness for classes (30%), as well as the grade for the project (70%).

Literatura podstawowa

H. Wickham, Advanced R, Chapman & Hall’s R Series, 2019.
C.D. Larose, D.T. Larose, Data Science Using Python and R, Wiley, 2019.
G. Grolemund, Hands-On Programming with R, O'Reilly Media, 2014.
B. Allbee, Hands-On Software Engineering with Python, Packt Publishing Limited, 2018.

Literatura uzupełniająca

Uwagi

Zmodyfikowane przez dr Ewa Synówka (ostatnia modyfikacja: 10-04-2024 20:37)