Multidimensional Data Analysis - opis przedmiotu

Informacje ogólne

Nazwa przedmiotu	Multidimensional Data Analysis
Kod przedmiotu	11.5-WK-DEED-MDA-S22
Wydział	Wydział Matematyki, Informatyki i Ekonometrii
Kierunek	Data Engineering
Profil	ogólnoakademicki
Rodzaj studiów	drugiego stopnia z tyt. magistra
Semestr rozpoczęcia	semestr letni 2023/2024

Informacje o przedmiocie

Semestr	3
Liczba punktów ECTS do zdobycia	5
Występuje w specjalnościach	Modelling and data analysis
Typ przedmiotu	obieralny
Język nauczania	angielski
Sylabus opracował

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	30	2	-	-	Egzamin
Laboratorium	30	2	-	-	Zaliczenie na ocenę

Cel przedmiotu

Introducing the student to selected methods of multivariate data analysis and tools for performing statistical calculations.

Wymagania wstępne

Statistical data analysis, econometric model analysis.

Zakres tematyczny

Lecture/Laboratory:

1. Presentation of selected topics in multivariate analysis.
   - Regression analysis.
   - Analysis of variance.
   - Discriminant analysis.
   - Cluster analysis.
   - Factor analysis.

2. Using a selected statistical package to conduct necessary statistical analyses.

Metody kształcenia

Lecture: traditional and problem-based; available electronically.

Laboratory: solving tasks and performing statistical analyses on both hypothetical and real data using a selected statistical package; discussion about the analyses conducted and their application in selected fields.

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

Laboratory sessions include quizzes with tasks of varying difficulty levels to assess if students have achieved the learning outcomes at a minimum level.
Lecture involves a written exam.
To be eligible for the exam, students must first pass the laboratory part by achieving at least 50% of the maximum total points from two written quizzes. Passing the course requires a positive grade from the exam. The final course grade is composed of the laboratory grade (60%) and the lecture grade (40%).

Literatura podstawowa

J.J. Faraway, Linear Models with R, Chapman & Hall, CRC, 2005.
J.F. Hair, B.J. Babin, Multivariate Data Analysis, Pearson, 2013.

Literatura uzupełniająca

1. T. Górecki, Podstawy statystyki z przykładami w R, BTC, Legionowo, 2011.

2. red. naukowa M. Walesiak, E. Gatnar, Statystyczna analiza danych z wykorzystaniem programu R, PWN Warszawa 2009.

3. J. Ćwik, J. Koronacki, Statystyczne systemy uczące się, WNT, 2005.

4. E. Frątczak, E. Gołata, T. Klimanek, A. Ptak-Chmielewska, M. Pęczkowski, Wielowymiarowa analiza statystyczna, Oficyna Wydawnicza SGH, 2009

Uwagi

Zmodyfikowane przez dr Maciej Niedziela (ostatnia modyfikacja: 11-04-2024 16:05)