SylabUZ
| Nazwa przedmiotu | Media społecznościowe w biznesie |
| Kod przedmiotu | 15.3-WE-BEP-MSwB |
| Wydział | Wydział Informatyki, Elektrotechniki i Automatyki |
| Kierunek | Biznes elektroniczny |
| Profil | praktyczny |
| Rodzaj studiów | pierwszego stopnia z tyt. inżyniera |
| Semestr rozpoczęcia | semestr zimowy 2017/2018 |
| Semestr | 4 |
| Liczba punktów ECTS do zdobycia | 3 |
| Typ przedmiotu | obowiązkowy |
| Język nauczania | polski |
| Sylabus opracował |
|
| 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 | Zaliczenie na ocenę |
| Projekt | 30 | 2 | 18 | 1,2 | Zaliczenie na ocenę |
Przedstawienie podstawowych pojęć związanych z mediami społecznościowymi, w szczególności sieciami społecznościowymi, oraz ich rosnącą rolą w elektronicznym biznesie. Zapoznanie z nowoczesnymi technikami wykorzystywania mediów społecznościowych w celu pozyskiwania informacji wspomagających działanie firmy (tzw. brand marketing, spersonalizowane reklamy, rekomendacja ułsug oraz użytkowników, analiza sentymentu wypowiedzi użytkowników portali społecznościowych).
Projektowanie i programowanie obiektowe.Technologie big data.
Technologie Web 2.0 jako katalizator rozwoju aplikacji społecznościowych. Charakterystyka mediów społecznościowych. Rola mediów społecznościowych. Sieci społecznościowe jako nowoczesne systemy do wymiany wiedzy oraz interaktywnej współpracy.
Wykorzystanie mediów społecznościowych w celu pozyskiwania informacji wspomagających działanie firm. Analiza sentymentu użytkowników portali społecznościowych. Techniki rekomendacji spersonalizowanych reklam w sieciach społecznościowych. Szeptany marketing. Techniki analizy topologii sieci społecznośćiowych. Techniki analizy przepływu danych w sieciach społecznościowych. Analiza rynkowa z wykorzystaniem mediów społecznościowych.
Technologie wspomagające analizę mediów społecznościowych. Zastosowanie analityki big data oraz uczenia maszynowego podczas analizy mediów społecznościowych. Omówienie sposobów wykorzystania współczesnych technologii wykorzystywanych podczas odkrywania wiedzy zawartej w mediach społecznościowych. Technologie do analizy sieci społecznościowych typu open source (Apache Hadoop, ElasticSearch, Apache Mahout, Apache Spark). Komercyjne technologie do analizy sieci społecznościowych (SAS).
Tworzenie prostych algorytmów do przetwarzania danych zawartych w mediach społecznościowych z wykorzystaniem bibliotek do uczenia maszynowego Apache Mahout oraz Apache Spark (Mlib, GraphX).
Wykład - wykład konwencjonalny z wykorzystaniem wideoprojektora.
Laboratorium - zajęcia praktyczne w laboratorium komputerowym.
| Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
Wykład - sprawdzian w formie pisemnej i/lub ustnej, realizowany na koniec semestru.
Laboratorium – ocena końcowa stanowi sumę ważoną ocen uzyskanych za realizację poszczególnych ćwiczeń laboratoryjnych oraz sprawdzianów kontrolnych weryfikujących przygotowanie merytoryczne do ćwiczeń.
Ocena końcowa = 50 % oceny zaliczenia z formy zajęć wykład + 50 % oceny zaliczenia z formy zajęć laboratorium.
Russell, M. A., Mining the Social Web: Data Mining Facebook, Twitter, LinkedIn, Google+, GitHub, and More, O'Reilly Media; Second Edition, 2013.
Stanton, J.M., Introduction to Data Science, e-book, 2013.
Watts, J. D., Six degress: the science of a connected age, W.W. Norton & Company, 2003.
Sponder, M., Social Media Analytics: Effective Tools for Building, Interpreting, and Using Metrics, McGraw-Hill Education, 2011.
Zmodyfikowane przez dr hab. inż. Marcin Mrugalski, prof. UZ (ostatnia modyfikacja: 07-04-2017 14:01)
