SylabUZ

Wygeneruj PDF dla tej strony

Hurtownie danych - opis przedmiotu

Informacje ogólne
Nazwa przedmiotu Hurtownie danych
Kod przedmiotu 11.3-WI-INFD-HD
Wydział Wydział Informatyki, Elektrotechniki i Automatyki
Kierunek Informatyka
Profil ogólnoakademicki
Rodzaj studiów drugiego stopnia z tyt. magistra inżyniera
Semestr rozpoczęcia semestr zimowy 2018/2019
Informacje o przedmiocie
Semestr 2
Liczba punktów ECTS do zdobycia 6
Typ przedmiotu obowiązkowy
Język nauczania polski
Sylabus opracował
  • dr hab. inż. Wiesław Miczulski, 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
Wykład 30 2 18 1,2 Egzamin
Laboratorium 30 2 18 1,2 Zaliczenie na ocenę

Cel przedmiotu

- zapoznanie studentów z architekturami hurtowni danych i modelami danych,

- zapoznanie studentów z podstawowymi metodami eksploracji danych,

- ukształtowanie podstawowych umiejętności w zakresie praktycznej budowy hurtowni danych.

Wymagania wstępne

Bazy danych, Elementy sztucznej inteligencji.

Zakres tematyczny

Wprowadzenie. Terminologia związana z eksploracją wiedzy.

Metodologia zgłębiania danych. Analiza problemu. Pobieranie i czyszczenie danych. Zatwierdzanie danych. Utworzenie i sprawdzanie modelu. Wysyłanie zapytań dotyczących danych zawartych w modelu. Utrzymywanie ważności modelu.

Architektury i infrastruktury hurtowni danych. Ogólna architektura hurtowni danych. Architektura wydziałowa i tematyczna hurtowni danych. Architektura federacyjna i warstwowa hurtowni danych. Infrastruktury techniczne i ich relacje z architekturą hurtowni danych.

Cykl życia wspomagania podejmowania decyzji. Etapy cyklu życia wspomagania podejmowania decyzji.

Wielowymiarowe modele danych i agregacje. System OLAP. Modele ROLAP, MOLAP, HOLAP. Modele logiczne i pojęciowe informacji wielowymiarowej.

Wybrane metody eksploracji. Grupowanie. Klasyfikacja. Odkrywanie asocjacji. Odkrywanie sekwencji. Analiza szeregów czasowych. Przykłady zastosowania eksploracji danych.

Metody kształcenia

Wykład: wykład konwencjonalny/tradycyjny, dyskusja, konsultacje,

Laboratorium: ćwiczenia laboratoryjne, praca w grupach.

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 pozytywnej oceny z egzaminu pisemnego.

Laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich ćwiczeń laboratoryjnych, przewidzianych do realizacji w ramach programu laboratorium.

Składowe oceny końcowej = wykład: 50% + laboratorium: 50%.

Literatura podstawowa

1.    Hand D., Mannila H., Smyth P.: Eksploracja danych, WNT, Warszawa, 2005.

2.    Jarke M., Lenzerini M., Vassiliou Y., Vassiliadis P.: Hurtownie danych. Podstawy organizacji i funkcjonowania, WSiP,  Warszawa, 2003.

3.    Larose D.T.: Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, PWN, Warszawa, 2006.

4.    Larose D.T.: Metody i modele eksploracji danych, PWN, Warszawa, 2008.

5.    Morzy T.: Eksploracja danych. Metody i algorytmy, PWN, Warszawa, 2013.

Literatura uzupełniająca

1.    Rutkowski L.: Metody i techniki sztucznej inteligencji, PWN, Warszawa, 2005.

2.    Ch. Todman: Projektowanie hurtowni danych, Wydawnictwo Naukowo – Techniczne, Warszawa, 2003.

3.    M. Nycz: Pozyskiwanie wiedzy i zarządzanie wiedzą,  Wydawnictwo Akademii Ekonomicznej im. Oskara Langego, Wrocław, 2003.

4.    Barbara Smok: Eksploracja danych w procesie pozyskiwania wiedzy z hurtowni danych, Prace naukowe Akademii Ekonomicznej we Wrocławiu, 2003.

5.    Miczulski W., Szulim R.:Using time series approximation methods in the modelling of industrial objects and processes. Measurements models systems and design /
       ed. by J. Korbicz .- Warszawa : Wydawnictwo Komunikacji i Łączności, 2007 - s. 157--174 .

 

Uwagi


Zmodyfikowane przez dr hab. inż. Wiesław Miczulski, prof. UZ (ostatnia modyfikacja: 25-04-2018 11:21)