SylabUZ
Nazwa przedmiotu | Systemy eksploracji danych w praktyce |
Kod przedmiotu | 11.3-WK-IDD-SEDP-S18 |
Wydział | Wydział Matematyki, Informatyki i Ekonometrii |
Kierunek | Inżynieria danych |
Profil | ogólnoakademicki |
Rodzaj studiów | drugiego stopnia z tyt. magistra |
Semestr rozpoczęcia | semestr letni 2018/2019 |
Semestr | 3 |
Liczba punktów ECTS do zdobycia | 3 |
Typ przedmiotu | obieralny |
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 | - | - | Zaliczenie na ocenę |
Laboratorium | 30 | 2 | - | - | Zaliczenie na ocenę |
Nabycie umiejętności modelowania wymagane do zrozumienia i przechowywanie dużych danych dużych zbiorów danych.
Wykorzystanie umiejętności do podejmowania decyzji, takich jak: wykrywanie raka, wykrywanie oszustw, segmentacja klientów i przewidywanie przestojów maszyn.
Poznanie procesu eksploracji danych i techniki modelowania za pomocą jednego programu IBM SPSS Modeler.
Tworzenie modeli na podstawie wyselekcjonowanych danych, testowanie modeli z danymi historycznym, użycie danych bieżących.
Podstawowa znajomość statystyki.
. Wprowadzenie do eksploracji danych
2. Proces wyszukiwania danych
3. Techniki modelowania
4. Ocena modelu
5. Wdrożenie na IBM Bluemix
Wykład konwencjonalny, wykład problemowy. Ćwiczenia laboratoryjne. Dyskusja.
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
Ocena z laboratorium wystawiana będzie na podstawie wyników z kolokwium i/lub projektów (80%) oraz aktywności na zajęciach (20%).
1. Axel Buecker, Theresa Morelli, Colin Shearer, IBM SPSS predictive analytics: Optimizing decisions at the point of impact, An IBM Redguide publication 2010.
Zmodyfikowane przez dr Maciej Niedziela (ostatnia modyfikacja: 24-10-2018 21:29)