Eksploracja danych kurs dla studentów UKSW

Syllabus

Nazwa przedmiotu: Eksploracja danych

Jednostka: Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych

Kod przedmiotu: WM-MA-EDT

Punkty ECTS: 6

Język prowadzenia: polski

Poziom przedmiotu: średnio-zaawansowany

Czwartki (08:00 - 9:30 wykład, 09:45 - 11:15 ćwiczenia)

Prowadzący: Sebastian Zając, s.zajac@uksw.edu.pl

Website: http://sebkaz.github.io/DataMining

Opis kursu

Kurs poświęcony jest wprowadzeniu do zagadnień związanych z Eksploracją danych. Uczestnicy kursu mają możliwość poznania technik oraz narzędzi programistycznych stosowanych przy analizie i prezentacji danych.

Szczególny nacisk kładziemy na omówienie i ćwiczenie technik programowania oraz użycia narzędzi przydatnych w pracy m.in. na stanowiskach analityk danych, statistical programmer, junior data scientist oraz w zastosowaniach naukowo-badawczych.

Efekty kształcenia

  1. Wiedza:

    • Zna istotę analizy danych w kontekście analizy statystycznej i Big Data
    • Zna zalety i ograniczenia metod klasyfikacji i klasteryzacji danych
    • Zna rodzaje sieci neuronowych
  2. Umiejętności:

    • Potrafi w praktyce zastosować wybrane metody do klasyfikacji i klasteryzacji danych
    • Potrafi wybrać odpowiednią metodę dla zadanego problemu metodę analizy danych
    • Potrafi wyciągnąć wnioski na podstawie klasyfikacji danych
    • Potrafi wyciągnąć wnioski z metod eksploracyjnych danych
  3. Kompetencje:

    • Potrafi argumentować i wyciągać wnioski z eksploracji danych
    • Potrafi precyzyjnie i zrozumiale komunikować wyniki analizy
    • Ma świadomość biznesowych i społecznych obszarów zastosowań metod eksploracji danych

Każde ćwiczenia zaczynały będą się 5 minutowym sprawdzeniem wiedzy z poprzednich zajęć.

Harmonogram

Zajęcia odbywają się w czwartki w sali 124 b. 24.

  • Wykład od 8:00 do 9:30
  • Laboratorium od 9:45 do 11:15
data Wykład ćwiczenia
Luty 21 Wiadomości wstępne  
Luty 28 Software installation, Python cz1  
Marzec 7 Big Data Python cz2
Marzec 15 TBA  

Literatura

  1. Joel Grus Data science od podstaw. Zobacz opis lub Kup książkę.

  2. Aurelien Geron Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Zobacz opis lub Kup książkę.

  3. Alberto Boschetti, Luca Massaron Python. Podstawy nauki o danych. Zobacz opis lub Kup książkę.

  4. Sebastian Raschka Python. Uczenie maszynowe. Zobacz opis lub Kup książkę.

  5. Jarosław Żeliński Analiza biznesowa. Praktyczne modelowanie organizacji. Zobacz opis lub Kup książkę.

  6. John W. Foreman Mistrz analizy danych. Od danych do wiedzy. Zobacz opis lub Kup książkę.

  7. R. Schutt, C. O’Neil Badanie danych. Raport z pierwszej lini działań. Zobacz opis lub Kup książkę.

  8. T. Morzy Eksploracja Danych. Metody i algorytmy, PWN, 2013.

  9. M. Gągolewski, M. Batoszuk, A. Cena Przetwarzanie i analiza danych w języku Python, PWN, 2016.

  10. Krzyśko, Wołyński, Górecki, Skorzybut, Systemy uczące się . WNT, 2008