About

Blog ten stworzony został w generatorze statycznych stron HTML Pelican. Zawierał będzie materiały z zajęć prowadzonych na Wydziale Matematyczno Przyrodniczym UKSW w Warszawie.

Eksploracja Danych

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.

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

Harmonogram

  1. Tydzień 1 (22.02.2018) - informacje ogólne
  2. Tydzień 2 (01.03.2018) - laboratoria ze Statistici.
  3. Tydzień 3 (08.03.2018) - konfiguracja środowiska Git i Anaconda
  4. Tydzień 4 (15.03.2018) - Wykład 2, Pobieranie danych
  5. Tydzień 5 (22.03.2018) - Wykład 3, Eksploracyjna analiza danych
  6. Tydzień 6 (28.03.2018 Środa) - Analiza danych Iris - klasyfikacja
  7. Tydzień 7 (05.04.2018) - Zajęcia odwołane, odbędą się w późniejszym terminie
  8. Tydzień 8 (12.04.2018) - Wykład 4 Metody klasyfikacji - Regresja logistyczna
  9. Tydzień 9 (19.04.2018) - Wykład 5 Regresja liniowa
  10. Tydzień 10 (26.04.2018) - Wykład 6 Klasyfikator Bayesa, kNN
  11. Tydzień 11 (10.05.2018) - SVM, Drzewa, Lasy Losowe
  12. Tydzień 12 (17.05.2018) - Grupowanie i klasteryzacja, Zaliczenie projektu 1
  13. Tydzień 13 (24.05.2018) - Deep Learning, sieci neuronowe, Zaliczenie projektu 2
  14. Tydzień 14 (07.06.2018) - Brak zajęć
  15. Tydzień 15 EGZAMIN

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.

Literatura

  1. T. Morzy Eksploracja Danych. Metody i algorytmy, PWN, 2013.
  2. M. Gągolewski Programowanie w języku R, Wydawnictwo Naukowe PWN, 2014.
  3. M. Gągolewski, M. Batoszuk, A. Cena Przetwarzanie i analiza danych w języku Python, PWN, 2016.
  4. R. Schutt, C. O'Neil Badanie danych. Raport z pierwszej lini działań, Helion, 2014.
  5. F. Provost, T. Fawcett Analiza danych w biznesie. Sztuka podejmowania skutecznych decyzji. Helion, 2015
  6. Krzyśko, Wołyński, Górecki, Skorzybut, Systemy uczące się . WNT, 2008
  7. D. Mendrala, M. Szeliga, Microsoft SQL Server. Modelowanie i eksploracja danych, Helion 2012

Strony WWW

Zbiory danych

Python

links

social