Conducted in
terms:
2022/23L, 2023/24L, 2024/25L, 2025/26L
ISCED code: 0541
ECTS credits:
3
Language:
Polish
Organized by:
Faculty of Mathematics and Computer Science
(for:
Nicolaus Copernicus University in Toruń)
Data mining for beginners 1000-OG-DM
This course has not yet been described...
Total student workload
(in Polish) 30 h – zapoznanie się z materiałami dostępnymi na platformie Moodle,
40 h – praca własna: studiowanie literatury, wykonywanie ćwiczeń, rozwiązywanie zadań,
10 h – konsultacje indywidualne z prowadzącym kurs,
10 h – rozwiązywanie testów i zadań zaliczeniowych.
Razem: 90 h (3 pkt. ECTS)
Learning outcomes - knowledge
(in Polish) W1. Rozumie potrzebę pozyskiwania wiedzy z danych. Zna podstawowe problemy eksploracji danych.
W2. Zna wybrane algorytmy eksploracji danych i wie, które z nich stosują się do określonego typu zagadnień z tego zakresu.
W3. Ma wiedzę na temat dostępnego oprogramowania służącego do eksploracji danych.
Learning outcomes - skills
(in Polish) U1. Potrafi znaleźć potrzebne dane w zbiorach danych ogólnie dostępnych, umie pobrać dane i poddać je analizie.
U2. Umie zaproponować odpowiednie algorytmy eksploracji danych do konkretnego zagadnienia, w tym klasyfikacji, grupowania, szacowania i budowania reguł, oraz wyselekcjonować z ich użyciem najlepszy model.
U3. Umie posługiwać się w stopniu podstawowym programem do eksploracji danych PS IMAGO PRO (IBM SPSS Statistics).
U4. Potrafi przygotować raport z wynikami swoich analiz.
Learning outcomes - social competencies
(in Polish) K1. Potrafi sformułować problem eksploracji danych w sposób zrozumiały zarówno dla osób, z którymi współpracuje w tym obszarze, jak i ekspertów analityków.
K2. Potrafi poddać krytycznej ocenie pozyskane dane.
K3. Potrafi czerpać wiedzę z danych i na tej podstawie formułować propozycje rozwiązania sytuacji problemowych.
Teaching methods
(in Polish) - Pokaz (filmy instruktażowe demonstrujące działanie programu),
- Pogadanka i wykład informacyjny (nagrania krótkich wykładów dotyczących teorii),
- Ćwiczeniowa (testy i zadania zlecone przez prowadzących),
- Studium przypadku, metody odnoszące się do autentycznych lub fikcyjnych sytuacji (zbiory danych rzeczywistych i przykłady ich analiz),
- Metody wymiany i dyskusji (fora dyskusyjne).
Observation/demonstration teaching methods
- display
Expository teaching methods
- informative (conventional) lecture
Exploratory teaching methods
- practical
- case study
- case study
Online teaching methods
- exchange and discussion methods
Type of course
elective course
Prerequisites
(in Polish) Znajomość matematyki na poziomie szkoły średniej. Podstawowa umiejętność posługiwania się komputerem z systemem Windows. Samodyscyplina, umiejętność gospodarowania własnym czasem, umiejętność czytania ze zrozumieniem tekstów napisanych językiem formalnym, otwartość na nowe wyzwania, świadomość konieczności samodoskonalenia się, odwaga w zadawaniu pytań oraz wypowiadaniu się na forum publicznym.
Course coordinators
Term 2024/25L: | Term 2023/24L: | Term 2022/23L: | Term 2025/26L: |
Notes
Term 2022/23L:
None |
Term 2023/24L:
None |
Term 2024/25L:
None |
Term 2025/26L:
None |
Additional information
Additional information (registration calendar, class conductors, localization and schedules of classes), might be available in the USOSweb system: