Conducted in
terms:
2022/23Z, 2023/24Z, 2024/25Z
ISCED code: 0311
ECTS credits:
3
Language:
Polish
Organized by:
Department of Econometrics and Statistics
(for:
Faculty of Economic Sciences and Management)
Data Mining and Big Data 1100-12-E21-AG-DMBD
This course has not yet been described...
Term 2022/23Z:
None |
Term 2023/24Z:
None |
Term 2024/25Z:
None |
Total student workload
(in Polish) 1. Godziny realizowane z udziałem nauczyciela 15 godz.
2. Konsultacje indywidualne 15 godz.
3. Konsultacje projektów zaliczeniowych 10 godz.
4. Praca indywidualna studenta potrzebna do pomyślnego zaliczenia przedmiotu (przygotowanie i uzupełnienie notatek; zebranie i wybór odpowiednich materiałów do zajęć, wymagane powtórzenie materiału,, czytanie literatury, zapoznanie się z materiałami dydaktycznymi umieszczonymi na platformie e-learningowej, wykonanie zadań) 10 godz.
5. Liczba godzin wymaganych do przygotowania projektu końcowego – 10 godz.;
6. Praca własna studenta 20 godzin.
Łącznie: 80 godzin
Learning outcomes - knowledge
(in Polish) W1: Absolwenta zna i rozumie metody i narzędzia, w tym techniki pozyskiwania danych, właściwe dla nauk ekonomicznych, pozwalające opisywać struktury i instytucje społeczno-ekonomiczne, procesy w nich zachodzące, a także relacje między nimi; metody i narzędzia służące do zaawansowanych rodzajów badań ekonomicznych – K_W06
Learning outcomes - skills
(in Polish) U1: Absolwent potrafi analizować i prognozować procesy społeczno-gospodarcze z wykorzystaniem metod eksploracji nadzorowanej oraz nienadzorowanej - K_U04
U2: Absolwent potrafi korzystać z różnorodnych źródeł danych Big data, potrafi wyciągać z nich wiedzę oraz interpretować wyniki – K_U03
U3: Absolwent potrafi samodzielnie identyfikować problemy ekonomiczne i biznesowe oraz poszukiwać ich rozwiązań w dużych zbiorach danych Big data - K_U06
Learning outcomes - social competencies
(in Polish) K1: Absolwent jest gotów samodzielnie i efektywnie pracować z dużymi zbiorami danych - Big data, formułować pytania badawcze, identyfikować ukryte w zależności w danych, oraz poprawnie wnioskować z otrzymanych wyników - K_K01
Expository teaching methods
- informative (conventional) lecture
Exploratory teaching methods
- practical
- laboratory
- laboratory
Prerequisites
(in Polish) Zakłada się, że student posiada wiedzę z zakresu statystyki oraz narzędzi informatycznych wykorzystywanych w analizie danych
Course coordinators
Notes
Term 2022/23Z:
None |
Term 2023/24Z:
None |
Term 2024/25Z:
None |
Additional information
Additional information (registration calendar, class conductors, localization and schedules of classes), might be available in the USOSweb system: