Narzędzia eksploracji danych 1000-MS1-NaEkDan

1. Zapoznanie z popularnymi narzędziami służącymi do analiz
i obliczeń statystycznych.
2. Tworzenie zbiorów danych, praca z przykładowymi zbiorami danych.
3. Import zbiorów danych z plików różnych formatów.
4. Transformacje zmiennych
a. przekształcanie,
b. rekodowanie.
5. Przekształcanie zbiorów danych
a. restrukturyzacja danych,
b. kategoryzacja danych,
c. agregacja danych,
d. łączenie danych,
e. wybór obserwacji, sortowanie, replikacja,
f. analiza danych w podgrupach.
6. Elementy języka poleceń (komendy) w IBM SPSS Statistics.
7. Struktury danych w R: wektory, macierze, listy, ramki danych.
8. Praca z pakietami R: instalacja, ładowanie do pamięci, praca z funkcjami i zbiorami danych dołączonych do pakietów.
9. Elementy programistyczne w R:
a. funkcje,
b. pętle,
c. instrukcje warunkowe.

Powyższe tematy będą realizowane w oparciu o co najmniej dwa narzędzia typu open source, w tym: środowisko programistyczne R (tematy nr 1-9), narzędzie z interfejsem opartym na przepływach zbudowanych z użyciem węzłów np. KNIME (tematy nr 1-5) oraz jedno narzędzie komercyjne, np. IBM SPSS Statistics (tematy nr 1-6), służące do wykonywania analiz i obliczeń statystycznych.

Całkowity nakład pracy studenta

Liczba godzin kontaktowych (laboratorium): 30 godzin Praca indywidualna: zadania do samodzielnego rozwiązania: 30 h Przygotowanie do zaliczenia: 15 h Razem: 75 godzin (3 punkty ECTS)

Efekty uczenia się - wiedza

NED_W1: Zna przynajmniej trzy programy służące do wykonywania analiz i obliczeń statystycznych. (K_W07) NED_W2: Posiada podstawową wiedzę na temat pracy z różnymi zbiorami danych z wykorzystaniem wybranych pakietów statystycznych. (K_W05, K_W07)

Efekty uczenia się - umiejętności

NED_U1: Potrafi wyszukać i wykorzystać w pracy i nauce dostępne darmowe oprogramowanie statystyczne. (K_U03) NED_U2: Potrafi importować, formatować i przekształcać zbiory danych na potrzeby wybranego oprogramowania. (K_U03)

Efekty uczenia się - kompetencje społeczne

NED_K1: Myśli twórczo, właściwie posługuje się terminologią fachową. (K_K02) NED_K2: Potrafi pozyskać informacje z literatury, Internetu oraz umiejętnie korzystać z plików pomocy dostarczonych do wybranych pakietów statystycznych. (K_K03)

Metody dydaktyczne

laboratoryjna

Metody dydaktyczne podające

- wykład konwersatoryjny

Metody dydaktyczne poszukujące

- laboratoryjna

Wymagania wstępne

Podstawowa umiejętność posługiwania się komputerem.

Koordynatorzy przedmiotu

Agnieszka Goroncy

Kryteria oceniania

Laboratorium kończy się zaliczeniem, które jest wystawiane na podstawie dwóch kolokwiów (w formie testów na Moodle), sprawdzających następujące efekty kształcenia: NED_W1, NED_W2, NED_U1, NED_U2, NED_K1, NED_K2.

Praktyki zawodowe

Nie dotyczy

Literatura

Przemysław Biecek, Przewodnik po pakiecie R, Oficyna Wydawnicza GiS, Wrocław, 2011.

Joseph Adler, R in a Nutshell, O’Reilly Media, 2010.

Knime Online Self-Training: https://www.knime.org/knime-online-self-training, data dostępu: 16.11.2021 r.

Learn RapidMiner: https://rapidminer.com/getting-started-central/, data dostępu: 16.11.2021 r.

Jarosław Górniak, Janusz Wachnicki, Pierwsze kroki w analizie danych. SPSS Polska Sp. z o. o., Kraków, 2010.

Uwagi

W cyklu 2022/23Z:

Oprogramowanie konieczne do pracy na zajęciach:
1. PS IMAGO PRO (licencja UMK)
2. środowisko R (https://www.r-project.org/)
3. KNIME (https://www.knime.com/)

W cyklu 2023/24Z:

Oprogramowanie konieczne do pracy na zajęciach:
1. PS IMAGO PRO (licencja UMK)
2. środowisko R (https://www.r-project.org/)
3. KNIME (https://www.knime.com/)

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 1000-MS1-NaEkDan w USOSweb