Podstawy Data Science 2401-AI-PDS-1WSI-s2
Jeszcze nie wprowadzono opisu dla tego przedmiotu...
Całkowity nakład pracy studenta
Metody dydaktyczne
Metody dydaktyczne podające
- wykład konwersatoryjny
Metody dydaktyczne poszukujące
- laboratoryjna
- projektu
Rodzaj przedmiotu
Wymagania wstępne
Koordynatorzy przedmiotu
W cyklu 2023/24L: | W cyklu 2022/23L: | W cyklu 2021/22L: |
Kryteria oceniania
Wykład:
1. Egzamin testowy - W1, W2, K1, K2.
Laboratorium:
1. Aktywność i obecność na zajęciach - W1, W2, U1, U2
2. Realizacja projektów zaliczeniowych - W1, W2, U1, U2, K1, K2
Kryteria oceniania:
- test (próg zaliczenia - powyżej 50% poprawnych odpowiedzi)
- aktywność i obecność na zajęciach (laboratorium - do 20% oceny)
- ocena z realizacji projektów (laboratorium - o 80% oceny) – w tym zadań potwierdzających realizację treści wynikających z wykorzystania metod i technik kształcenia na odległość (moodle)
Ostateczna ocena z zajęć:
5 – 90% i więcej
4+ – 80% do 89%
4 – 70% do 79%
3+ – 60% do 69%
3 – 51% do 59%
2 – 50% i poniżej
Praktyki zawodowe
brak
Literatura
Literatura podstawowa:
1. W. McKinney, Python w analizie danych. Przetwarzanie danych za pomocą pakietów pandas i numpy oraz środowiska ipython, Gliwice 2018.
2. R. Mitchell, Ekstrakcja danych z językiem Python. Pozyskiwanie danych z internetu, Gliwice 2019.
3. J. Grus, Data science od podstaw. Analiza danych w pythonie, Gliwice 2018.
4. M. Kleppmann, Przetwarzanie danych w dużej skali. Niezawodność, skalowalność i łatwość konserwacji systemów, Gliwice 2018.
5. A. Boschetti, L. Massaron, Python. Podstawy nauki o danych, Gliwice 2017.
Literatura uzupełniająca:
1. Z. A. Shaw, Python 3. Proste wprowadzenie do fascynującego świata programowania, Gliwiice 2017.
2. P. Deitel, H. Deitel, Python dla programistów z analizami przypadków wprowadzających w tematykę sztucznej inteligencji, Gliwice 2020.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: