Analiza i wizualizacja danych 23-KODL-AWD

Jeszcze nie wprowadzono opisu dla tego przedmiotu...

Cele kształcenia

- przekazanie wiedzy z zakresu programowania w języku Python - umiejętność wykonania podstawowych obliczeń statystycznych w języku Python - zapoznanie z metodami sporządzania wykresów i wizualizacji danych - umiejętność wykonania raportów i sprawozdań naukowych

Informacja o tym, gdzie można zapoznać się z materiałami do zajęć

W sekcji "Pliki" aplikacji MS Teams (w zespole dedykowanym zajęciom).

Kierunek studiów

Kognitywistyka

Metody prowadzenia zajęć umożliwiające osiągnięcie założonych EK

Wykład, ćwiczenia wykonywane w domu przez studentów, projekt z zakresu analizy danych, konsultacje.

Moduł zajęć/przedmiotu prowadzony zdalnie (e-learning)

Zajęcia prowadzone są w b-learningu, co oznacza, że odbywa się jedynie część wykładów. W pozostałym czasie studenci są zobowiązani do pracy własnej - w pierwszym rzędzie do wykonywania ćwiczeń, a w drugim przygotowania projektu z zakresu analizy danych. W tym czasie studenci zachęcani są również do zgłaszania się na konsultacje do prowadzącego. W okresie pandemii wykłady odbywaja się on-line.

Nakład pracy studenta (punkty ECTS)

Poziom przedmiotu

II stopień

Rodzaj przedmiotu

obowiązkowe

Wymagania wstępne w zakresie wiedzy, umiejętności oraz kompetencji

- podstawowe wiadomości z zakresu matematyki - znajomość języka angielskiego pozwalająca na rozumienie tekstów technicznych podstawowe wiadomości z zakresu matematyki - podstawowe wiadomości z zakresu statystyki - podstawowa znajomość języka Python - podstawowa znajomość składania tekstu w LaTeX

Koordynatorzy przedmiotu

Michał Sochański

Efekty kształcenia

- potrafi przygotować skrypt do prostych obliczeń statystycznych
- potrafi wykonoywać proste operacje na macierzach i wektorach
- zna zasady przygotowania raportów i sprawozdań naukowych
- potrafi wizualizować dane w postaci tabel i wykresów
- potrafi operować na testach statystycznych i interpretować ich wyniki
- porównuje i krytycznie ocenia uzyskane wyniki obliczeń własnych
- potrafi zaproponować rozwiązanie konkretnego problemu z zakresu
analizy i wizualizacji danych

Kryteria oceniania

Oceniany jest projekt z zakresu analizy danych.

Literatura

1) Michael Dawson. Python dla każdego. Helion, 2014.
2) Eli Bressert. SciPy and NumPy. O'Reilly Media. 2012.
3) Dokumentacja: http://docs.scipy.org/doc/

Więcej informacji

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

Strona przedmiotu 23-KODL-AWD w USOSweb