Lista kursów

English version

Kod kursu: BIS00105o15
Rok / Semestr: 2015/2016 letni
Nazwa: Data Mining (Eksploracja Danych)
Kierunek: Bioinformatyka
Typ studiów: magisterskie jednolite
Rodzaj kursu: Obligatoryjny
Semestr studiow: 3
Punkty ECTS: 6
Formy kształcenia (wykłady / ćwiczenia / inne): 30 / 30 / 0
Prowadzący: dr inż. Jacek Lewandowski
Język: polski


Efekty kształcenia: Wiedza W1 – ma wiedzę z zakresu zaawansowanych metod „data mining” [BI2_W08_BP]; W2 – zna zastowania najważniejszych metod „data mining” w naukowych, w tym w zadaniach analizy danych o dużej wymiarowości – metod modelowania predykcyjnego, grupowania danych, generacji reguł asocjacyjnych i in. [BI2_W08_BP, BI2_W11_BP]; W3 – zna najważniejsze algorytmy obliczeniowe wykorzystywane w ww. obszarach „data mining” [BI2_W08_BP, BI2_W11_BP]. Umiejętności U1 – potrafi dobrać właściwe metody/algorytmy do przedstawionego zadania eksploracji danych [BI2_U10_BP, BI2_U03, BI2_U05, BI2_U06]; U2 – potrafi zrealizować zadanie modelowania predykcyjnego w wybranym narzędziu eksploracji danych [BI2_U10_BP, BI2_U03, BI2_U05, BI2_U06]. Kompetencje społeczne(postawy) K1 – umie samodzielnie poszerzać wiedzę i umiejętności w zakresie rozwijanych metod i narzędzi eksploracji danych [BI2_K01, BI2_K05, BI2_K07].

Kompetencje:

Wymagania wstępne: Statystyka, wybrany język programowania.

Treści kształcenia: Zastosowania podstawowych technik „data ,mining” (modelowania predykcyjnego, grupowania danych, analizy reguł asocjacyjnych, szeregów czasowych) głównie w problemach naukowych, również w kontekście biznesowym. Algorytmy wykorzystywane w ww. obszarach „data mining” – algorytmy z dziedziny uczenia maszynowego jak i algorytmy statystyczne.

Literatura: Literatura 1. Han J., Kamber M.: Data Mining: Concepts and Techniques, Third Edition, Elsevier 2012 2. Larose D.: Metody i modele eksploracji danych, PWN 2008 3. Hastie T., Tibshirani R., Friedman J. H.: The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer 2009

Metody oceny: Zaliczenie ćwiczeń: pisemne sprawozdania z wykonanych zestawów ćwiczeń laboratoryjnych. Bieżąca ocena (na podstawie rozmów z prowadzącym) postępów w nauce i aktywności, Obecność na ćwiczeniach jest obowiązkowa; student może mieć tylko jedną nieusprawiedliwioną nieobecność. W przypadku nieobecności usprawiedliwionej student jest zobowiązany do zaliczenia odpowiedniej części materiału. Zaliczenie ćwiczeń na podstawie średniej oceny ze sprawozdań. Zaliczenie przedmiotu:na podstawie kolokwium pisemnego, do którego przystępują osoby mające zaliczenie ćwiczeń laboratoryjnych.

Uwagi: