Kryteria oceny
Wykład – praca semestralna połączona z prezentacją wyników pracy
W ocenie brane jest pod uwagę: jakość przygotowanej pracy semestralnej na wybrany temat oraz jakość prezentacji uzyskanych wyników projektu.
Uwagi
Brak
Treści merytoryczne (wykaz tematów)
1. Podstawy teoretyczne organizacji i zarządzania: podstawowe pojęcia – organizacja, zarządzanie,
2. Wiedza psychologiczna w naukach o zarządzaniu 3. Humanistyczna a ekonomicznej natura zarządzania 4. Rola kierownika i style kierowania
5. Komunikacja w organizacji.
6. Psychologia motywacji i systemy motywacyjne w organizacji 7. Patologie w organizacjach
8. Psychologia stresu i wypalenia zawodowego
9. Modele podejmowania decyzji i myślenia strategicznego 10. Rozwój organizacji w perspektywie psychologicznej 11. Rekrutacja i doskonalenie zawodowe
12. Psychologia konfliktu w organizacji
13. Psychologiczno-społeczne aspekty funkcjonowania grup i zespołów pracowniczych 14. Doradztwo psychologiczne w organizacji: efekt wypalenia zawodowego, mobbing.
15. Etyka w organizacji.
Wykaz literatury podstawowej
1. Griffin R., Podstawy zarządzania organizacjami, PWN , Warszawa 1996,
2. Kieżun W., Sprawne zarządzanie organizacją, Szkoła Główna Handlowa, Warszawa 1997.
3. Nosal, Cz., (2001) Psychologia myślenia i działania menedżera, Wyd. Akade: Wrocław.
4. Robbins S., DeCezano D., Podstawy Zarządzania, PWE, Warszawa 2002, 5. Stoner J.A.F., Wankel C., Kierowanie, PWE, Warszawa 2004,
6. Hofsteede, G. (2000) Kultury i organizacje. Zaprogramowanie umysłu, Warszawa: Polskie Wydawnictwo Ekonomiczne, wyd. I 2000 (wyd. II zm. 2007).
7. Steinmann H., Schreyogg G., Zarządzanie. Podstawy kierowania przedsiębiorstwem, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 1995.
Wykaz literatury uzupełniającej
1. Robbins S.P. (1998). Zachowania w organizacji. Warszawa: PWE.
2. Strelau, J. (2000). Psychologia. Podręcznik akademicki, t. 3, Gdańsk 2000.
3. Haber, L. H. (1998). Management. Kraków: Wydawnictwo Profesjonalnej Szkoły Biznesu.
4. Morgan, G. (2002). Obrazy organizacji. Warszawa Wydawnictwo Naukowe PWN.
5.
Zbiegień-Maciąg, L (1999). Kultura w organizacji. Warszawa: Wydawnictwo Naukowe PWN.6. Stocki R., (2005) Patologie organizacyjne – diagnoza i interwencja, Wyd. Oficyna Ekonomiczna: Kraków.
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z prowadzącymi
Wykład 30
Konwersatorium (ćwiczenia, laboratorium itd.) - Pozostałe godziny kontaktu studenta z prowadzącym 3
Ilość godzin pracy studenta bez kontaktu z prowadzącymi
Lektura w ramach przygotowania do zajęć 7 Przygotowanie krótkiej pracy pisemnej lub referatu po
zapoznaniu się z niezbędną literaturą przedmiotu - Przygotowanie projektu lub prezentacji na podany
temat (praca w grupie) 10
Przygotowanie do egzaminu 10
Ogółem bilans czasu prac 60
Ilość punktów ECTS w zależności od przyjętego przelicznika 2
KARTA KURSU (realizowanego w module specjalności)
MATEMATYKA
Studia I stopnia stacjonarne
analiza danych rok rozpocz. 2017/2018
Nazwa Szeregi czasowe i prognozowanie
Nazwa w j. ang. Time series and forecasting
Koordynator dr Zbigniew Leśniak
Zespół dydaktyczny
dr Zbigniew Leśniak
Punktacja ECTS* 3
Opis kursu (cele kształcenia)
Zapoznanie studentów z głównymi modelami szeregów czasowych oraz sposobami wykorzystania tych modeli w prognozowaniu.
Efekty kształcenia
Wiedza
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności (określonych w karcie programu studiów dla modułu
specjalnościowego) W01 zna metody analizy szeregów czasowych z
użyciem procesu autoregresyjnego i średniej ruchomej
W02 zna wybrane funkcje i pakiety języka Python służące do analizy szeregów czasowych i
prognozowania na podstawie otrzymanych modeli . W06 W02, W12
Umiejętności
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności (określonych w karcie programu
studiów dla modułu specjalność) U01potrafi skonstruować model ARIMA, ocenić go i
wykorzystać do prognozowania
U02 potrafi posługiwać się specjalistycznymi pakietami komputerowymi do analizy szeregów czasowych.
U03, U05 U08, U12
Kompetencje społeczne
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności (określonych w karcie programu studiów dla modułu
specjalnościowego) K01zdaje sobie sprawę z nieustannego rozwoju
metod i technik analizy danych, rozumie potrzebę śledzenia tych zmian
K02 potrafi korzystać z różnych źródeł informacji (w tym zasobów sieciowych) do poszerzania własnej wiedzy, a także weryfikować pozyskiwane informacje
Ćwiczenia w grupach
A K L S P E
Liczba godzin 15 30
Opis metod prowadzenia zajęć
Wykład z użyciem narzędzi multimedialnych.
Ćwiczenia: rozwiązywanie zadań wspomagane komputerowo.
Formy sprawdzania efektów kształcenia
E – learning Gry dydaktyczne Ćwiczenia w szkole Zajęcia terenowe Praca laboratoryjna Projekt indywidualny Projekt grupowy Udział w dyskusji Referat Praca pisemna (esej) Egzamin ustny Egzamin pisemny Inne
W01
x x
W02
x
U01
x x
U02
x
K01
x
K02
x
Kryteria oceny
Podstawą do uzyskania pozytywnej oceny końcowej jest opanowanie materiału prezentowanego na zajęciach, wykonywanie bieżących zadań na zajęciach, uzyskanie pozytywnej oceny z testu.
Uwagi
Treści merytoryczne (wykaz tematów)
1. Proces stochastyczny a szereg czasowy.
2. Funkcje pakietu Pandas języka Python wykorzystywane dla szeregach czasowych.
3. Podstawowe charakterystyki szeregów czasowych, analiza graficzna.
4. Pojęcie stacjonarności szeregu czasowego, różnicowanie.
5. Proces białego szumu (white noise), błądzenia losowego (random walk).
6. Pojęcie średniej ruchomej (moving average- MA) oraz autoregresji (autoregression - AR).
7. Dekompozycja szeregów czasowych, trend, składowa okresowa.
8. Modele szeregów czasowych z wahaniami sezonowymi.
9. Modele ARIMA/SARIMA, analiza komponentów modelu AR i MA, autokorelacja (ACF) i częściowa autokorelacja (PACF).
10. Walidacja modelu, dane testowe.
11. Pojęcia prognozowania, ocena wiarygodności prognozy.
12. Modele VAR.
13. Narzędzie Prophet.
14. Rekurencyjna sieć neuronowa – wykorzystanie biblioteki Keras.
Wykaz literatury podstawowej
1. G.E.P. Box, G.M. Jenkins - Analiza szeregów czasowych. PWN, Warszawa, 1983
2. W. McKinney, Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska IPython, Helion 2018
Wykaz literatury uzupełniającej
1. W. Milo, Szeregi czasowe, PWE, Warszawa1990
2. E. Kozłowski, Analiza i identyfikacja szeregów czasowych, Politechnika Lubelska, Lublin 2015
3. M. Cieślak, Prognozowanie gospodarcze. Metody i zastosowanie, PWN, Warszawa 2002 4. P.J. Brockwell, R.A. Davis, Introduction to Time Series and Forecasting, Springer, New York
2002
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z prowadzącymi
Wykład 15
Konwersatorium (ćwiczenia, laboratorium itd.) 30 Pozostałe godziny kontaktu studenta z prowadzącym 5
Ilość godzin pracy studenta bez kontaktu z prowadzącymi
Lektura w ramach przygotowania do zajęć 20 Przygotowanie krótkiej pracy pisemnej lub referatu po
zapoznaniu się z niezbędną literaturą przedmiotu 5 Przygotowanie projektu lub prezentacji na podany
temat (praca w grupie) Przygotowanie do egzaminu
Ogółem bilans czasu pracy 75
Ilość punktów ECTS w zależności od przyjętego przelicznika 3
KARTA KURSU (realizowanego w module specjalności)
MATEMATYKA
Studia I stopnia stacjonarne
analiza danych rok rozpocz. 2017/2018
Nazwa Zarządzanie bazami danych w R
Nazwa w j. ang. Database management in R
Koordynator Dr Zbigniew Leśniak Zespół dydaktyczny
Mgr Tomasz Stypuła
Punktacja ECTS* 2