1. Z. Smogur, Excel w zastosowaniach inżynieryjnych, Wydawnictwo Helion, Gliwice 2008.
2. S. Kot, J. Jakubowski, A. Sokołowski, Statystyka, Difin, Warszawa 2011.
3. J. Ombach, Wprowadzenie do metod probabilistycznych wspomagane komputerowo - MAPLE, Wydawnictwo Naukowe PWSZ w Nowym Sączu, Nowy Sącz 2006.
4. W. Sadowski, Statystyka matematyczna, PWN, Warszawa 1969.
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
liczba godzin w kontakcie z prowadzącymi
Wykład 0
Konwersatorium (ćwiczenia, laboratorium itd.) 30 Pozostałe godziny kontaktu studenta z prowadzącym 10
liczba godzin pracy studenta bez kontaktu z prowadzącymi
Lektura w ramach przygotowania do zajęć, rozwiązywanie
zadań domowych 20
Przygotowanie krótkiej pracy pisemnej lub referatu po
zapoznaniu się z niezbędną literaturą przedmiotu 0 Przygotowanie projektu lub prezentacji na podany temat
(praca w grupie) 0
Przygotowanie do egzaminu
Ogółem bilans czasu pracy 60
liczba 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 Bazy danych 2
Nazwa w j. ang. Databases 2
Koordynator dr Zbigniew Leśniak
Zespół dydaktyczny
dr Zbigniew Leśniak
Punktacja ECTS* 2
Opis kursu (cele kształcenia)
Celem realizacji kursu jest zapoznanie studentów z podstawowymi pojęciami związanymi ze składowaniem i przetwarzaniem dużych zbiorów danych. Zostaną omówione metody projektowania i korzystania z baz danych NoSQL oraz systemy zoptymalizowane na raportowanie i analizę danych (hurtownie danych).
Kurs jest realizowany w języku polskim.
Warunki wstępne
Wiedza Student zna podstawowe pojęcia z zakresu logiki, teorii mnogości i baz danych.
Umiejętności Student posiada podstawowe umiejętności z zakresu logiki, teorii mnogości i baz danych.
Kursy Bazy danych.
Efekty kształcenia
Wiedza
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla
modułu specjalnościowego)
Po zakończeniu kursu student:
W01: zna różnice pomiędzy systemami NoSQL i klasycznymi relacyjnymi systemami baz danych
W05
W02: zna cel stosowania baz danych NoSQL oraz ich zalety i wady W05
W03: zna sposoby wykorzystania baz danych NoSQL W05
Umiejętności
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla modułu
specjalnościowego)
Po zakończeniu kursu student:
U01: potrafi zaprojektować i zaimplementować bazę danych NoSQL U11 U02: potrafi wykorzystać wybrane bazy danych NoSQL w aplikacjach
przetwarzających duże zbiory danych
U07 U08
U03: potrafi formułować interaktywne i wsadowe zapytania eksploracyjne
U07 U08
Kompetencje społeczne
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla modułu
specjalnościowego)
Po zakończeniu kursu student:
K01: jest świadomy konieczności stałego uaktualniania wiedzy z zakresu
informatyki i zdobywania nowych umiejętności K01
K02: potrafi korzystać z różnych źródeł informacji (w tym zasobów sieciowych) do poszerzania własnej wiedzy, a także weryfikować pozyskiwane informacje
K06
Organizacja Forma zajęć Wykład
(W) Ćwiczenia w grupach
A K L S P E
Liczba godzin 40
Opis metod prowadzenia zajęć
Ilustracja zagadnień teoretycznych za pomocą przykładów.
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
W02 X
W03 X
U01 X X X
U02 X X
U03 X X
K01 X
K02 X
Kryteria oceny Podstawą do uzyskania pozytywnej oceny końcowej jest opanowanie materiału przerabianego na zajęciach i zaliczenie sprawdzianu pisemnego.
Uwagi
Treści merytoryczne (wykaz tematów)
8. Modele baz danych i związane z nimi pojęcia.
9. Systemy rozproszone z nierelacyjnymi modelami danych – NoSQL, porównanie RDBMS z NoSQL.
10. Typy baz danych NoSQL, w tym rodzina kolumn, grafowe, dokumentowe.
11. MongoDB - dokumentowa baza danych NoSQL.
12. Zalety składowania danych w formacie JSON.
13. Typy danych w MongoDB.
14. Operacje CRUD w MongoDB.
15. Hurtownie danych, zadania i architektura systemów integrujących dane i umożliwiających ich przetwarzanie analityczne.
16. Rozproszone składowanie i przetwarzanie danych na platformie Hadoop.
17. Partycjonowanie i przetwarzanie równoległe, zastosowanie algorytmu MapReduce.
18. Wykorzystanie silnika hurtowni Hive, zapytania w języku HiveQL.
Wykaz literatury podstawowej
10. G. Harrison, NoSQL, NewSQL i BigData. Bazy danych następnej generacji, Wydawnictwo Helion, Gliwice 2019.
11. K. Banker, P. Bakkum, S. Verch, D. Garrett, Tim Hawkins, MongoDB w akcji, Wydawnictwo Helion, Gliwice 2016
.
Wykaz literatury uzupełniającej
6. P.J. Sadalage, M. Fowler, NoSQL. Kompendium wiedzy, Wydawnictwo Helion, Gliwice 2014 7. T. White, Hadoop. Komplety przewodnik. Analiza i przechowywanie danych, Wydawnictwo Helion,
Gliwice 2015
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z prowadzącymi
Wykład
Konwersatorium (ćwiczenia, laboratorium itd.) 40 Pozostałe godziny kontaktu studenta z prowadzącym 5
Ilość godzin pracy studenta bez kontaktu z prowadzącymi
Lektura w ramach przygotowania do zajęć 10 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 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 Programowanie obiektowe
Nazwa w j. ang. Object Oriented Programming
Koordynator dr Zbigniew Leśniak
Zespół dydaktyczny
mgr Marek Janasz dr Zbigniew Leśniak
Punktacja ECTS* 3
Opis kursu (cele kształcenia)
Celem realizacji kursu jest przedstawienie podstawowych pojęć i zagadnień występujących w programowaniu obiektowym. W ramach wykładu wprowadzone są pojęcia klasy i obiektu oraz zagadnienia związane zasadami programowania obiektowego. Przedstawione zostaną tez wybrane wzorce projektowe oraz ich zastosowanie.
Kurs jest realizowany w języku polskim.
Warunki wstępne
Wiedza Student zna podstawowe pojęcia z zakresu logiki, teorii mnogości i algebry liniowej.
Umiejętności Student posiada podstawowe umiejętności z zakresu logiki, teorii mnogości i algebry liniowej.
Kursy Kursy wstępne nie są wymagane.
Efekty kształcenia
Wiedza
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla
modułu specjalnościowego)
Po zakończeniu kursu student:
W01: zna sposób definiowania klas, atrybutów, metod oraz klas abstrakcyjnych i interfejsów, a także używania diagramów UML
W09 W12 W02: zna założenia paradygmatu programowania obiektowego i wie jak je realizować za pomocą mechanizmów dostępnych w języku Java
W10 W12
W03: zna wybrane wzorce projektowe
W10 W12
Umiejętności
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla modułu specjalnościowego)
Po zakończeniu kursu student:
U01: potrafi stworzyć aplikacje w języku Java stosując w nich zasadnicze techniki obiektowe (abstrakcja, hermetyzacja, dziedziczenie, polimorfizm) korzystając z popularnych środowisk programistycznych (np. Eclipse)
U07 U08 U02: potrafi opracować projekt, stworzyć dokumentację oraz zaimplementować hierarchię klas reprezentującą określony problem
U07 U08 U03: potrafi wykorzystać wybrane wzorce projektowe przy implementacji projektu
U07
Kompetencje społeczne
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla modułu specjalnościowego)
Po zakończeniu kursu student:
K01: jest świadomy konieczności stałego uaktualniania wiedzy z zakresu informatyki i zdobywania nowych umiejętności korzystając z różnych źródeł informacji
K01 K06 K02: jest świadomy znaczenia decyzji związanych z wyborem wzorców
projektowych i mechanizmów komunikacji między obiektami podjętych podczas pracy nad projektami wieloetapowymi
K01
Organizacja
Forma zajęć Wykład (W)
Ćwiczenia w grupach
A K L S P E
Liczba godzin 15 45
Opis metod prowadzenia zajęć
Omawianie zagadnień teoretycznych i ich ilustracja za pomocą przykładów.
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 X
W03 X X
U01 X X X
U02 X X
U03 X X X
K01 X
K02 X
Kryteria oceny
Podstawą do uzyskania pozytywnej oceny końcowej jest opanowanie materiału prezentowanego na zajęciach, wykonanie projektu oraz uzyskanie pozytywnej oceny z egzaminu.
Uwagi
Treści merytoryczne (wykaz tematów)
19. Wprowadzenie do programowania obiektowego, elementy notacji w języku UML.
20. Podstawy programowania w Javie (typy danych, zmienne, struktury kontrolne, tablice).
21. Klasy, ochrona danych, pakiety.
22. Tworzenie obiektów i wywoływanie metod.
23. Dziedziczenie i polimorfizm.
24. Zależności między klasami.
25. Klasy abstrakcyjne i interfejsy.
26. Obsługa wyjątków.
27. Zasady SOLID.
28. Wybrane wzorce projektowe (Strategia, Adapter, Metoda Wytwórcza).
Wykaz literatury podstawowej
12. B. Eckel, Thinking in Java, Wydawnictwo Helion, Gliwice 2006
13. C. Horstmann, G. Cornell„ Java 2. Podstawy”, Wydawnictwo Helion, Gliwice 2003 .
Wykaz
literatury
uzupełniającej8. G. Booch, J. Rumbaugh, I. Jacobsen, UML Przewodnik użytkownika, WNT, Warszawa 2012 9. E. Gamma, R. Helm, R. Johnson, J. Vlissides, Wzorce projektowe, WNT, Warszawa 2008
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z prowadzącymi
Wykład 15
Konwersatorium (ćwiczenia, laboratorium itd.) 45 Pozostałe godziny kontaktu studenta z prowadzącym 5
Ilość godzin pracy studenta bez kontaktu z prowadzącymi
Lektura w ramach przygotowania do zajęć 10 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 10
Ogółem bilans czasu pracy 90
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 Historia Matematyki
Nazwa w j. ang. History of Mathematics
Koordynator dr hab., prof. UP, P. Błaszczyk
Zespół dydaktyczny
dr hab., prof. UP, P. Błaszczyk
Punktacja ECTS* 3
Opis kursu (cele kształcenia)
Przegląd Elementów Euklidesa. Teoria równych figur. Teoria proporcji. Metody matematyczne przy tworzeniu tablic sinusów z Amalgest Ptolemeusza. Szczegółowa analiza traktatu Archimedesa O mierzeniu koła.
Efekty kształcenia
Wiedza
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych W01. Zna aksjomatykę geometrii euklidesowej.
W02. Rozumie pojęcia pola figury oraz proporcji wielkości.
W03. Zna kontekst historyczny podstawowych twierdzeń geometrii szkolnej.
K_W02, K_W03, K_W05
K_W04, K_W05 K_W03, K_W04, K_W05
Umiejętności
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych U01. Umie stosować definicję proporcji.
U02. Potrafi przeprowadzić kwadraturę dowolnego wielokąta..
U03. Umie przełożyć angielski tekst Elementów Euklidesa na współczesny język matematyczny..
K_U01, K_U03, K_U04 K_U01, K_U03, K_U13 K_U03
Kompetencje społeczne
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych K01. Umie stawiać pytania, służące analizie
fundamentów rozumowań matematycznych.
K02. Potrafi formułować opinie na temat podstawowych zagadnień matematycznych.
K_K02
K_K07
Organizacja
Forma zajęć Wykład (W)
Ćwiczenia w grupach
A K L S P E
Liczba godzin 30
Opis metod prowadzenia zajęć
Wykłady. Zadania tablicowe i domowe. Konsultacje.
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 (kolokwium, kartkówka) Egzamin ustny Egzamin pisemny Inne
W01
x x
W02
x x
W03
x x
W04
x x
U01
x x
U02
x x
U03
x x
K01
x
K02
x
Kryteria oceny Podstawą zaliczenia kursu jest uzyskanie zaliczenia z ćwiczeń i dwa eseje. Ćwiczenia będą zaliczane na podstawie aktywności.
Uwagi
-
Treści merytoryczne (wykaz tematów)
Aksjomaty Elementów Euklidesa.
Twierdzenie Pitagorasa I.47.
Teoria równości figur. Kwadratura wielokąta.
Twierdzenie Pitagorasa VI.31.
Aksjomatyczna teoria wielkości. Teoria figur podobnych.
Twierdzenia Ptolemeusza.
Dowód nie wprost.
Metoda wyczerpywania.
Wykaz literatury podstawowej
1.