KARTY KURSU
(realizowane w module specjalności)
MATEMATYKA
Studia I stopnia stacjonarne
analiza danych rok rozpocz. 2017/2018
Semestr 3
1. Probabilistyczne podstawy statystyki matematycznej 2. Teoretyczne podstawy informatyki
3. Arkusz kalkulacyjny Excel z elementami VBA 4. Tworzenie stron WWW
5. Bazy danych 6. Latex
Semestr 4
1. Podstawy programu R 2. Statystyka opisowa w Excelu 3. Bazy danych 2
4. Programowanie obiektowe
5. Kurs do wyboru o tematyce humanistyczno-społecznej 1 (przykładowo Wprowadzenie do filozofii)
6. Kurs do wyboru o tematyce humanistyczno-społecznej 2 (przykładowo Historia matematyki)
Semestr 5
1. Szeregi czasowe i prognozowanie 2. Zarządzanie bazami danych w R 3. Systemy operacyjne
4. Podstawy numerycznych metod obliczeniowych 5. Programowanie aplikacji internetowych
6. Aplikacje użytkowe
7. Statystyka w praktyce z użyciem programu R
Semestr 6
1. Praktyczna analiza baz danych w R na przykładzie bazy egzaminów zewnętrznych w Polsce 2. Konfiguracja i zarządzanie systemami CMS
3. Elementy ekonometrii
KARTA KURSU (realizowanego w module specjalności)
MATEMATYKA
Studia I stopnia stacjonarne
analiza danych rok rozpocz. 2017/2018
Nazwa Probabilistyczne podstawy statystyki matematycznej Nazwa w j. ang. Probabilistic foundation of mathematical statistic
Koordynator Prof.dr hab. Marek Ptak
Zespół dydaktyczny
Prof.dr hab. Marek Ptak dr Marek Czerni
Punktacja ECTS* 4
Opis kursu (cele kształcenia)
Zapoznanie studentów z podstawowymi pojęciami rachunku prawdopodobieństwa. Kształtowanie intuicji probabilistycznych poprzez rozwiązywanie zadań powstałych na tle różnych sytuacji życiowych. Przedstawianie pojęć, metod i wnioskowań probabilistycznych jako matematycznych narzędzi opisu i badania rzeczywistości. Zapoznanie studentów z podstawowymi pojęciami statystyki opisowej i statystyki matematycznej ze szczególnym uwzględnieniem roli jaką odgrywa w tej ostatniej probabilistyka. Przedstawienie podstaw teorii estymacji i weryfikacji hipotez statystycznych.
Efekty kształcenia
Wiedza
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych W01 Zna podstawowe pojęcia i twierdzenia rachunku
prawdopodobieństwa (z zakresu merytorycznego kursu).
W02 Zna podstawowe pojęcia statystyki opisowej oraz sposoby planowania, zbierania oraz opracowywania i prezentacji zebranych danych. Wie jak prezentować otrzymane wyniki.
W03 Zna podstawy teorii estymacji statystycznej jak i rozumowania pozwalające obalić błędne hipotezy.
W06
W06
W06
Umiejętności
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych U01 Posługuje się metodami stochastycznymi do opisu i
badania otaczającej nas rzeczywistości (m. in. określa proste modele probabilistyczne realnych sytuacji losowych).
U02 Umie analizować elementarne problemy o
charakterze stochastycznym i znajdować ich rozwiązania w oparciu o poznane twierdzenia i metody rachunku prawdopodobieństwa.
U03 Potrafi przeprowadzić i opracować badania statystyczne oraz zinterpretować otrzymane wyniki
U04 Umie prowadzić proste wnioskowania statystyczne w zakresie podstaw teorii estymacji oraz weryfikacji hipotez statystycznych
U05
U01, U05
U05
U05
Kompetencje społeczne
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych K01 Student potrafi rozpoznać braki w wiedzy i
uzupełnić je posługując się literaturą i korzystając z konsultacji.
K01
Organizacja
Forma zajęć Wykład (W)
Ćwiczenia w grupach
A K L S P E
Liczba godzin 30 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) Egzamin ustny Egzamin pisemny Inne
W01 x x x
W02 x x x
W03 x x x
U01 x x x
U02 x x x
U03 x x x
U04 x x x
K01
Kryteria oceny
Zaliczenie na podstawie odpowiedzi ustnych i kolokwium.
Uwagi
Treści merytoryczne (wykaz tematów)
1.Podstawy rachunku prawdopodobieństwa Przestrzeń probabilistyczna dyskretna.
Przestrzeń probabilistyczna jako model doświadczenia losowego. Podstawowe pojęcia i wzory kombinatoryczne. Klasyczna przestrzeń probabilistyczna. Losowanie próbki. Algebra zdarzeń. Układ zupełny zdarzeń. Definicja prawdopodobieństwa zdarzenia w dyskretnej przestrzeni probabilistycznej. Własności prawdopodobieństwa. Aksjomatyczna definicja przestrzeni probabilistycznej. Geometryczna przestrzeń probabilistyczna.
Prawdopodobieństwo geometryczne. Zdarzenia praktycznie niemożliwe.
Prawdopodobieństwo klasyczne. Prawdopodobieństwo warunkowe. Prawdopodobieństwo całkowite. Prawdopodobieństwo warunkowe a posteriori. Wzór Bayesa. Niezależność zdarzeń. Produkt kartezjański przestrzeni probabilistycznych. Produktowe przestrzenie probabilistyczne dla serii doświadczeń niezależnych. Schemat Bernoulliego. Zmienna losowa w dyskretnej przestrzeni probabilistycznej i jej rozkład. Podstawowe rozkłady.
Dystrybuanta. Wartość oczekiwana. Wariancja. Niezależność zmiennych losowych.
2.Elementy statystyki opisowej Informacja o elementach wnioskowania statystycznego.
Populacja.Cecha. Próbka jako dane statystyczne. Wybrane statystyki próby i parametry populacji
3 Podstawy teorii estymacji. Estymator. Średnia z próbki jako estymator. Estymator zgodny. Estymacja punktowa. Metody wyznaczania estymatorów. Przegląd podstawowych estymatorów. Metoda największej wiarygodności. Estymacja przedziałowa. Pojęcie
przedziału ufności. Przedziały ufności dla parametrów rozkładu badanej cechy populacji 4.Weryfikacja hipotez statystycznych Proste przykłady weryfikacji hipotez. Obszar krytyczny. Test istotności. Błędy pierwszego i drugiego rodzaju.
Wykaz literatury podstawowej
1. J. Jakubowski, R. Sztencel, Prawdopodobieństwo dla (prawie) każdego, SCRIPT, 2002.
2. L.T. Kubik, Rachunek prawdopodobieństwa, PWN, Warszawa 1980.
3. A. Płocki, Prawdopodobieństwo wokół nas, Wydawnictwo ,,Dla szkoły", Wilkowice 2004.
4. J.Buga, H.Kassyk-Rokicka, Podstawy statystyki opisowej, VIZJA PRESS&IT, 2008
5. Amir D. Aczel, Statystyka w zarządzaniu, PWN Warszawa, 2000
6. W.Krysicki, J.Bartos, W.Dyczka, K.Królikowska, M.Wasilewski, Rachunek
prawdopodobieństwa i statystyka matematyczna w zadaniach, PWN, Warszawa 1999
Wykaz literatury uzupełniającej
1. J. Ombach, Wstęp do rachunku prawdopodobieństwa, Wydawnictwo IM AGH, Kraków 1997.
2. A. Płocki, P. Tlusty, Kombinatoryka wokół nas, Wydawnictwo Naukowe NOVUM, Płock 2010.
3. A. Żak, T. Zakrzewski, Kombinatoryka, prawdopodobieństwo i zdrowy rozsądek, Quadrivium, Wrocław, 1994.
4. M.Piłatowska, Repetytorium ze statystyki, PWN Warszawa 2007
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Liczba godzin w kontakcie z prowadzącymi
Wykład 30
Konwersatorium 30
Pozostałe godziny kontaktu studenta z prowadzącym 5
Liczba godzin pracy studenta bez kontaktu z
prowadzącymi
Lektura w ramach przygotowania do zajęć 15 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 20
Ogółem bilans czasu pracy 100
Liczba punktów ECTS w zależności od przyjętego przelicznika 4
KARTA KURSU (realizowanego w module specjalności)
MATEMATYKA
Studia I stopnia stacjonarne
analiza danych rok rozpocz. 2017/2018
Nazwa Teoretyczne podstawy informatyki
Nazwa w j. ang. Theoretical Foundations of Computer Science
Koordynator dr Zbigniew Leśniak
Zespół dydaktyczny
dr Zbigniew Leśniak mgr Tomasz Stypuła
Punktacja ECTS* 3
Opis kursu (cele kształcenia)
Celem realizacji kursu jest zapoznanie studentów z podstawami teoretycznymi informatyki: teorią języków formalnych, automatów i gramatyk w zakresie hierarchii Chomsky'ego, a także przygotowanie studentów do samodzielnego uczenia się i uzupełniania wiedzy w zakresie podstaw informatyki.
Kurs jest realizowany w języku polskim.
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 podstawy teorii gramatyk i języków formalnych i ich klasyfikacji W01
W02: zna podstawy teorii automatów (w tym ich zastosowanie do konstrukcji kompilatorów) oraz modele teoretyczne maszyn cyfrowych
W01
Umiejętności
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla modułu specjalnościowego)
Po zakończeniu kursu student:
U01: potrafi przeprowadzić generację i akceptację prostych języków formalnych
U13 U02: potrafi zdefiniować i zbudować automat skończony i automat ze stosem,
rozwiązuje problemy algorytmiczne przy pomocy maszyny Turinga U03
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 15 20
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
U01 X X X
U02 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)
1. Alfabet, słowo, języki i gramatyki formalne.
2. Automat skończony; automat minimalny i algorytmy; automaty deterministyczne i niedeterministyczne. Automaty Moore’a i Mealy’ego.
3. Języki regularne i ich własności. Wyrażenia regularne i algorytmy.
4. Języki bezkontekstowe i ich własności. Automat ze stosem; równoważność gramatyki bezkontekstowej i automatu ze stosem - algorytmy.
5. Języki kontekstowe i automat liniowo ograniczony.
6. Maszyna Turinga. Podstawowe klasy złożoności obliczeniowej.
7. Klasyfikacja języków formalnych. Hierarchia Chomsky’ego.
Wykaz literatury podstawowej
7. J. E. Hopcroft, R. Motwani, J. D. Ullman, Wprowadzenie do teorii automatów, języków i obliczeń, PWN, Warszawa 2005
8. T. Krasiński, Automaty i języki formalne; Wydawnictwo Uniwersytetu Łódzkiego, Łódź 200 9. M. Sipser, Wprowadzenie do teorii obliczeń, WNT, Warszawa 2009
.
Wykaz literatury uzupełniającej
1. A. V. Aho, R. Sethi, J. D. Ullman, Kompilatory, reguły, metody i narzędzia, WNT, Warszawa 2002 2. S. B. Cooper, Computability Theory, Chapman and Hall/CRC, Boca Raton 2004
3. J. Jędrzejowicz, A. Szepietowski, Języki, automaty, złożoność obliczeniowa, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk 2008.
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z prowadzącymi
Wykład 15
Konwersatorium (ćwiczenia, laboratorium itd.) 20 Pozostałe godziny kontaktu studenta z prowadzącym 10
Ilość godzin pracy studenta bez kontaktu z prowadzącymi
Lektura w ramach przygotowania do zajęć 15 Przygotowanie krótkiej pracy pisemnej lub referatu po
zapoznaniu się z niezbędną literaturą przedmiotu 10 Przygotowanie projektu lub prezentacji na podany temat
(praca w grupie) 5
Przygotowanie do egzaminu 15
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 Arkusz Kalkulacyjny Excel z Elementami VBA
Nazwa w j. ang.
Excel and introduction to VBA in Excel
Koordynator dr Beata Deręgowska
Zespół dydaktyczny
dr Beata Deręgowska
Punktacja ECTS* 2
Opis kursu (cele kształcenia)
Celem realizacji kursu jest poznanie zaawansowanych funkcjonalności arkusza kalkulacyjnego (m.in. listy danych, zależne listy danych, poprawność danych, tabele i wykresy przestawne, formatowanie warunkowe, dodatek solver) oraz wprowadzenie do makr i języka VBA.
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 zaawansowane formuły arkusza kalkulacyjnego (formuły tekstowe, formuły związane z datą i czasem, formuły wyszukujące i zliczające) oraz metodę tabeli i wykresu przestawnego
W02
W02: zna podstawowe pojęcia i konstrukcje języka VBA (w tym zmienne i stałe,
operatory, instrukcje pętli) W02
Umiejętności
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla modułu specjalnościowego)
Po zakończeniu kursu student:
U01: Potrafi posługiwać się narzędziami wbudowanymi w arkusz kalkulacyjny
U09 U02: Potrafi posługiwać się formułami tablicowymi arkusza kalkulacyjnego U09 U03: Potrafi analizować dane za pomocą tabel przestawnych U09 U04: Potrafi przedstawiać dane w postaci wykresów odpowiedniego typu U09
Kompetencje społeczne
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla modułu specjalnościowego)
Po zakończeniu kursu student:
K01: zna ograniczenia własnej wiedzy i rozumie potrzebę jej uzupełniania,
w szczególności potrzebę samokształcenia K01
K02: potrafi samodzielnie wyszukiwać informacje w literaturze dotyczące wybranych zagadnień matematyki i informatyki
K06
Organizacja
Forma zajęć Wykład (W)
Ćwiczenia w grupach
A K L S P E
Liczba godzin 30
Opis metod prowadzenia zajęć
Ćwiczenia prowadzone w pracowni komputerowej
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
U01 X
U02 X
U03 X
U04 X
K01 X
K02 X X
Kryteria oceny Zaliczenie z oceną na podstawie bieżącej pracy w semestrze
Uwagi
Treści merytoryczne (wykaz tematów)
1. Wiadomości wstępne o programie Excel
2. Formuły wbudowane (funkcje tekstowe, funkcje zliczające, funkcje wyszukujące) 3. Formuły tablicowe.
4. Formatowanie warunkowe.
5. Solver.
6. Wykresy.
7. Tabele i wykresy przestawne.
8. Dashboardy.
9. Wprowadzenie do makr i języka VBA.
Wykaz literatury podstawowej
Moduł ma charakter autorski, obowiązuje przede wszystkim materiał wyłożony, literatura ma charakter pomocniczy.
Wykaz literatury uzupełniającej
1. J. Walkenbach, „Excel 2016 PL. Biblia”, Wydawnictwo Helion, 2016.
2. M. Alexander, R. Kusieika „Excel 2016 PL. Programowanie w VBA”, Wydawnictwo Helion, 2016.
3. H. Guerrero, „Excel Data Analysis”, Wydawnictwo Springer, 2010.
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z prowadzącymi
Wykład 0
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 25 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
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 Tworzenie stron WWW
Nazwa w j. ang. Web designing
Koordynator Mgr Katarzyna Wójcik
Zespół dydaktyczny
Mgr Katarzyna Wójcik Dr Anna Stolińska
Punktacja ECTS* 2
Opis kursu (cele kształcenia)
Celem kursu jest przygotowanie słuchaczy studiów stacjonarnych do projektowania stron
internetowych w oparciu o aktualną wersję języka HTML z wykorzystaniem arkuszy CSS. Studenci zapoznani są również z wykorzystaniem najnowszej wersji frameworka (np. Bootstrap) do
projektowania stron responsywnych.
Kurs jest realizowany w języku polskim
Efekty kształcenia
Wiedza
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności (określonych w karcie programu studiów dla modułu
specjalnościowego) W01 posiada wiedzę na temat aktualnej wersji
języka, występowania różnic w interpretacji HTML przez różne przeglądarki internetowe, rozumie problematykę responsywności stron.
W11
W02: posiada wiedzę potrzebną do prezentacji elementów tekstowych, graficznych i multimedialnych na stronach WWW oraz ich formatowania.
W11
W03: zna sposób wykorzystania wybranego frameworka do przygotowanie responsywnych
elementów na stronie www. W11
Umiejętności
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności (określonych w karcie programu
studiów dla modułu specjalność) U01: deklaruje poprawną strukturę dokumentu, tworzy
układ elementów na stronie za pomocą nowych znaczników HTML5, umieszcza elementy tekstowe, graficzne, muzykę i filmy, tworzy hiperłącza.
U11
U02: weryfikuje poprawność dokumentu HTML za
pomocą walidatora W3C i publikuje stronę na serwerze. U11 U03: tworzy proste formularze, osadza gotowe skrypty w
dokumencie HTML. U11
Kompetencje społeczne
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności (określonych w karcie programu studiów dla modułu
specjalnościowego) K01:rozumie potrzebę nieustannego doskonalenia
się związaną z dynamicznym rozwojem technologii
internetowych oraz dzielenia się nią z innymi. K01
Organizacja
Forma zajęć Wykład (W)
Ćwiczenia w grupach
A K L S P E
Liczba godzin 30 3
Opis metod prowadzenia zajęć
Ćwiczenia laboratoryjne odbywają się w pracowni komputerowej. Materiały do ćwiczeń zamieszczone są na platformie e-learningowej.
W trakcie ćwiczeń laboratoryjnych studenci pracują nad indywidualnym projektem – witryną.
Studenci posiadają dostęp do darmowych kont na serwerze.
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
I_W03
X X X X
I_U03
X X
D_K01
X X X
I_K01
X X X
Kryteria oceny
Ocena końcowa zależeć będzie od przygotowanego projektu strony w języku HTML (jego poprawności i złożoności) oraz pracy na zajęciach (przygotowanie referatu, udział w dyskusji, realizacja zadań etapowych).
Uwagi
Przedmiot prowadzony jest w systemie blended-learning.
Szczegóły dotyczące realizacji kursu, materiały, linki do aktualnych zasobów w sieci umieszczane są w przygotowanym przez prowadzącego kursie.
Treści merytoryczne (wykaz tematów)
1. Historia rozwoju języka HTML, konsorcjum W3C – standardy tworzenia stron.
2. Struktura dokumentu HTML i podstawowe znaczniki.
3. Edytory i aplikacje ułatwiające tworzenie stron WWW.
4. Kaskadowe arkusze stylów (CSS), priorytety, selektory, dziedziczenie. Zasady formatowania zawartości stron WWW.
5. Formatowanie czcionki i tekstu.
6. Tworzenie i formatowanie różnych typów odnośników.
7. Przygotowywanie grafiki (optymalizacja plików) i umieszczanie jej na stronach internetowych.
8. Osadzanie multimediów w dokumencie HTML.
9. Formularze elektroniczne na stronach WWW, sposoby przesyłanie danych.
10. Przykłady języków skryptowych działających po stronie przeglądarki i po stronie serwera ( client size vs server size), dołączanie gotowych skryptów do stron WWW.
11. Responsywność stron internetowych - sposoby realizacji, popularne frameworki 12. Publikowanie serwisu WWW w sieci.
Wykaz literatury podstawowej
1. https://www.w3schools.com/2. M. MacDonald, HTML5. Nieoficjalny podręcznik, wydanie II, Helion 2014 3. W. Gajda HTML5 i CSS3 : praktyczne projekty, Helion 2013
Wykaz literatury uzupełniającej
Materiały zamieszczane przez prowadzących na platformie e-learningowej
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z prowadzącymi
Wykład
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 5 Przygotowanie krótkiej pracy pisemnej lub referatu po
zapoznaniu się z niezbędną literaturą przedmiotu 5 Przygotowanie projektu lub prezentacji na podany
temat (praca w grupie) 5
Przygotowanie do egzaminu/zaliczenia 10
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
Bazy danych
Nazwa w j. ang. Databases
Koordynator dr Zbigniew Leśniak
Zespół dydaktyczny
dr Zbigniew Leśniak mgr Tomasz Stypuła
Punktacja ECTS* 2
Opis kursu (cele kształcenia)
Celem realizacji kursu jest zapoznanie studentów z zasadami modelowania i projektowania baz danych, relacyjnym modelem danych i standardowym językiem baz danych SQL. Zostaną też omówione fizyczne aspekty wykonywania zapytań i składowania danych, metody optymalizacji zapytań i przetwarzanie transakcji.
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: posiada wiedzę na temat zasad projektowania baz danych. W05
W02: zna własności języka zapytań SQL W05
W03: rozumie rolę i znaczenie transakcji w bazach danych 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 relacyjną bazę danych
U10 U11
U02: potrafi formułować zapytania SQL U10
U03: potrafi pisać procedury składowane i wyzwalacze U10
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 10 20
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
W02 X
W03 X
U01 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 wykonanie projektu.
Uwagi
Treści merytoryczne (wykaz tematów)
1. Modele baz danych i związane z nimi pojęcia.
2. Zasady projektowania baz danych, diagram związków encji (ERD).
3. Tworzenia wielo-tabelowej relacyjnej bazy danych z wykorzystaniem MySQL Workbench.
4. Definiowanie więzów integralności w relacyjnej bazie danych i ich wykorzystanie: indeksowanie, kaskadowa aktualizacja i usuwanie danych.
5. Konstruowanie zapytań wybierających i funkcjonalnych w języku SQL.
6. Pojęcie transakcyjności w bazach danych. Model ACID.
7. Procedury składowane i wyzwalacze.
Wykaz literatury podstawowej
1. J. Ulmann, J. Widom, Podstawowy kurs systemów baz danych, Wydawnictwo Helion, Gliwice 2011.
2. D. Mendrala, M. Szeliga, Praktyczny kurs SQL, Wydawnictwo Helion, Gliwice 2015 .
Wykaz literatury uzupełniającej
1. L. Rockoff, Język SQL. Przyjazny podręcznik, Wydawnictwo Helion, Gliwice 2017
2. K. Żmuda, SQL. Jak osiągnąć mistrzostwo w konstruowaniu zapytań, Wydawnictwo Helion, Gliwice 2015
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z prowadzącymi
Wykład 10
Konwersatorium (ćwiczenia, laboratorium itd.) 20 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 Przygotowanie projektu lub prezentacji na podany temat
(praca w grupie) 5
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 LaTeX
Nazwa w j. ang.
LaTeX
Koordynator
dr hab. Wojciech Jabłoński
Zespół dydaktyczny
dr hab. Wojciech Jabłoński
Punktacja ECTS* 2
Opis kursu (cele kształcenia)
Zapoznanie z podstawowymi wiadomościami na temat pakietu do edycji tekstu MikTeX:
- źródła programu, proces instalacji i konfiguracji oprogramowania, - zasady edycji, składu i łamania tekstu (w tym tekstu matematycznego), - sposoby tworzenia i implementacji grafiki,
- tworzenie prezentacji (pakiet beamer).
Warunki wstępne
Wiedza Student zna podstawowe pojęcia z zakresu: matematyka (poziom szkoły ponadgimnazjalnej).
Umiejętności Student posiada podstawowe umiejętności z zakresu: obsług komputera - system Windows.
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: Ma wiedzę dotyczącą zasad formatowania tekstów, prowadzenia
obliczeń w arkuszu kalkulacyjnym, tworzenia grafiki W02
Umiejętności
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla modułu specjalnościowego)
Po zakończeniu kursu student:
U01: potrafi posługiwać się nowoczesnymi środowiskami programistycznymi do pisania, wykonywania i testowania programów w różnych językach programowania
U08
U02: przedstawia w formie pisemnej i ustnej praktyczne oraz teoretycznie zagadnienia z zakresu przetwarzania i przechowywania danych.
U11
Kompetencje społeczne
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla modułu specjalnościowego)
Po zakończeniu kursu student:
K01: zna ograniczenia własnej wiedzy i rozumie potrzebę jej uzupełniania, w
szczególności z zakresu fizyki i techniki K01
K02: zna ograniczenia własnej wiedzy i rozumie potrzebę jej uzupełniania, w
szczególności z zakresu fizyki i techniki K02
Organizacja
Forma zajęć Wykład (W)
Ćwiczenia w grupach
A K L S P E
Liczba godzin 30
Opis metod prowadzenia zajęć
Zajęcia laboratoryjne w pracowni komputerowej. Praca samodzielna z komputerem, zapoznawanie się z literaturą, przygotowywanie projektów (projekty indywidualne), prezentacja projektu (projekty grupowe).
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 x x
U01 x x x x
U02 x x x x
U03 x x x x
U04 x x x x
K01 x x x x
K02 x x x x
Kryteria oceny
Udział w zajęciach oraz zaliczenie przedmiotu: projekt indywidualny, projekt grupowy, praca laboratoryjna, udział w dyskusji.
Uwagi
Wykorzystując poznane na zajęciach struktury student w ramach projektu indywidualnego student przygotowuje tekst matematyczny (skład i łamanie) w stylu article oraz w ramach projektu grupowego prezentację.
Treści merytoryczne (wykaz tematów)
1. Źródła oprogramowania, pobieranie oprogramowania, instalacja i konfiguracja oprogramowania.
2. Plik źródłowy i jego struktura: klasy dokumentów, pakiety, style, pliki wyjściowe.
3. Składanie tekstu: rozdziały, akapity, przypisy, czcionki, środowiska, etykiety i odwołania, nagłówki, stopki, skład wielokolumnowy.
4. Listy (pakiet enumerate) i tabele (pakiet longtable).
5. Definiowanie i redefiniowanie komend i środowisk.
6. Matematyka w LaTeX-u: symbole, środowiska, wzory wielolinijkowe.
7. Tworzenie grafiki w LaTeX-u i importowanie grafiki zewnętrznej (eps, pdf, png).
8. Tworzenie spisu literatury, spisu treści i skorowidza.
9. Tworzenie prezentacji (pakiet beamer), użycie opcji zaawansowanych, dowołania.
10. Korespondencja seryjna w LaTeX-u.
Wykaz literatury podstawowej
1. L. Lamport, LaTeX. System opracowania dokumentów, WNT Warszawa 2004.
2. Kazimierz M. Borkowski, LateX. Profesjonalny skład publikacji, Wyd. Adam Marszałek, Toruń 1992.
3. The Longtable Package, https://ctan.org/pkg/longtable.
4. The Enumerate Package, https://ctan.org/pkg/enumitem.
5. The Fancyhdr Package, https://ctan.org/pkg/fancyhdr.
6. The BEAMER class. User Guide for version 3.10, ftp://ftp.dante.de/tex-
archive/macros/latex/contrib/beamer/doc/beameruserguide.pdf7. The csvsimple Package, https://ctan.org/pkg/csvsimple
Wykaz literatury uzupełniającej
1. T. Oetiker, Nie za krótkie wprowadzenie do systemu LaTeX 2e Albo LaTeX2e w 129 min,
https://ctan.org/tex-archive/info/lshort/polishBilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z prowadzącymi
Wykład
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 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) 10
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 Podstawy programu R
Nazwa w j. ang. Introduction to R
Koordynator dr Zbigniew Leśniak
Zespół dydaktyczny
mgr Tomasz Stypuła
Punktacja ECTS* 3
Opis kursu (cele kształcenia)
Celem realizacji kursu jest zapoznanie studentów z podstawami programowania oraz specyficznymi funkcjami programu R, mającymi zastosowanie w obliczeniach, symulacji, analizie i wizualizacji danych.
Kurs jest realizowany w języku polskim.
Warunki wstępne
Wiedza Student zna podstawowe pojęcia z zakresu logiki, algebry liniowej, statystyki opisowej.
Umiejętności Student potrafi obsługiwać system operacyjny Windows w stopniu podstawowym.
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 podstawowe obiekty i konstrukcje języka R W07 W02: zna wybrane funkcje i pakiety dostępne w środowisku R, służące do pobierania i zapisywania danych z zewnętrznych źródeł, filtrowania danych, symulacji, graficznej prezentacji danych, obliczeń statystycznych
W07
Umiejętności
Efekt kształcenia dla kursu
Odniesienie do efektów dla specjalności
(określonych w karcie programu studiów dla modułu specjalnościowego)
Po zakończeniu kursu student:
U01: potrafi pisać proste skrypty w języku R realizujący dany algorytm U15 U02: potrafi poprać dane z zewnętrznego źródła, tworzyć różnego rodzaju
wykresy na podstawie danych, filtrować dane według zadanego kryterium, przeprowadzać proste symulacje, przeprowadzać proste obliczenia statystyczne
U15
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
K01
Organizacja
Forma zajęć Wykład (W)
Ćwiczenia w grupach
A K L S P E
Liczba godzin 45
Opis metod prowadzenia zajęć
Zajęcia laboratoryjne w pracowni komputerowej. Rozwiązywanie przykładowych zadań ilustrujących możliwości programu R.
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
U02 X
U03 X
K01 X
K02 X
Kryteria oceny
Podstawą do uzyskania pozytywnej oceny końcowej jest opanowanie materiału prezentowanego na zajęciach, wykonanie bieżących zadań komputerowych na zajęciach, uzyskanie pozytywnej oceny z testu praktycznego.
Uwagi
Treści merytoryczne (wykaz tematów)
1. Podstawowe typy danych w R (wektory, macierze, tablice, ramki danych) 2. Operatory, selektory, instrukcje sterujące (warunkowe, pętle)
3. Funkcje wejścia i wyjścia, przegląd pakietów służących do pozyskiwania danych 4. Przegląd funkcji wbudowanych (funkcje agregujące, filtrujące, wyszukujące) 5. Przegląd funkcji służących do tworzenia wykresów
6. Generowanie wartości losowych, symulacje
7. Przegląd funkcji służących do obliczeń statystycznych
Wykaz literatury podstawowej
1. M. Gągolewski, Programowanie w języku R. Analiza danych, obliczenia, symulacje, PWN, Warszawa 2016
2. P. Biecek, Przewodnik po pakiecie R, Oficyna Wydawnicza GiS, Wrocław 2017
Wykaz literatury uzupełniającej
4. T.Górecki, Podstawy statystyki z przykładami w R, Wydawnictwo BTC, Legionowo 2011
5. M.Walesiak, E.Gatnar, Statystyczna analiza danych z wykorzystaniem program R, PWN, Warszawa 2009.
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z prowadzącymi
Wykład
Konwersatorium (ćwiczenia, laboratorium itd.)
45
Pozostałe godziny kontaktu studenta z prowadzącym5
Ilość godzin pracy studenta bez kontaktu z prowadzącymi
Lektura w ramach przygotowania do zajęć
20
Przygotowanie krótkiej pracy pisemnej lub referatu pozapoznaniu się z niezbędną literaturą przedmiotu
5
Przygotowanie projektu lub prezentacji na podany temat(praca w grupie)
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 Statystyka opisowa w Excelu
Nazwa w j. ang. Descriptive statistics with Excel
Koordynator Dr Ireneusz Krech
Zespół dydaktyczny
Dr Ireneusz Krech
Punktacja ECTS* 2
Opis kursu (cele kształcenia)
Zapoznanie studentów z podstawowymi pojęciami statystyki opisowej. Kształtowanie umiejętności planowania, przeprowadzania badań statystycznych (w tym zbierania i gromadzenia danych) oraz opracowania zebranych danych. Kształtowanie umiejętności interpretacji otrzymanych wyników oraz udzielania odpowiedzi na postawione wcześniej racjonalne pytania problemowe (w określonej sytuacji rzeczywistej). Kształtowanie intuicji statystycznych poprzez rozwiązywanie zadań powstałych na tle różnych sytuacji życiowych, ukazywanie pojęć, metod i wnioskowań probabilistycznych jako matematycznych narzędzi opisu i badania rzeczywistości, ukazywanie przykładów stosowania matematyki.
Warunki wstępne
Wiedza
Wiedza z kursów: 1) Probabilistyczne podstawy statystyki matematycznej, 2) Arkusz
kalkulacyjny Excel z elementami VBAUmiejętności
Umiejętności nabyte na kursie: 1) Probabilistyczne podstawy statystyki
matematycznej, 2) Arkusz kalkulacyjny Excel z elementami VBA.Kursy
1)
Probabilistyczne podstawy statystyki matematycznej.2)
Arkusz kalkulacyjny Excel z elementami VBA.Efekty kształcenia
Wiedza
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych
W01 rozumie budowę teorii matematycznych, zna narzędzia matematyczne przydatne do opisu i analizy prostych modeli matematycznych w innych dziedzinach nauk
W02 Zna podstawowe pojęcia statystyki opisowej oraz sposoby planowania, zbierania oraz opracowywania i prezentacji zebranych danych. Wie, jak prezentować otrzymane wyniki.
W03 zna podstawowe możliwości programu MS Excel w zakresie statystyki opisowej
W06
W06
W02
umiejętności Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych
U01 potrafi przeprowadzić kompleksową analizę struktury, tworzyć szeregi przedziałowe, a na ich podstawie
wyznacza podstawowe miary statystyczne oraz wykresy (graficzna prezentacja i interpretacja)
U02 potrafi zastosować odpowiedni aparat matematyczny do analizy danych
U03 umie wykorzystywać program komputerowy MS Excel w zakresie analizy danych
U04 potrafi przeprowadzić analizę korelacji i regresji
U05
U01
U08
U05, U14
Kompetencje społeczne
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych
K01 zna ograniczenia własnej wiedzy i rozumie potrzebę jej uzupełniania
K02 potrafi samodzielnie wyszukiwać informacje w literaturze dotyczące wybranych zagadnień matematyki i informatyki
K01
K06
Organizacja
Forma zajęć Wykład (W)
Ćwiczenia w grupach
A K L S P E
Liczba godzin 30
Opis metod prowadzenia zajęć
Zajęcia w pracowni komputerowej.
Formy sprawdzania efektów kształcenia
E – learning Gry dydaktyczne Ćwiczenia w szkole Zajęcia terenowe Praca laboratoryjna Projekt indywidualny Projekt grupowy Udział w dyskusji Referat Praca zaliczeniowa (kolokwium praktyczne w laboratorium) Egzamin ustny Egzamin pisemny Inne
W01 X X X
W02 X X X
W03 X X X
U01 X X X
U02 X X X
U03 X X X
U04 X X X
K01 X X
K02 X X X
Kryteria oceny
Ocena z przedmiotu jest średnią ważoną i uwzględnia: w 70% ocenę z
praktycznego kolokwium zaliczeniowego w laboratorium oraz w 30% ocenę z aktywności na ćwiczeniach laboratoryjnych w trakcie semestru. Warunkiem koniecznym zaliczenia przedmiotu jest obecność na zajęciach. Dopuszcza się jedną nieobecność nieusprawiedliwioną na zajęciach oraz w sumie nie więcej niż 4 w trakcie całego semestru.
Uwagi
Treści merytoryczne (wykaz tematów)
Populacja. Cecha. Próbka jako dane statystyczne. Tworzenie szeregów przedziałowych.
Podstawowe miary statystyki opisowej: położenia, zmienności, asymetrii, koncentracji.
Wyznaczanie miar na podstawie szeregów rozdzielczych z użyciem programu Excel. Kompleksowa
analiza struktury. Analiza danych dla dwóch grup. Tworzenie wykresów, diagramów, histogramów i
ich interpretacja. Prezentacja danych przy badaniu współzależności cech. Badanie związków między
cechami. Analiza korelacji, współczynniki korelacji liniowej. Miary współzależności wykorzystujące statystykę χ
2. Analiza regresji. Wyznaczanie parametrów liniowego modelu regresji i ocena jego dopasowania. Liniowy model regresji wielorakiej. Przykłady linearyzacji regresji nieliniowej. Szeregi czasowe, metody prognozowania.
Wykaz literatury podstawowej:
1. M. Rabiej, Analizy statystyczne z programami Statistica i Excel, Helion, 2018.
2. E. Wasilewska, Statystyka opisowa od podstaw, Wydawnictwo SGGW, 2009.
3. J. Buga, H. Kassyk-Rokicka, Podstawy statystyki opisowej, VIZJA PRESS&IT, 2008.
4. M. Parlińska, J. Parliński, Badania statystyczne z Excelem, Wydawnictwo SGGW, Warszawa 2007.
Wykaz literatury uzupełniającej:
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.
P. Błaszczyk, K. Mrówka, Euklides, Elementy, Księgi V-VI. Tłumaczenie i komentarz.
CCP, Kraków 2013.
2. R. Fitzpatrick, Euclid’s Elements of Geometry;
http://farside.ph.utexas.edu/Books/Euclid/Elements.pdf
Wykaz literatury uzupełniającej
1.T.L. Heath, Works of Archimedes, Dover 1912.
2.A. Pedersen, A survey of Amalgest; Springer 2011.
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 5
Ilość godzin pracy studenta bez kontaktu z prowadzącymi
Lektura w ramach przygotowania do zajęć,
rozwiązywanie zadań domowych 25
Przygotowanie krótkiej pracy pisemnej lub referatu po zapoznaniu się z niezbędną literaturą przedmiotu - Przygotowanie projektu lub prezentacji na podany
temat (praca w grupie) -
Przygotowanie do esejów 15
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 Psychologia zarządzania
Nazwa w j. ang. Management psychology
Koordynator Dr inż. Mariusz Cembruch- Nowakowski
Zespół dydaktyczny
Dr inż. Mariusz Cembruch- Nowakowski
Punktacja ECTS* 2
Opis kursu (cele kształcenia)
Dostarczenie podstawowej wiedzy z zakresu wybranych aspektów psychologii zarządzania:
miejscu psychologii w naukach o zarządzaniu,
C1. Głównym celem studiów jest poznanie najnowszych trendów w zarządzaniu zasobami ludzkimi oraz nabycie umiejętności wykorzystywania ich w praktyce.
C2. Zdobycie wiedzy z zakresu: przywództwa, zarządzania konfliktem, motywowania i organizacji pracy oraz umiejętności stosowania metod psychologicznych, przydatnych w zarządzaniu
zespołem pracowników.
C3. Zdobycie wiedzy na temat radzenia sobie ze stresem i zjawiskiem wypalenia zawodowego.
Warunki wstępne
Wiedza
-
Umiejętności
Umiejętność kreatywnego myślenia
Umiejętność korzystania z różnych źródeł informacji Umiejętność pracy samodzielnej oraz w grupie
Umiejętności prawidłowej prezentacji posiadanej wiedzy oraz własnych poglądów.
Kursy
-
Efekty kształcenia
Wiedza
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych
W01,
zna podstawowe koncepcje organizacji, posługuje się terminologią nauk ekonomicznych i społecznych
W02
, posiada wiedzę na temat skutków
ekonomicznych, społecznych, środowiskowych i menedżerskich zjawisk kulturowych w skali organizacji (w kontekście podstawowych ujęć teoretycznych właściwych dla dyscypliny zarządzanie)
W/03, zna współczesne osiągnięcia psychologii biznesu oraz socjologii organizacji i możliwości jego odniesienia do realnych problemów
zarządzania
K_W01, K_W02,
K_W25
Umiejętności
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych
U/01.
posiada umiejętność stosowania w praktyce wyspecjalizowanej wiedzy z określonego obszaru nauk o zarządzaniu.
U/02
posiada umiejętność doboru i zarządzania zasobami ludzkimi, materialnymi, finansowymi i informacyjnymi w celu skutecznego i efektywnego wykonania zadań menedżerskich
K_W01, K_U01, K_U08 K_U02,
K_U05 K_U03
Kompetencje społeczne
Efekt kształcenia dla kursu Odniesienie do efektów kierunkowych
K01, Pracuje samodzielnie oraz w zespole, dyskutuje
na tematy związane zarówno ze zjawiskami gospodarczymi jak i społecznymi powiązanymi z marketingiem.
K02, Wykazuje aktywność wobec zmian zachodzących w otoczeniu marketingowym.
K_K04, K_K05, K_K07
K_K08,K_K05
Organizacja
Forma zajęć Wykład (W)
Ćwiczenia w grupach
A K L S P E
Liczba godzin 30 EO