Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Eksploracja danych

Informacje ogólne

Kod przedmiotu: 1000-5D17ED
Kod Erasmus / ISCED: 11.413 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0613) Tworzenie i analiza oprogramowania i aplikacji Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Eksploracja danych
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Seminaria magisterskie dla Machine Learning
Seminaria magisterskie na informatyce
Seminaria magisterskie na matematyce
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

seminaria magisterskie

Skrócony opis:

Seminarium dotyczy teorii i praktyki technik matematycznych pomocnych w przetwarzaniu danych. Tematyka obejmuje przede wszystkim inteligentną analizę danych, problemy odkrywania wiedzy oraz eksploracji danych, a także matematyczne podstawy i modele wnioskowania na podstawie danych eksperymentalnych.

Pełny opis:

Wybrane zagadnienia ogólne:

* Podstawy teoretyczne systemów uczących i eksploracji danych: wymiar Vapnika-Chervonenkisa i podstawowe twierdzenia teorii uczenia pojęć

* Paradygmaty uczenia: np. nienadzorowane, nadzorowane, semi-nadzorowane, adaptacyjne, meta-uczenie.

* Wnioskowania aproksymacyjne:

logiczne aspekty w eksploracji danych:

+ metody (aproksymacyjnego) wnioskowania boolowskiego

+ boolowskie metody redukcji danych,

+ systemy regułowe, interpretowalność,

+ indukcja różnych modeli klasyfikatorów.

* Algorytmiczne aspekty uczenia: heurystyki, metaheurystyki, oraz ekorytmy w eksploracji danych.

* Procesy odkrywania wiedzy dla aproksymacji złożonych pojęć nieostrych i wnioskowania o nich.

* Eksploracja danych w systemach interakcyjnych.

* Zastosowania różnych działów matematyki w eksploracji danych.

* Zastosowania eksploracji danych w różnych dziedzinach.

* Inteligencja obliczeń i modele obliczeń inspirowane naturą (nature-inspired computing, natural computing)

Wybrane metody eksploracji danych

* metody odkrywania nowych wzorców, w szczególności cech, częstych wzorców, reguł asocjacyjnych, reguł decyzyjnych, klasyfikatorów

* metody eksploracji danych z brakującymi wartościami

* metody eksploracji danych niezbalansowanych

* metody wykrywania obiektów nietypowych

* metody uczenia podobieństwa i odległości

* metody eksploracji danych relacyjnych

* metody eksploracji danych sekwencyjnych, czasowych, przestrzennych

* metody eksploracji danych multimedialnych, np. tekstów

* metody wykrywanie modeli procesów z danych

* metody hierarchicznego uczenia

* metody i technologie obliczeń dla Big Data

* skalowalność metod eksploracji danych, analiza danych strumieniowych

* metody eksploracji danych w złożonych sieciach (np. społecznościowych, grafów)

* metody eksploracji danych w sterowaniu obliczeniami złożonych systemów

* metody adaptacyjnego uczenia i uczenia wspólnego (co-learning)

* metody eksploracji danych w systemach rozproszonych

* metody eksploracji danych w systemach autonomicznych

* metody eksploracji danych w systemach złożonych (obejmujących Cyber Physical Systems, Inernet of Things, Wisdom Web o Things)

Literatura:

Literatura zostanie podana na pierwszych zajęciach.

Efekty uczenia się:

Wiedza:

1. Zna szeroki wachlarz nowoczesnych metod eksploracji dużych danych

2. Zna szeroki wachlarz modeli matematycznych związanych z eksploracją danych.

Umiejętności

1. Ma pogłębioną umiejętność przygotowania wystąpień ustnych, w języku polskim i języku obcym, w zakresie informatyki lub w obszarze leżącym na pograniczu różnych dyscyplin naukowych (K_U11).

2. Potrafi opisywać wybrane problemy informatyczne i ich rozwiązania w sposób zrozumiały dla nieinformatyka; potrafi przygotować prezentację (artykuł) z użyciem narzędzi informatycznych (K_U12).

3. Potrafi przygotować (także w języku angielskim) opracowanie naukowe z wybranej dziedziny informatyki (K_U13).

4. Ma umiejętności językowe w zakresie informatyki zgodne z wymaganiami określonymi dla poziomu B2+ Europejskiego Systemu Opisu Kształcenia Językowego (K_U14).

5. Potrafi określić kierunki dalszego uczenia się i zrealizować proces samokształcenia (K_U15).

Kompetencje

1. Zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia, w tym zdobywania wiedzy pozadziedzinowej (K_K01).

2. Potrafi precyzyjnie formułować pytania, służące pogłębieniu własnego zrozumienia danego tematu (w szczególności w kontaktach z nieinformatykiem) lub odnalezieniu brakujących elementów rozumowania (K_K02).

3. Potrafi pracować zespołowo, w tym w zespołach interdyscyplinarnych; rozumie konieczność systematycznej pracy nad wszelkimi projektami, które mają długofalowy charakter (K_K03).

4. Potrafi formułować opinie na temat podstawowych zagadnień informatycznych (K_K06).

5. Rozumie potrzebę systematycznego zapoznawania się z czasopismami naukowymi i popularnonaukowymi w celu poszerzania i pogłębiania wiedzy (K_K08).

Metody i kryteria oceniania:

Metody i kryteria oceniania:

Zaliczenie na podstawie:

1) przygotowania i wygłoszenia referatu,

2) zatwierdzenia tematu pracy magisterskiej (studenci I roku) lub złożenia pracy (studenci II roku)

Zajęcia w cyklu "Rok akademicki 2023/24" (w trakcie)

Okres: 2023-10-01 - 2024-06-16
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Seminarium magisterskie, 60 godzin więcej informacji
Koordynatorzy: Andrzej Janusz, Dominik Ślęzak
Prowadzący grup: Andrzej Janusz, Dominik Ślęzak
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie
Seminarium magisterskie - Zaliczenie
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.2.0-80474ed05 (2024-03-12)