Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Projekt zespołowy – budowa systemu analizy danych
Koordynator przedmiotu:
Dr inż. Marcin Luckner, Dr hab. inż. Przemysław Biecek
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Informatyka i Systemy Informacyjne
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
1120-INPAD-MSP-XXXX
Semestr nominalny:
3 / rok ak. 2018/2019
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
.
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
.
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
.
Formy zajęć i ich wymiar w semestrze:
  • Wykład0h
  • Ćwiczenia0h
  • Laboratorium0h
  • Projekt45h
  • Lekcje komputerowe0h
Wymagania wstępne:
Statystyka matematyczna, Wstęp do uczenia maszynowego, Przetwarzanie danych w językach R i Python, Techniki wizualizacji danych
Limit liczby studentów:
.
Cel przedmiotu:
Celem zajęć jest realizacja praktycznych projektów budowy systemu składowania i analizy danych (w grupach), które pozwolą wykorzystać i zweryfikować wiedzę teoretyczną, zdobytą w trakcie studiów, ze szczególnym uwzględnieniem składowania i analizy danych w trybie wsadowym lub strumieniowym, potencjalnie z użyciem środowisk Big Data.
Treści kształcenia:
Projekt: 1. Analiza wymagań i możliwości realizacji zaawansowanych analiz z wykorzystaniem dostępnych danych. 2. Analiza potrzeb odbiorców systemu i możliwości wykreowania innowacyjnych rozwiązań. 3. Dobór architektury systemu z uwzględnieniem aspektów wydajnościowych i wolumenu przetwarzanych danych, w tym danych Big Data. 4. Implementacja systemu. 5. Ocena wyników analizy danych (dokładność uzyskanych rozwiązań bazujących na metodach uczenia maszynowego, wydajność przetwarzania). 6. Przedstawienie wyników i dyskusja.
Metody oceny:
Do zyskania jest 100 punktów: uczestniczenie i aktywność w spotkaniach projektowych: 0-10 punktów, realizacja indywidualnych zadań: 0-30 punktów, przedstawienie projektu i jego efekty: 0-40 punktów, terminowa realizacja kamieni milowych: 0-20 punktów. Próg zaliczenia wynosi 51 pkt, a rozkład progów kolejnych ocen to sekwencja 61, 71, 81 i 91 pkt.
Egzamin:
nie
Literatura:
1. M. Grover, T. Malaska, J. Seidman, G. Shapira, Hadoop Application Architectures, O'Reilly, 2015 2. N. Marz, J. Warren, Big Data: Principles and Best Practices of Scalable Realtime Data Systems, Manning Publications Co., Greenwich, CT, USA, 2015 Oprogramowanie: 1. Język R, Python lub inny 2. Środowiska Big Data takie jak Apache Hadoop, Apache Spark, Apache Flink, Apache HBase 3. Środowiska przetwarzania strumieni danych np. MOA, SAMOA, Apache Spark, Apache Flink
Witryna www przedmiotu:
e.mini.pw.edu.pl
Uwagi:
.

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka W2_01
Ma podstawową wiedzę na temat etapów projektu badawczego związanych z analityką danych
Weryfikacja: ocena prezentacji projektu
Powiązane charakterystyki kierunkowe: PD_W08, PD_W13
Powiązane charakterystyki obszarowe:
Charakterystyka W2_02
Ma wiedzę o zasadach przetwarzania równoległego i rozproszonego oraz zna metody, techniki, narzędzia i technologie inżynierskie stosowane do równoległego i rozproszonego przetwarzania danych w środowisku klastrowym, w tym na dużych zbiorach danych
Weryfikacja: ocena prezentacji projektu
Powiązane charakterystyki kierunkowe: PD_W04, PD_W05
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - umiejętności

Charakterystyka U2_01
Potrafi stworzyć całościowy system przetwarzania danych z uwzględnieniem składowania i analizy danych w trybie wsadowym lub strumieniowym, potencjalnie z użyciem środowisk Big Data
Weryfikacja: ocena realizacji projektu
Powiązane charakterystyki kierunkowe: PD_U01, PD_U02, PD_U05, PD_U06, PD_U07, PD_U09, PD_U11, PD_U12, PD_U13, PD_U14, PD_U16
Powiązane charakterystyki obszarowe:
Charakterystyka U2_02
Potrafi stawiać hipotezy na tematy inżynierskie i naukowe w obszarze informatyki
Weryfikacja: ocena realizacji projektu
Powiązane charakterystyki kierunkowe: PD_U08, PD_U21
Powiązane charakterystyki obszarowe:
Charakterystyka U2_03
Potrafi samodzielnie i ze zrozumieniem studiować teksty związane tematycznie z zagadnieniami omawianymi na zajęciach, umie przedstawić w mowie i na piśmie poznaną w ten sposób tematykę oraz wskazać otwarte pytania dotyczące omawianej tematyki
Weryfikacja: ocena realizacji projektu
Powiązane charakterystyki kierunkowe: PD_U02, PD_U03, PD_U19
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Charakterystyka K2_01
Potrafi pracować indywidualnie i w zespole w ramach projektu
Weryfikacja: ocena realizacji i prezentacji projektu
Powiązane charakterystyki kierunkowe: PD_K04, PD_K07
Powiązane charakterystyki obszarowe:
Charakterystyka K2_02
Ma świadomość odpowiedzialności za wspólnie realizowane zadania w ramach pracy zespołowej i wpływu realizowanych prac na środowisko naturalne oraz społeczeństwo
Weryfikacja: ocena realizacji i prezentacji projektu
Powiązane charakterystyki kierunkowe: PD_K02, PD_K04
Powiązane charakterystyki obszarowe: