- Name of course:
- Warsztaty badawcze 2
- Coordinator of course:
- Dr inż. Marcin Luckner, dr hab. inż. Przemysław Biecek
- Type of course:
- Compulsory
- Level of education:
- First cycle studies
- Programme:
- Inżynieria i Analiza Danych
- Group of courses:
- .
- Code of course:
- .
- Nominal semester:
- 6 / AY 2019/2020
- Number of ECTS credits:
- 5
- Number of hours of student’s work to achieve learning outcomes:
- 1. godziny kontaktowe – 65 h; w tym
a) obecność na wykładach – 30 h
b) obecność na laboratoriach – 15 h
c) obecność na projekcie – 15 h
d) konsultacje – 5 h
2. praca własna studenta – 60 h; w tym
a) przygotowanie projektu – 50 h
b) zapoznanie się z literaturą – 10 h
Razem 125 h, co odpowiada 5 pkt. ECTS
- Number of ECTS credits on the course with direct participation of academic teacher:
- 1. obecność na wykładach – 30 h
2. obecność na laboratoriach – 15 h
3, obecność na projekcie – 15 h
4. konsultacje – 5 h
Razem 65 h, co odpowiada 2 pkt. ECTS
- Language of course:
- polish
- Number of ECTS credits on practical activities on the course:
- 1. obecność na laboratoriach – 15 h
2, obecność na projekcie – 15 h
3. przygotowanie projektu – 50 h
Razem 80 h, co odpowiada 3 pkt. ECTS
- Form of didactic studies and number of hours per semester:
-
- Lecture30h
- Exercise type of course0h
- Laboratory15h
- Project type of course15h
- Computer lessons0h
- Preliminary requirements:
- Warsztaty Badawcze 1, Wstęp do uczenia maszynowego
- Limit of students:
- .
- Purpose of course:
- Celem przedmiotu jest przygotowanie studentów do samodzielnej i zespołowej pracy badawczej zgodnie z metodyką CRISP-DM.
W tym celu studenci w zespołach będą rozwiązywali wybrane zagadnienie badawcze zdefiniowane na początku semestru we współpracy z zewnętrznych partnerem. W ramach wykładów studenci będą mogli poznać specyfikę dziedzinową rozwiązywanego problemu, poznać istniejące rozwiązania, a w ramach laboratoriów i projektu będą mogli skonstruować własne rozwiązanie postawionego problemu.
Celem takiej formy prezentacji problemu jest pokazanie wartości wiedzy domenowej w rozwiązywaniu rzeczywistych problemów, potrzeby i roli studiów literaturowych oraz kształcenie umiejętności przygotowania raportu z prowadzonych prac badawczych.
Zajęcia kończą się raportem podsumowującym wyniki przeprowadzonych prac oraz publiczną prezentacją wyników.
- Contents of education:
- - Organizacja pracy i współpraca w zespole
- przygotowanie i monitorowanie harmonogramu prac
- Definiowanie problemu
- Studia literaturowe dotyczące analizowanej dziedziny
- Przygotowywanie raportów badawczych
- Przygotowywanie prezentacji uzyskanych wyników
- Przygotowywanie całości raportów projektowych w języku angielskim
- Przygotowywanie zarówno rozwiązań wartościowych dla przedsiębiorstw, jak i służących dobru publicznemu
- Kształtowania postaw zgodnych z etyką zawodową oraz służących dorobkowi i tradycji zawodowej.
- Samodzielny dobór i lektura literatury naukowo-technicznej w języku angielskim poszerzającej wiedzę studentów.
- Methods of evaluation:
- Oceniana jest praca zespołowa studentów i jej wyniki. Na ocenę składa się
20% – ocena końcowej prezentacji wyników
20% – ocean czytelności i kompletności opracowanego raportu końcowego
30% – ocena wartości uzyskanych wyników w zestawieniu ze uprzednio zdefiniowanym problemem do rozwiązania
30% – ocena systematyczności postępów w trakcie realizacji projektu, zgodności z uprzednio przygotowanym harmonogramem prac
Wymagane jest zdobycie co najmniej połowy punków w każdej składowej oceny.
Ocena końcowa wynika z łącznej zdobytej liczby punktów tj. 0-50 %: ocena dwa, 51-60: ocena trzy, 61-70: ocena trzy i pół, 71-80 ocena cztery, 81-90: ocena cztery i pół, powyżej 90%: ocena pięć.
- Exam:
- no
- Literature:
- 1. Cross Industry Standard Process for Data Mining
CRISP-DM: Towards a Standard Process Model for Data Mining
https://pdfs.semanticscholar.org/48b9/293cfd4297f855867ca278f7069abc6a9c24.pdf
2. The International Business Communication Standards
http://www.ibcs-a.org/standards/130
3. How to Write and Publish a Scientific Paper
Barbara Gastel, Robert A. Day
4. R for data science
Garrett Grolemund and Hadley Wickham
http://r4ds.had.co.nz/intro.html
- Website of the course:
- .
- Notes:
- .
Effects of education
General academic profile - knowledge
- Charakterystyka W01
- .
Verification: .
Field of study related learning outcomes:
DS_W04, DS_W05
Area of study related learning outcomes:
I.P6S_WG
General academic profile - skils
- Charakterystyka U01
- .
Verification: .
Field of study related learning outcomes:
DS_U01, DS_U23
Area of study related learning outcomes:
I.P6S_UW, I.P6S_UO
- Charakterystyka U02
- .
Verification: .
Field of study related learning outcomes:
DS_U21
Area of study related learning outcomes:
I.P6S_UW, I.P6S_UK
- Charakterystyka U03
- .
Verification: .
Field of study related learning outcomes:
DS_U03, DS_U04, DS_U05, DS_U08, DS_U12, DS_U13
Area of study related learning outcomes:
I.P6S_UW, I.P6S_UK
- Charakterystyka U04
- .
Verification: .
Field of study related learning outcomes:
DS_U15, DS_U16, DS_U19, DS_U23
Area of study related learning outcomes:
I.P6S_UW, I.P6S_UK, I.P6S_UO
- Charakterystyka U05
- .
Verification: .
Field of study related learning outcomes:
DS_U29
Area of study related learning outcomes:
I.P6S_UU
General academic profile - social competences
- Charakterystyka K01
- .
Verification: .
Field of study related learning outcomes:
DS_K04
Area of study related learning outcomes:
I.P6S_KR
- Charakterystyka K02
- .
Verification: .
Field of study related learning outcomes:
DS_K03, DS_K05
Area of study related learning outcomes:
I.P6S_KO
- Charakterystyka K03
- .
Verification: .
Field of study related learning outcomes:
DS_K01, DS_K02
Area of study related learning outcomes:
I.P6S_KK, I.P6S_KO, I.P6S_KR