| Literatura: |
Podstawowa:
Pozycja 1. Aggarwal, C.C., Hinneburg, A., Keim, D.A.: On the Surprising Behavior of Distance Metrics in High Dimensional Space. In: Van den Bussche J., Vianu V. (eds) Database Theory — ICDT 2001. ICDT 2001. Lecture Notes in Computer Science, Vol. 1973, p. 420-434, Springer, Berlin, Heidelberg. DOI: 10.1007/3-540-44503-X_27
Pozycja 2. Duda, R.O., Hart, P.E., Stork, D.G. Chapter 4 – Nonparametric Techniques, Pattern Classification (Second Edition), Wiley-Interscience 2000, pp.161-214, ISBN: 0-471-05669-3
Pozycja 3. Guo, Gongde & Wang, Hui & Bell, David & Bi, Yaxin. (2004). KNN Model-Based Approach in Classification
Pozycja 4. Hossin, M.; Sulaiman, M.N. A Review on evaluation metrics for data classification evaluations. Int. J. Data Min. Knowl. Manag. Process 2015,
5, pp. 1–11
Uzupełniająca:
Pozycja 5. Bednarek Józef (red.), Człowiek w obliczu szans cyberprzestrzeni i świata wirtualnego, Difin, Warszawa 2014.
Pozycja 6. Rybak, Ł.; Dudczyk, J.: Various approaches to modelling of the mass using the size of the class in the Centroid Based Classification. Elektronika : konstrukcje, technologie, zastosowania 2019, Vol. 60, No. 6, pp. 62-65, Warszawa, Polska. DOI: 10.15199/13.2019.6.13
Pozycja 7. Rybak, Ł.; Dudczyk, J.: A Geometrical Divide of Data Particle in Gravitational Classification of Moons and Circles Data Sets. Entropy 2020, Vol. 22, Issue 10, Basel, Switzerland. DOI: 10.3390/e22101088
Pozycja 8. Hossin, M.; Sulaiman, M.N. A Review on evaluation metrics for data classification evaluations. Int. J. Data Min. Knowl. Manag. Process 2015, 5, pp. 1–11
|
| Efekty uczenia się: |
WIEDZA („Student zna i rozumie...”):
- jak wykorzystać metody obliczeniowe, techniki i materiały, które były stosowane w analizie rozwiązywania prostych zadań inżynierskich i problemów informatycznych (K_W06)
- przekazywaną wiedzę dostępną z wykładu jak i z wykonywanych ćwiczeń, posiada uporządkowaną wiedzę teoretyczną i praktyczną, która dotyczy podstaw programowania, systemów operacyjnych, algorytmów, technologii sieciowych, grafiki komputerowej, baz danych, inżynierii oprogramowania i strategicznych zagadnień informatyki (K_W04)
- prezentowanie złożonych struktur danych w zrozumiały sposób, najczęściej za pomocą wykresów. Konstruowanie schematów danych niezależnych od wybranego modelu danych, docelowego systemu zarządzania bazą danych, programów użytkowych czy języka programowania. Potrafi przetwarzać dane tzn. wszelkie operacje wykonywane na danych osobowych takie jak m .n. zbieranie, przechowywanie, czy udostępnianie ich innym podmiotom. Jest w stanie zwizualizować graficzne dane tzn. potrafi przenieść wyniki badań na formę graficzną np. wykres, prezentacja PowerPoint. (K_W10)
UMIEJĘTNOŚCI („Student potrafi…”):
- pracować samodzielnie powierzone mu zadania posiada kompetencje miękkie umożliwiające pracowanie w zespole. Potrafi określić role w zespołowym przedsięwzięciu inżynierskim, a także terminowo realizuje harmonogram prac. (K_U02)
- umiejętnie posługiwać się właściwie dobranymi elementami programistycznymi w procesie projektowania. Odpowiednio weryfikuje działania aplikacji informatycznych. (K_U11)
- precyzyjnie projektować i realizuje prosty system informatyczny, który jest zgodnie z metodyką przetwarzania danych. (K_U24)
KOMPETENCJE SPOŁECZNE („Student jest gotów do…”):
- zastosowania podstawowych algorytmów sztucznej inteligencji w problemach praktycznych, znając ograniczenia tych metod. (K_K01)
- samodzielnej i zespołowej ewaluacji algorytmów uczenia maszynowego oraz selekcji podejścia optymalnego w zdefiniowanych kryteriach. (K_K03)
- świadomość ograniczeń własnej wiedzy, a także ciągłego rozwoju informatyki i rozumie konieczność dalszego kształcenia i systematycznego wzbogacania wiedzy. (K_K05)
|
| Metody i kryteria oceniania: |
Efekty w zakresie WIEDZY weryfikuje się poprzez: sprawdzenie wiedzy z wykorzystaniem materiałów i zadań od wykładowcy, samodzielnego przygotowania zadania.
UMIEJĘTNOŚCI weryfikowane są poprzez: wykonanie określonych zadań podczas ćwiczeń z zastosowaniem specjalistycznych programów komputerowych, aktywność, współpracę grupową w realizacji projektu.
KOMPETENCJE SPOŁECZNE weryfikowane są poprzez: obserwację pracy studenta w trakcie semestru, ocenę postawy i aktywności w trakcie zajęć, informację zwrotną od wykładowcy, informację zwrotną od innych studentów, wykazanie się właściwymi kompetencjami społecznymi w trakcie realizacji konkretnego projektu zaliczeniowego, realizacji wyznaczonych przez prowadzącego zadań w trakcie zajęć
Ocena końcowa obliczana jest jako: (np. średnia arytmetyczna ocen z: wykonywania zadań z wykorzystaniem programów i aktywności na zajęciach).
|
| Zakres tematów: |
ćwiczenia warsztatowe i projektowe w laboratorium komputerowym:
1. Internet – bezpieczeństwo i zasady korzystania, cyberbezpieczeństwo
2. Przetwarzanie i wizualizacja danych za pomocą wykresów:
wykres kombi i wykres z osią pomocniczą
umieszczanie obrazów w kolumnach wykresu
3. Prezentowanie danych za pomocą histogramów
4. Analizowanie zależności za pomocą współczynnika korelacji pomiędzy wieloma zmiennymi
5. Filtrowanie zespołowe według użytkownika i według elementu
6. Sumy częściowe, Tabele przestawne, Wykresy przestawne
7. Wykorzystanie programu Modelio Open Source 5.3.1 i tworzenie:
Class diagram,
Activity diagram,
Sequence diagram,
Object diagram,
Deployment diagram,
Uce case diagram,
State Machine diagram,
Communication diagram,
BPMN Collabortion diagram.
8. Grafika prezentacyjna, Grafika rastrowa i wektorowa
9. Multimedia.
|
