Automatyzacja w analizach na Big Data 1900-SM-3-AwABD-MEP

Celem kursu jest nabycie praktycznych umiejętności analizy dużych zbiorów danych miejskich oraz automatyzacji procesów analitycznych przy użyciu języków programowania Python i R oraz narzędzi GIS, takich jak QGIS. Zajęcia prowadzone są w formie ćwiczeń warsztatowych, podczas których studenci realizują autorski projekt badawczy oparty na ilościowych i przestrzennych metodach analizy.

Projekt ma na celu opracowanie modelu lokalizacji wybranej usługi miejskiej lub analizy przestrzennego zjawiska społeczno-gospodarczego z wykorzystaniem danych zastanych oraz danych generowanych automatycznie. Studenci uczą się operacjonalizacji problemu badawczego, selekcji i przetwarzania zmiennych, pracy z dużymi bazami danych oraz wizualizacji wyników w formie wykresów, map i interaktywnych raportów.

W trakcie kursu uczestnicy poznają najważniejsze techniki automatyzacji analizy danych, w tym: pobieranie danych z otwartych API, przetwarzanie danych przestrzennych, analizę statystyczną i eksploracyjną (m.in. clustering, PCA, korelacje przestrzenne), a także sposoby wizualizacji wyników z użyciem zaawansowanych narzędzi.

Każde zajęcia łączą wprowadzenie teoretyczne z pracą praktyczną. Praca odbywa się głównie na własnych komputerach. Studenci i studentki uczą się, jak przygotowywać dane do analizy, optymalizować kod, automatyzować obliczenia i tworzyć powtarzalne procedury badawcze.

Nakład pracy studenta: 3 ECTS = 3x25h = 75h (w bezpośrednim kontakcie 1 ECTS – 25h)
(N) – praca w bezpośrednim kontakcie z nauczycielem,
(S) – praca własna (samodzielna) studenta.
Zajęcia (ćwiczenia) = 30h (N/S) (1ECTS wbk)
Zadania podczas zajęć = 15h (N)
Konsultacje = 10h (N)
Prace domowe – 2h/tyg. = 30h (S)
Samodzielne prace analityczne = 20h (S)
RAZEM = 75h

W cyklu 2026Z:

Celem kursu jest rozwinięcie praktycznych umiejętności związanych
z analizą dużych zbiorów danych oraz automatyzacją procesów
analitycznych wykorzystywanych w badaniach miejskich i
regionalnych, przy użyciu narzędzi R oraz QGIS. Zajęcia
prowadzone są w formule warsztatowej i opierają się na realizacji
autorskiego projektu analitycznego, dotyczącego wybranego
problemu miejskiego, związanego z lokalizacją określonej usługi.
Studentki i studenci pracują na danych przestrzennych,
statystycznych i tekstowych, ucząc się projektowania procedur
analitycznych, integracji danych pochodzących z różnych źródeł oraz
tworzenia rekomendacji dla decydentów.
Projekt realizowany w trakcie kursu obejmuje:
- przygotowanie modelu czynników lokalizacji wybranej działalności
lub usługi,
- budowę oryginalnego zbioru danych ilościowych i tekstowych,
- komplementarną analizę tekstu/dyskursu wokół danego tematu,
- analizę przestrzenną i ranking lokalizacji,
- integrację danych przestrzennych, statystycznych i tekstowych,
- opracowanie narzędzia wizualizacji danych (mapa, dashboard),
- przygotowanie rekomendacji dla decydentów w formie policy
paper.
Zajęcia mają na celu rozwinięcie umiejętności:
- planowania kompletnej procedury badawczej,
- przetwarzania i czyszczenia dużych zbiorów danych,
- wykorzystania danych zastanych i danych generowanych
automatycznie,
- analizy tekstu/dyskursu,
- analizy przestrzennej,
- automatyzacji powtarzalnych procesów analitycznych,
- prezentacji wyników analiz w formie map, dashboardu/
rekomendacji dla polityk publicznych.
W trakcie kursu studentki i studenci poznają podstawowe techniki:
- pozyskiwania danych z otwartych źródeł,
- automatycznego przetwarzania danych,
- analizy danych przestrzennych i tekstowych,
- tworzenia rankingów i modeli lokalizacyjnych,
- wizualizacji danych i komunikacji wyników analiz.

Każde zajęcia łączą krótkie wprowadzenie teoretyczne z pracą
praktyczną realizowaną głównie na własnych komputerach. Zajęcia
mają charakter projektowo-konsultacyjny i koncentrują się na
systematycznej pracy nad rozwijaniem projektu analitycznego.

Nakład pracy studenta: 3 ECTS = 3x25h = 75h
 Zajęcia (ćwiczenia) = 30h (N)
 Prace analityczne = 30h (S)
 Przygotowanie produktu zaliczeniowego = 15h (S)
RAZEM = 75h.

Koordynatorzy przedmiotu

Jan Frankowski
Tomasz Kupiec
Justyna Orchowska

Rodzaj przedmiotu

uzupełniające

Tryb prowadzenia

w sali

Efekty kształcenia

Efekty uczenia się (kody): K_W01, K_U02, K_U03, K_U07, K_U08, K_K01, K_K02

Po ukończeniu przedmiotu student:
WIEDZA: absolwent zna i rozumie
- w pogłębionym stopniu wybrane fakty, obiekty i zjawiska związane ze studiami miejskimi oraz dotyczące ich metody i teorie wyjaśniające złożone zależności między nimi, stanowiące zaawansowaną wiedzę ogólną z zakresu dyscyplin naukowych tworzących podstawy teoretyczne studiów miejskich,
- uporządkowaną i podbudowaną teoretycznie wiedzę obejmującą wybrane zagadnienia z zakresu zaawansowanej wiedzy szczegółowej właściwej dla studiów miejskich;
UMIEJĘTNOŚCI: absolwent potrafi
- formułować i rozwiązywać złożone i nietypowe problemy oraz innowacyjnie wykonywać zadania z zakresu studiów miejskich poprzez dobór oraz stosowanie metod i narzędzi, w tym zaawansowanych technik informacyjno-komunikacyjnych, oraz przystosowanie istniejących lub opracowanie nowych metod i narzędzi właściwych dla studiów miejskich;
- formułować i testować hipotezy związane z prostymi problemami badawczymi z zakresu studiów miejskich;
- organizować pracę indywidualną i zespołową oraz kierować pracą zespołu;
- współdziałać z innymi osobami w ramach prac zespołowych i podejmować wiodącą rolę w zespołach;
KOMPETENCJE: absolwent jest gotów do
- krytycznej oceny posiadanej wiedzy i odbieranych treści z zakresu studiów miejskich;
- uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz zasięgania opinii ekspertów w przypadku trudności z samodzielnym rozwiązaniem problemu;

Kryteria oceniania

Zaliczenie na ocenę: wykonanie kompletu ćwiczeń