Narzędzia informatyczne w ekonomii 2400-ZL1NIE
Wykład
1.Rola danych w gospodarce cyfrowej. Omówienie znaczenia analizy danych w podejmowaniu decyzji, procesach cyfryzacji i automatyzacji pracy ekonomistów, analityków i menedżerów.
2.Integracja tradycyjnych i nowoczesnych narzędzi informatycznych w analizie danych. Zarysowanie ewolucji narzędzi analitycznych: od Excela, przez środowisko do analiz statystycznych R, po generatywne modele językowe.
Ćwiczenia
- Excel w analizie danych
3.Wprowadzenie do porządkowania danych ekonomicznych oraz wykonywania obliczeń w Excelu z użyciem formuł i adresowania względnego oraz bezwzględnego
4.Tworzenie wykresów do wizualizacji danych oraz formatowanie komórek arkusza kalkulacyjnego
5.Importowanie i eksportowanie danych, porządkowanie arkuszy i tworzenie czytelnych zestawień z myślą o dalszej analizie lub prezentacji
6.Obliczanie podstawowych statystyk opisowych i przygotowywanie danych do analizy
7.Wykorzystanie zaawansowanych funkcji Excela
8.Kolokwium 1
- Sztuczna inteligencja w narzędziach informatycznych do analizy danych
9.Działanie dużych modeli językowych (LLM), sposób generowania odpowiedzi oraz ich ograniczenia
10.Formułowanie skutecznych promptów, dopasowanych do potrzeb użytkownika i kontekstu
11.Praktyczne sposoby wykorzystania AI: łączenie narzędzi, ulepszanie zapytań i automatyzacja pracy
12.Ocena jakości odpowiedzi AI, wykrywanie błędów oraz unikanie dezinformacji
13.Świadome i odpowiedzialne korzystanie z AI w nauce, pracy i codziennym życiu, z uwzględnieniem zasad etycznych i ochrony prywatności
14.Kolokwium 2
Szacunkowy nakład pracy studenta: 2ECTS x 25h = 50h
(K) - godziny kontaktowe (S) - godziny pracy samodzielnej
wykład (zajęcia): 4h (K) 0h (S)
ćwiczenia (zajęcia): 24h (K) 0h (S)
konsultacje: 2h (K) 0h (S)
przygotowanie do ćwiczeń: 0h (K) 10h (S)
praca z materiałami dodatkowymi: 0h (K) 8h (S)
przygotowanie do kolokwium: 0h (K) 2h (S)
Razem: 30h (K) + 20h (S) = 50h
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
WIEDZA
Po ukończeniu przedmiotu, student:
•Posiada wiedzę na temat zasad działania narzędzi informatycznych wykorzystywanych w ekonomii, w szczególności arkuszy kalkulacyjnych, środowisk do analiz statystycznych i generatywnej sztucznej inteligencji, oraz zna ich ograniczenia i potencjał zastosowania w analizie danych ekonomicznych.
•Zna i rozumie podstawy statystyki opisowej oraz modelowania zjawisk ekonomicznych, umożliwiające efektywne korzystanie z Excela i narzędzi informatycznych wraz z AI w analizach ilościowych.
•Ma wiedzę niezbędną do świadomego, odpowiedzialnego i etycznego korzystania z narzędzi informatycznych w pracy analitycznej.
•Jest przygotowany do dalszego rozwijania swojej wiedzy i umiejętności w zakresie wykorzystania nowoczesnych narzędzi cyfrowych, odpowiadając na zmieniające się potrzeby organizacji i rynku pracy (cyfryzacja, rozwój AI, automatyzacja).
UMIEJĘTNOŚCI
Po ukończeniu przedmiotu student będzie potrafił:
•Sprawnie korzystać z arkusza kalkulacyjnego Excel do porządkowania danych, wykonywania obliczeń oraz wizualizacji informacji ekonomicznych
•Analizować dane statystyczne z wykorzystaniem funkcji Excela, w tym obliczać podstawowe miary statystyki opisowej oraz tworzyć wykresy i zestawienia danych
•Integrować tradycyjne i nowoczesne narzędzia do analizy danych, modelowania zjawisk oraz przygotowywania danych do dalszych analiz
•Świadomie korzystać ze sztucznej inteligencji – tworzyć skuteczne prompty, weryfikować odpowiedzi oraz rozpoznawać ograniczenia i potencjalne błędy AI
•Stosować zasady etyczne w pracy z narzędziami informatycznymi i AI, z uwzględnieniem odpowiedzialności użytkownika i ochrony danych
KOMPETENCJE
Po ukończeniu przedmiotu, student:
•Jest gotów do stałego rozwoju własnych kompetencji cyfrowych, w tym poszukiwania nowych źródeł wiedzy oraz doskonalenia umiejętności wykorzystania narzędzi informatycznych w zmieniającym się środowisku pracy.
•Rozumie potrzebę aktualizacji wiedzy w obliczu dynamicznych zmian technologicznych, w tym rozwoju sztucznej inteligencji i automatyzacji procesów analitycznych.
•Potrafi współpracować z przedstawicielami innych dziedzin (np. IT, ekonomii, analizy danych, data science), wykorzystując narzędzia cyfrowe jako wspólną platformę do rozwiązywania problemów.
•Wykazuje odpowiedzialność za etyczne i świadome korzystanie z narzędzi AI i IT, uwzględniając kwestie prywatności, przejrzystości oraz wpływu technologii na decyzje ekonomiczne i społeczne.
Symbole efektów uczenia się: K_W02, K_U02, K_K01
Kryteria oceniania
Uzyskanie zaliczenia przedmiotu wymaga:
1. Obecności na ćwiczeniach (dopuszczalne są dwie
nieobecności),
2. Zaliczenia ćwiczeń na podstawie kryteriów przedstawionych przez prowadzącego ćwiczenia.
Podstawą zaliczenia ćwiczeń są dwa kolokwia oraz aktywność podczas zajęć:
- kryteria oceny aktywności ustala prowadzący ćwiczenia,
- zaliczenie kolokwiów wymaga uzyskania min. 51% punktów z obu kolokwiów.
Literatura
Zhou H., Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku, Helion 2024
Gutman A. J., Goldmeier J., Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym, Helion 2023
Mount G., Zaawansowana analiza danych. Jak przejść z arkuszy Excela do Pythona i R, Helion 2022
Zumel N., Mount J., Język R i analiza danych w praktyce, Helion 2021
Wenger K., Czy algorytm spiskuje przeciwko nam? Co każdy powinien wiedzieć o koncepcjach i pułapkach sztucznej inteligencji, Helion 2025
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: