AI w analizie danych 2600-ABdz1AIADf
1. Analiza danych jako element analizy biznesowej
• Cel i zakres analizy biznesowej
• Definiowanie problemu biznesowego
• Modelowanie rzeczywistości biznesowej
2. Dane w organizacji
• Definicje, rodzaje danych, żródła danych
• Zarządzanie danymi w organizacji
3. Praca z danymi
• Statystyka i prawdopodobieństwo
• Proces eksploracji i analizy danych
• Pułapki pracy z danymi
4. Technologie AI
• Definicje i podejścia do sztucznej inteligencji
• Uczenie maszynowe, uczenie głębokie
• Algorytmy wykorzystywane przez AI (nadzorowane, nienadzorowane, ze wzmocnieniem)
• Agenci do analizy danych
• Budowa modeli AI – MLOps
5. AI w analizie danych w różnych obszarach biznesu (marketing i handel, finanse i bankowość, zdrowie i medycyna, logistyka, produkcja i inne)
6. Etyka, transparentność i ryzyka w analizach danych z użyciem AI
7. Dostarczanie wyników analizy danych – raportowanie i wizualizacja jako formułowanie odpowiedzi na zidentyfikowane wyzwania biznesowe.
|
W cyklu 2025Z:
1. Analiza danych jako element analizy biznesowej |
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
K_W05: Student zna i rozumie złożone procesy i zjawiska technologiczne, społeczne, prawne, ekonomiczne, etyczne, ekologiczne związane z wykorzystaniem danych liczbowych oraz ich wpływ na funkcjonowanie organizacji i całej gospodarki.
K_U01. Student potrafi wykorzystać teorię dyscypliny nauki o zarządzaniu i jakości w tym w szczególności w zakresie analiz danych liczbowych do rozpoznawania, diagnozowania i rozwiązywania złożonych i nietypowych problemów związanych z kluczowymi funkcjami w organizacji w tym w szczególności wnioskowania, tworzenia strategii i podejmowania decyzji biznesowych"
K_U03. Student potrafi przystosowywać istniejące metody i narzędzia analizy danych lub proponować na ich podstawie nowe, stosując zaawansowane techniki informacyjno-komunikacyjne oraz właściwy dobór źródeł do rozpoznawania, diagnozowania i rozwiązywania problemów związanych z analizą danych w środowisku wewnętrznym i zewnętrznym organizacji."
K_U08. Student potrafi kierować i podejmować wiodącą rolę w działaniach zespołów oraz współpracować w jego ramach w celu wykorzystania danych do rozwiązywania problemów biznesowych.
Kryteria oceniania
Metody: Interaktywne wyjaśnienie kluczowych pojęć, przykłady z praktyki, quizy. Podstawowym kryterium oceny jest ocena z testu.
Ostateczna ocena składa się z dwóch elementów: 80% oceny stanowi test, a 20% oceny to udział w dyskusjach i przygotowanie do seminariów.
Do uzyskania zaliczenia przedmiotu należy uzyskać minimum 51% z kolokwium.
Skala ocen: DST (51%-60%), DST Plus (61%-70%), DB (71%-80%), DB Plus (81%-90%), BDB (91%-100%)
Praktyki zawodowe
Praktyki zawodowe nie są wymagane dla realizacji przedmiotu
Literatura
Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th Edition). Pearson
Foster Provost F., Fawcett T., (2023), Analiza danych w biznesie. Sztuka podejmowania skutecznych decyzji, Helion
Gutman A., Goldmeier J., (2023), Analityk danych.Przewodnik po data science, statystyce i uczeniu maszynowym, Helion
Żyżyński J. (2019), Podstawy metod wnioskowania statystycznego dla zarządzania, Wydawnictwa Uniwersytetu Warszawskiego
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: