Użyteczność danych sieciowych 2700-M-LM-D3UDSI
Przedmiot ma na celu zapoznanie studentów z podstawowymi pojęciami i koncepcjami związanymi z użytecznością danych sieciowych oraz przedstawienie aktualnych wydarzeń i trendów w dziedzinie analizy tych danych. Studenci poznają nowe techniki i narzędzia wykorzystywane w analizie danych sieciowych, a także jak działają zaawansowane algorytmy i technikami sztucznej inteligencji stosowane w tej dziedzinie. Poznają rolę kryptografii w zabezpieczaniu danych sieciowych oraz historię rozwoju komputerów i technik cyfrowych w tym kontekście.
W ramach przedmiotu, spróbujemy przeanalizować różne metody gromadzenia, przetwarzania i interpretacji danych sieciowych, a także zostaną omówione nowe trendy, takie jak wpływ Internetu rzeczy (IoT), na analizę danych sieciowych. Ponadto, przedstawione zostaną nowe wynalazki i innowacyjne rozwiązania w dziedzinie danych sieciowych oraz omówione będą etyczne i prawne aspekty związane z ich użytecznością.
To także rozważania na temat wyzwań związanych z analizą danych sieciowych w czasie rzeczywistym oraz praktyczne zastosowania analizy danych sieciowych w różnych dziedzinach, takich jak marketing, cybersecurity, medycyna itp. Dziennikarze i pracownicy mediów muszą także z zainteresowaniem podejść do technik wizualizacji danych sieciowych, by odbiorca lepiej zrozumiał prezentowane wyniki. Metody oceny i mierzenia użyteczności danych sieciowych będą przedstawione, a rola analizy danych sieciowych w podejmowaniu decyzji biznesowych będzie przeanalizowana.
W ramach dyskusji, poruszone zostaną wyzwania związane z poufnością i ochroną prywatności danych sieciowych, a także przedstawione zostaną przykłady zastosowania analizy danych sieciowych w realnych przypadkach. Przedmiot będzie również obejmować omówienie przyszłych trendów i prognoz dotyczących analizy danych sieciowych, a studenci będą zachęcani do samodzielnego eksplorowania najnowszych osiągnięć i publikacji naukowych w tej dziedzinie.
Istnieje wiele narzędzi, które mogą być wykorzystane do analizy danych sieciowych. Niektóre z nich to Wireshark, Network Performance Monitor, PRTG Networking Monitor, Network Traffic Analyzer, NetSpot oraz LanGuard. Wśród narzędzi open source dostępnych na rynku są takie jak NetworkX, iGraph w R oraz Gephi. Spośród wszystkich narzędzi Gephi jest uważane za najbardziej polecane narzędzie, które może pomóc łatwo wizualizować ponad 100 000 węzłów. Ww. programy zostaną również omówione.
Studenci będą zachęcani do eksperymentowania z różnymi narzędziami i wybierania tych, które najlepiej spełniają ich potrzeby. Będą również uczyć się, jak korzystać z tych narzędzi w sposób efektywny i jak integrować je ze sobą, aby uzyskać jak najlepsze wyniki. Wykład będzie prowadzony z pozycji humanistycznej – studenci muszą zrozumieć skomplikowane procesy oraz wykorzystać w pracy otrzymane dane.
Kierunek podstawowy MISMaP
Założenia (opisowo)
Koordynatorzy przedmiotu
W cyklu 2024Z: | W cyklu 2023Z: |
Efekty kształcenia
WIEDZA
Studenci poznają podstawowe pojęcia i koncepcje związane z użytecznością danych sieciowych.
Będą świadomi aktualnych wydarzeń i trendów w dziedzinie analizy danych sieciowych.
Zdobędą wiedzę na temat roli kryptografii w zabezpieczaniu danych sieciowych.
Dowiedzą się o historii rozwoju komputerów i technik cyfrowych w kontekście danych sieciowych.
Zyskają wiedzę na temat różnych metod gromadzenia, przetwarzania i interpretacji danych sieciowych.
Będą świadomi wpływu nowych trendów, takich jak Internet rzeczy (IoT), na analizę danych sieciowych.
Poznają nowe wynalazki i innowacyjne rozwiązania w dziedzinie danych sieciowych.
Zdobędą wiedzę na temat etycznych i prawnych aspektów związanych z użytecznością danych sieciowych.
Będą świadomi wyzwań związanych z analizą danych sieciowych w czasie rzeczywistym.
Zdobędą wiedzę na temat przyszłych trendów i prognoz dotyczących analizy danych sieciowych.
Poznają formy cyfrowego zapisu multimediów
Znają aktualny potencjał informacyjny i usługowy dostępny w Internecie, Znają uwarunkowania techniczne funkcjonowania Sieci,
Znają odstawowe formy obecności mediów w Internecie – prasy, radia i telewizji oraz przykładowych form social networkingu, dziennikarstwa obywatelskiego.
Znają istotę wykorzystywania dużych zasobów informacyjnych Big Data
UMIEJĘTNOŚCI
Studenci będą umieli korzystać z nowych technik i narzędzi wykorzystywanych w analizie danych sieciowych.
Zdobędą umiejętność pracy z zaawansowanymi algorytmami i technikami sztucznej inteligencji stosowanymi w analizie danych sieciowych.
Nauczą się analizować dane sieciowe, w tym metody gromadzenia, przetwarzania i interpretacji.
Będą umieli oceniać i mierzyć użyteczność danych sieciowych.
Zdobędą umiejętność identyfikacji wyzwań związanych z poufnością i ochroną prywatności danych sieciowych.
Nauczą się korzystać z narzędzi wizualizacji danych sieciowych w celu lepszego zrozumienia i prezentacji wyników.
Rozwiną umiejętność analizy danych sieciowych w kontekście podejmowania decyzji biznesowych.
Będą umieli rozpoznać praktyczne zastosowania analizy danych sieciowych w różnych dziedzinach, takich jak marketing, cybersecurity, medycyna, itp.
Studenci będą potrafili skorzystać w pracy dziennikarskiej z potencjału informacyjnego i usługowego dostępnego w Internecie, oraz określić wymagania techniczne w zakresie sprawnego korzystania z Internetu,
Studenci będą potrafili dostosować wybór formy obecności mediów w Internecie do własnej pracy dziennikarskiej.
INNE KOMPETENCJE
Studenci rozwiną umiejętność samodzielnego eksplorowania i zgłębiania najnowszych osiągnięć oraz publikacji naukowych związanych z użytecznością danych sieciowych.
Nauczą się dostosowywać narzędzia i wybierać te, które najlepiej spełniają ich potrzeby.
Zdobędą kompetencje w integracji różnych narzędzi i ich efektywnym wykorzystywaniu w analizie danych sieciowych.
Będą świadomi dynamiki zmian w zakresie konwergencji starych i nowych mediów oraz technologii informacyjnych mających związek z pracą dziennikarską.
Rozwiną umiejętność przetwarzania skomplikowanych procesów i otrzymanych danych.
Będą mieli świadomość dynamiki zmian w zakresie konwergencji starych i nowych mediów, zanikające i powstające technologie informacyjne mające związek z pracą dziennikarza.
Kryteria oceniania
Na ocenę końcową składa się:
Test – kilkadziesiąt (50-60) pytań jednokrotnego wyboru (zakres: wiedza z wykładów). Kryterium: minimum 60% poprawnych odpowiedzi. /Test zawsze ma przedstawiony zakres liczby punktów na konkretną ocenę/.
- Możliwość zaliczenia oprócz kolokwium pracy nad semestralnym projektem realizowanym w zespołach (wtedy 50% projekt / 50% test)
Poszczególne elementy składają się na ocenę końcową.
Praktyki zawodowe
brak
Literatura
Gogołek W., Komunikacja Sieciowa Uwarunkowania, kategorie i paradoksy, Wydawnictwo ASPRA, Warszawa 2010.
Gogołek W., Komunikacja Sieciowa Uwarunkowania, kategorie i paradoksy, Wydawnictwo ASPRA, Warszawa 2010
François Fouss, Marco Saerens, Masashi Shimbo. “Algorytmy i modele dla analizy danych sieciowych i połączeń”. Cambridge University Press, 2016 1.
Eric D. Kolaczyk, Gábor Csárdi. “Statystyczna analiza danych sieciowych z R”. Springer, 2020 2.
Eric D. Kolaczyk. “Statystyczna analiza danych sieciowych: metody i modele”. Springer Series in Statistics .
Quantum Computing and Other Transformative Technologies, Ahmed Banafa, Published 2023 by River Publisher
Big data w zarządzaniu / Jędrzej Wieczorkowski, Iwona Chomiak-Orsa, Ilona Pawełoszek. Warszawa 2021, Polskie Wydawnictwo Ekonomiczne
Testowanie Pomysłów Biznesowych. Alexander Osterwalder David Bland, Biblioteka Technik Eksperymentacyjnych, Gliwice 2020, Wydawnictwo Helion
eBook Współczesne narzędzia cyfryzacji organizacji Piotr Czerwonka, Witold Bartkiewicz i Anna Pamuła, Łódź 2020, Wydawnictwo Uniwersytetu Łódzkiego
Digital Business Models: Concepts, Models, and the Alphabet Case Study, Bernd W. Wirtz, Springer Cham 2019
Blockchain. Zaawansowane zastosowania łańcucha bloków, Imran Bashir, Gliwice 2019, Wydawnictwo Helion.
Modele biznesu w Internecie. Teoria i studia przypadków polskich firm / redakcja naukowa Tymoteusz Doligalski, Warszawa 2014, Polskie Wydawnictwo Naukowe
Sztuczna inteligencja we współczesnych organizacjach. Jak autonomiczne systemy mogą wpływać na firmy, modele biznesowe i rynki? Andrzej Wodecki, 2021, Wydawnictwo Naukowe PWN
Literatura uzupełniająca:
Superinteligencja. Scenariusze, strategie, zagrożenia, Bostrom Nick, 2021, Wydawnictwo Helion
Sztuczna inteligencja. Nowe spojrzenie. Tom 1, Russell Stuart Norvig Peter, 2023, Wydawnictwo Helion
Sztuczna inteligencja. Nowe spojrzenie. Tom 2, Russell Stuart Norvig Peter, 2023, Wydawnictwo Helion
Człowiek na rozdrożu. Sztuczna inteligencja 25 punktów widzenia, Brockman John (red.), 2020, Wydawnictwo Helion
Życie 3.0. Człowiek w erze sztucznej inteligencji, Tegmark Max, 2019, Prószyński Media
Information Technology for Management: Advancing Sustainable, Profitable Business Growth, Efraim Turban, Linda Volonino, Gregory Wood, 9th Edition, Wiley 2013
Prawo sztucznej inteligencji, Luigi Lai, Marek Świerczyński [red.], 2020, Wydawnictwo C.H.Beck
Homo deus. Krótka historia jutra, Harari Yuval Noah, 2018, Wydawnictwo Literackie
Broń matematycznej zagłady, O'Neil Cathy, 2017, Wydawnictwo Naukowe PWN
Nadchodzi osobliwość. Kiedy człowiek przekroczy granice biologii, Kurzweil Ray, 2018, Kurhaus Publishing
Philosophy and Theory of Artificial Intelligence, Vincent C. Müller, 2012, Springer
Risks of Artificial Intelligence,Vincent C. Müller, 2016, Chapman and Hall/CRC
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: