Użyteczność danych sieciowych 2700-M-LM-Z3UDSI
Program zajęć przedmiotu „Użyteczność danych sieciowych”, obejmuje następujące obszary tematyczne:
1. Wprowadzenie do danych sieciowych
a. Dane sieciowe: definicja i znaczenie
b. Aspekty prawne i etyczne: licencje, otwartość danych, prywatność, RODO
c. Źródła danych w Internecie: media społecznościowe, otwarte bazy danych, API, strony WWW
d. Pozyskiwanie wartości ze zbiorów danych: praktyczne wykorzystanie danych w projektach
2. Podstawy pracy z danymi
a. Podstawowe pakiety do pracy z danymi
b. Struktury danych w R: ramki danych, listy
c. Import i eksport danych z publicznych repozytoriów
3. Metody pozyskiwania danych
a. Web scraping
b. Podstawy korzystania z API
c. Automatyzacja pobierania danych i dobre praktyki
4. Czyszczenie i przygotowanie danych
a. Podstawowe operacje na danych w R
b. Usuwanie błędów, duplikatów i braków
c. Normalizacja i standaryzacja danych
5. Analiza danych sieciowych w R
a. Wprowadzenie do metod analizy danych
b. Podstawowe techniki analizy danych tekstowych i liczbowych
c. Wykorzystanie pakietów analitycznych w ujęciu praktycznym
6. Wizualizacja danych
a. Metody raportowania danych
b. Metody skutecznej prezentacji wyników
c. Tworzenie prostych wykresów
d. Tworzenie interaktywnych wykresów
Koordynatorzy przedmiotu
Rodzaj przedmiotu
Efekty kształcenia
Po ukończeniu przedmiotu student:
• będzie posiadał wiedzę na temat podstawowych źródeł danych dostępnych w Internecie, takich jak media społecznościowe, otwarte bazy danych, API oraz strony WWW, oraz rozumiał zasady ich pozyskiwania;
• będzie posiadał wiedzę na temat podstawowych technik automatycznego pobierania danych (web scraping) oraz korzystania z publicznych API w celu pozyskiwania danych;
• będzie znał podstawowe metody czyszczenia, strukturyzowania i przygotowania danych w R, a także zasady ich analizy i wizualizacji;
• pozna podstawowe aspekty prawne i etyczne związane z pozyskiwaniem i wykorzystywaniem danych, w tym licencje, zasady otwartości danych i wymogi ochrony prywatności.
Umiejętności
• student będzie potrafił samodzielnie pozyskiwać dane z Internetu za pomocą web scrapingu oraz prostych API;
• będzie umiał importować, czyścić i przygotowywać dane w R, eliminując błędy, duplikaty i brakujące wartości;
• będzie potrafił stosować podstawowe techniki analizy danych liczbowych i tekstowych w R;
• będzie posiadał umiejętność wizualizacji danych i tworzenia prostych raportów w R.
Inne kompetencje
• student posiada kompetencje i praktyczne umiejętności z zakresu pracy projektowej z danymi sieciowymi;
• jest świadomy prawnych i etycznych aspektów związanych z pozyskiwaniem i wykorzystywaniem danych.
Kryteria oceniania
Ocena końcowa stanowi średnią ważoną:
90% - zadania zlecone przez prowadzącego
10% - obecność
Literatura
1. Zych, M., 2021, Web scraping w analityce danych i w badaniach mixed-method research, Uniwersytet Jagielloński, https://ruj.uj.edu.pl/entities/publication/ffee3bb8-da76-494b-90cd-7d23f3fa83d9.
2. Devstock Academy, 2024, REST API: Co to jest i jak działa? Przykłady zastosowań, https://devstockacademy.pl/blog/narzedzia-i-automatyzacja/rest-api-co-to-jest-i-jak-dziala-przyklady-zastosowan/.
3. Biblioteka Uniwersytecka w Warszawie, Licencje Creative Commons, https://www.buw.uw.edu.pl/dla-nauki/otwarta-nauka/licencje-creative-commons/.
4. Ministerstwo Cyfryzacji, Departament Otwartych Danych i Rozwoju Kompetencji; Fundacja ePaństwo, 2018, Otwieranie danych — Podręcznik dobrych praktyk, https://dane.gov.pl/media/ckeditor/2018/11/22/otwieranie-danych-podrecznik-dobrych-praktyk.pdf.
5. Wilk, J., Wykład 6 - Tidyverse i dplyr, https://rpubs.com/ja_wilk099/wyklad5i6.
6. Suchwałko, A., Suchwałko, A., & Zagdański, A., 2012, Wprowadzenie do R (v.1.1), https://cran.r-project.org/doc/contrib/wprowadzenie_do_R.pdf.
7. Biecek, P., Przewodnik po pakiecie R v. 4.0. (wersja online), https://pbiecek.github.io/Przewodnik/.
8. Wierzbicki, P., Tomczyk, B, 2018, Jaki wpływ będzie miało RODO na analizy Big Data?, https://itwiz.pl/jaki-wplyw-bedzie-mialo-rodo-na-analizy-big-data/.