Projekt przejściowy 2700-M-ZBD-D2PP
Projekt przejściowy umożliwia osobą uczestniczącym w zajęciach samodzielną realizacje projektu analitycznego z zakresu Big Data w wybranym przez siebie obszarze. Realizacja projektu stanowi połączenie wiedzy teoretycznej i praktycznej z obszaru przetwarzania danych. Podczas realizacji projektu rozwijane będą umiejętności związane z: wyborem zagadnienia badawczego, formułowania hipotez, pytań i celów badawczych. Realizacja projektu przebiegać może w oparciu o autorskie narzędzia lub już istniejące rozwiązania. Wyniki projektów będą prezentowane na koniec cyklu zajęć. Końcowe wystąpienia stanowić będą dobry wstęp do ewentualnych późniejszych wystąpień w ramach konferencji naukowych.
Rodzaj przedmiotu
Koordynatorzy przedmiotu
W cyklu 2026L: | W cyklu 2024L: | W cyklu 2025L: |
Efekty kształcenia
Wiedza:
- posiada wiedze w zakresie realizacji projektów badawczych (określenie zagadnienia badawczego i sformułowania hipotezy i celów badawczych);
- posiada wiedze z obszaru rozwiązań IT wspomagającą realizacje badań analitycznych;
Umiejętności:
- potrafi zaplanować i przeprowadzić projekt badawczy oraz zaprezentować jego efekty;
- posiada kompetencje i praktyczne umiejętności w zakresie realizacji projektu (pozyskanie danych i ich analiza) w obszarze Big Data.
Kompetencje społeczne:
- wykorzystuje źródła informacji w celu doskonalenia wiedzy i umiejętności;
- przejawia postawy samodzielnego działania w uczeniu się i organizacji pracy własnej;
- rozumie potrzeby ciągłego doskonalenia własnych umiejętności.
Kryteria oceniania
Podstawą zaliczenia zajęć jest samodzielna realizacja projektu badawczego oraz prezentacja wyników analizy. Oceniane będzie: podejście do problemu badawczego, jasność formułowania hipotez, poprawność procesu analitycznego oraz prezentacja wyników badania.
Literatura
1. Błażewicz, G.: Rewolucja z marketing automation : jak wykorzystać potencjał Big Data. Warszawa, 2018.
2. Frankfort-Nachmias, C.: (2001) Metody badawcze w naukach społecznych. Poznań, 2001.
3. Grus, J.: Data science od podstaw : analiza danych w Pythonie, Gliwice, 2022.
4. Harrison, G.: NoSQL, NewSQL i big data : bazy danych następnej generacji. Gliwice, 2019.
5. Kleppmann, M.: Przetwarzanie danych w dużej skali : niezawodność, skalowalność i łatwość konserwacji systemów. Gliwice, 2018.
6. Mitchell, R. E.: Ekstrakcja danych z językiem Python : pozyskiwanie danych z internetu, Gliwice, 2019.
7. Rybka, P.: Ekstrakcja danych w Pythonie. Teoria i praktyka, Gliwice, 2026.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: