Rafinacja Informacji 2700-M-ZBD-D2RI
Rafinacja informacji skupia się na praktycznym aspekcie pozyskiwania informacji cyfrowych. Osoby biorące udział w zajęciach zostaną zaznajomione z praktycznym zastosowaniem metod związanych z pozyskiwaniem, identyfikowaniem i selekcją informacji pochodzących ze źródeł cyfrowych. Zajęcia mają charakter warsztatowy, które są podzielone na obszary pracy samodzielnej i wspólnej w sali. Od uczestników zajęć wymaga się znajomości języka Python w stopniu umożliwiającym samodzielne tworzenie kodu. Przedmiot jest realizowalny w podziale na zajęcia synchroniczne i asynchroniczne. W ramach zajęć zostaną poruszone następujące zagadnienie:
• Koncepcja rafinacji informacji
• Metody pozyskiwania danych cyfrowych (dedykowane zbiory danych, webscraping oraz API)
• Wyrażenia regularne
• Identyfikacja sentymentów
• Predykcje w oparciu o dane cyfrowe
Rodzaj przedmiotu
Koordynatorzy przedmiotu
W cyklu 2026L: | W cyklu 2024L: | W cyklu 2025L: |
Efekty kształcenia
Wiedza:
- posiada wiedze o koncepcji rafinacji informacji,
- posiada wiedze o źródłach danych cyfrowych,
- posiada wiedze o sposobie weryfikacji danych cyfrowych.
Umiejętności:
- potrafi zaplanować i przeprowadzić rafinacje danych cyfrowych,
- posiada umiejętność konstruowania wyrażeń regularnych.
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 test wiedzy oraz przygotowanie praktycznego rozwiązania z wykorzystaniem jednej z omawianej na zajęciach metody związanej z rafinacją informacji.
Literatura
Literatura:
1. Błażewicz, G.: Rewolucja z marketing automation : jak wykorzystać potencjał Big Data. Warszawa, 2018.
2. Gogołek, W.: Technologie informacyjne mediów. Warszawa, 2006.
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: