Projekt przejściowy 2700-M-ZBD-D3PP
Projekt przejściowy umożliwia osobą uczestniczącym w zajęciach samodzielne zaplonowanie i przygotowanie rozwiązania służącego procesowi badawczemu w wybranym przez siebie obszarem z tematyki Zarządzanie Big Data. Rozwiązanie przygotowywane w ramach zajęć projektowych ma charakter praktyczny i stanowi połączenie wiedzy teoretycznej i praktycznej z obszaru Big Data. Podczas realizacji projektu rozwijane będą umiejętności związane z: samodzielnością planowania pracy, programowaniem w R lub Pythonie i praktycznymi zastosowania z obszaru Big Data. Docelowo zakłada się, że osoby uczestniczące w zajęciach wypracują w ramach projektu autorskie rozwiązania programistyczne (całkowicie autorskie lub częściowo korzystające z gotowych rozwiązań), które stanowić może podstawę realizacji pracy dyplomowej w ramach kierunku Zarządzanie Big Data.
Koordynatorzy przedmiotu
W cyklu 2025Z: | W cyklu 2026Z: |
Efekty uczenia się
Wiedza:
- posiada wiedze z obszaru rozwiązań IT wspomagającą realizacje projektu badawczego.
Umiejętności:
- posiada umiejętności w zakresie samodzielnego opracowania praktycznego rozwiązania z obszaru Big Data dotyczącego komunikacji i mediów.
- potrafi zaplanować i przeprowadzić samodzielny projekt ukierunkowany na wspomaganie procesu badawczego.
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 samodzielne wypracowanie autorskiego rozwiązania programistycznego (całkowicie autorskie lub częściowo korzystające z gotowych rozwiązań). Wypracowane rozwiązanie będzie należało udokumentować w ramach zaliczenia przedmiotu. Ocenie będzie podlegać dokumentacja, część programistyczna oraz analiza badanego zjawiska.
Literatura
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.