Projektowanie systemów informatycznych

obowiązkowe

Wymagania formalne

Niezbędna znajomość zagadnień z przedmiotu „Narzędzia informatyczne w ekonomii”

Założenia wstępne

Przydatna wiedza z wszystkich przedmiotów dotyczących technologii informatycznych i telekomunikacyjnych, zarządzania infrastrukturą informatyczną przedsiębiorstw, modelowania i analizy procesów biznesu.

Celem zajęć jest wprowadzenie studentów w problematykę projektowania nowoczesnych systemów informatycznych, wspierających analizę danych i procesy decyzyjne oparte na algorytmach data science. Kurs obejmuje zagadnienia związane z gromadzeniem wymagań, cyklem życia systemu, metodologiami tworzenia oprogramowania oraz wzorcami architektury. Szczególną uwagę poświęcono realizacji zadań, ćwiczeń oraz case studies w języku R i środowisku IDE, które wspierają procesy projektowania systemów informatycznych w kontekście analizy i przetwarzania danych, w tym eksploracji tekstu i text miningu. Studenci poznają również metody analizy danych nieustrukturyzowanych, model Bag of Words, a także podstawy uczenia maszynowego nadzorowanego i nienadzorowanego do przetwarzania tekstu

Kurs obejmuje:

1. Wprowadzenie do projektowania nowoczesnych systemów informatycznych

a. wspieranie analizy danych i procesów decyzyjnych przez systemy informatyczne

b. wykorzystanie algorytmów data science w systemach informatycznych

2. Podstawy projektowania systemów

a. gromadzenie i analiza wymagań funkcjonalnych i niefunkcjonalnych

b. dokumentacja i specyfikacja wymagań w procesie projektowania

3. Cykl życia systemu informatycznego

a. etapy tworzenia systemu: analiza, projektowanie, implementacja, testowanie, wdrażanie

b. zarządzanie projektem systemu informatycznego

4. Metodologie tworzenia oprogramowania

a. Agile, SCRUM, Waterfall - porównanie i zastosowanie

b. Wybór odpowiedniej metodologii do projektu

5. Wzorce architektury systemów informatycznych, podstawy UML

6. Narzędzia i technologie

a. wykorzystanie języka programowania R w odpowiednim środowisku IDE

b. implementacja metod przetwarzania i eksploracji danych

7. Eksploracja i przetwarzanie danych nieustrukturyzowanych

a. źródła pozyskiwanie danych

b. techniki czyszczenia, normalizacji i tokenizacji tekstu

8. Modelowanie tekstu i uczenie maszynowe

a. model Bag of Words i jego zastosowanie

b. uczenie maszynowe nadzorowane i nienadzorowane w analizie tekstu

9. Wizualizacja danych i ich interpretacja

a. tworzenie wykresów, chmur słów i interaktywnych raportów

b. praktyczne zastosowania wizualizacji w eksploracji danych

10. Praca z kodem i repozytorium GitHub

a. współpraca w zespole przy projektach programistycznych

b. wersjonowanie kodu, commitowanie i zarządzanie repozytorium

11. Podejście Reproducible research

a. dokumentowanie kodu i analiz dla powtarzalności wyników

b. tworzenie interaktywnych raportów (np. w R Markdown)

12. Praktyczne zastosowania i case studies

a. wykonywanie zadań

b. analiza case studies i dyskusja

13. Analiza ryzyka w projektowaniu systemów informatycznych

a. Macierz ryzyka

b. Metody zarządzania ryzykiem

14. Zastosowanie języka R

a. wybór ze względu na jego wszechstronność i popularność

b. rozwijanie umiejętności w pracy z R jako kontynuacja nauki z wcześniejszych etapów studiów

Pozycje podstawowe:

- Farley D., Nowoczesna inżynieria oprogramowania. Stosowanie skutecznych technik szybszego rozwoju oprogramowania wyższej jakości, Helion 2023

- Śmiałek M., Rybiński K., Inżynieria oprogramowania w praktyce. Od wymagań do kodu z językiem UML, Helion 2024

- Hoover D. H., Oshineye A., Praktyka czyni mistrza. Wzorce, inspiracje i praktyki rzemieślników programowania, Helion, 2017

Pozycje uzupełniające:

- Hombergs T., Nie bój się ubrudzić rąk, tworząc czystą architekturę. Projektowania aplikacji wysokiej jakości na przykładach w Javie, Helion, 2025

- Caelen O., Blete M. A., Tworzenie aplikacji z wykorzystaniem GPT-4 i ChatGPT. Buduj inteligentne chatboty, generatory treści i fascynujące projekty, Helion 2024

- Gutman A. J., Goldmeier J., Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym, Helion 2023

- Wróblewski P., Machine learning i natural language processing w programowaniu. Podręcznik z ćwiczeniami w Pythonie, Helion, 2024

- Krohn J., Beyleveld G., Bassens A., Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany, Helion 2020

- wiedza

1. Student wie na czym polega i czemu służy projektowanie systemów informatycznych, jego specyfika i czym różni się od projektowania w innych dziedzinach. Zna i rozumie trudności i bariery projektowania systemów informatycznych wspierających analizę danych i procesy decyzyjne oparte na algorytmach data science.

2. Student zna i rozumie podstawy metodyczne projektowania systemów informatycznych. Ma wiedzę dotyczącą projektowania systemów zgodnie z zasadami inżynierii oprogramowania, aby przeciwdziałać „chałupniczemu” wytwarzaniu systemów.

3. Wie, jakie istnieją rozwiązania modelowe (tzw. cykle życia oprogramowania), będące podstawą stosowanych w praktyce metodyk projektowania i jest świadomy możliwości ich modyfikacji stosownie do potrzeb danej sytuacji projektowania systemu. Ma wiedzę o wykorzystywaniu i łączeniu metod i narzędzi podejścia technicznego w projektowaniu z elementami „miękkimi”, aktywizującymi członków zespołów projektowych.

4. Student ma wiedzę o podstawach, zaletach i wadach najbardziej rozpowszechnionych podejść do projektowania.

5. Student zna na poziomie podstawowym zagadnienia związane z metodami projektowania systemów informatycznych.

6. Student ma wiedzę w zakresie wybranych narzędzi i umie wskazać języki programowania wpierające kodowanie na podstawie projektów opracowanych zgodnie z podejściem zasady budowy programów.

7. Student zna podstawowe zasady i techniki stosowania wybranych metodyk. Umie zorganizować zespół projektowy i zna zasady współpracy w zespołach projektowych.

8. Student zna i rozumie podstawowe pojęcia podejścia obiektowego do projektowania systemów.

9. Student ma wiedzę o podstawach Ujednoliconego Języka Modelowania (Unified Modeling Language, UML) systemów informatycznych oraz jego elementach.

10. Student ma wiedzę dotyczącą podstaw zarządzania projektami informatycznymi. Zna podstawowe standardy zarządzania projektami i metody prowadzenia projektów.

11. Rozumie i zna trudności dokonywania analizy i oceny ryzyka w projektowaniu systemów informatycznych.

12. Posiada wiedzę o nowoczesnych trendach w rozwoju technologii informatycznych, takich jak data science, text mining i uczenie maszynowe, na których mogą bazować systemy informatyczne i których włączenie w projekt pozwala uzyskać korzyści biznesowe.

- umiejętności

1. Student potrafi zastosować odpowiednie podejście do stworzenia projektu systemu informatycznego wspierającego analizę danych i procesy decyzyjne oparte na algorytmach data science.

2. Student ma umiejętność określenia wymagań w stosunku do systemu informatycznego, który ma zostać zaprojektowany oraz potrafi przeanalizować warunki, w jakich zostanie on wdrożony oraz przeanalizować ryzyka.

3. Student posiada umiejętność określenia potrzeb w zakresie informatyzacji przedsiębiorstwa oraz przekazania ich w sposób zrozumiały dla informatyka. Potrafi opisać konkretny problem związany z funkcjonowaniem danego systemu i znaleźć jego rozwiązanie.

4. Student potrafi czytać ze zrozumieniem diagramy, składające się na model systemu informatycznego.

5. Student umie zastosować narzędzia programistyczne do stworzenia modelu systemu informatycznego wspierającego analizę danych i procesy decyzyjne oparte na algorytmach data science.

6. Student potrafi przeanalizować i opracować zadany problem naukowy oraz zaprezentować go na forum grupy.

7. Student wyraża swoją ciekawość badawczą i otwartość na zjawiska ekonomiczne osadzone w informatyce gospodarczej.

- kompetencje społeczne

1. Student rozumie w jakim celu tworzy się projekty systemów informatycznych. Ma świadomość nowoczesnych systemów, wspierających analizę danych i procesy decyzyjne oparte na algorytmach data science.

2. Student wykazuje gotowość do poszerzania swojej wiedzy samodzielnie wyszukaną literaturą naukową na określony temat.

3. Student umie pracować w grupie, jest w stanie pełnić rolę aktywnego i „świadomego” współuczestnika (obok informatyków) budowy przepływów danych infrastruktury informatycznej przedsiębiorstwa.

4. Student zna i rozumie zagadnienia związane z korzystaniem z oprogramowania open-source, w tym języka R i środowiska IDE, oraz jego licencjonowaniem.

KW01, KW02, KW03, KU01, KU02, KU03, KK01, KK02, KK03

Ocena wystawiana jest na podstawie:

- aktywności podczas zajęć - 50% oceny końcowej. Obejmuje zaangażowanie w konwersację i aktywny udział w dyskusjach na zajęciach oraz realizację zadań, ćwiczeń i case studies, a także sporządzanie notatek z zajęć.

- wykonania projektu zaliczeniowego – 50% oceny końcowej.

Do zaliczenia niezbędne jest uzyskanie łącznie minimum 51% punktów.

Zaliczenie łączy następujące metody oceny zdobytej na zajęciach wiedzy: aktywne dyskusje na dany temat, aktywność podczas zajęć, sporządzanie notatek z zajęć, realizacja zadań, ćwiczeń i case studies oraz wykonanie projektu zaliczeniowego.