Uniwersytet Warszawski, Wydział Nauk Ekonomicznych - Centralny System Uwierzytelniania
Strona główna

Introduction to Data Science

Informacje ogólne

Kod przedmiotu: 2400-DS1DS
Kod Erasmus / ISCED: 14.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0311) Ekonomia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Introduction to Data Science
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Anglojęzyczna oferta zajęć WNE UW
Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 1 (6*30h)
Przedmioty obowiązkowe dla I roku Data Science and Business Analytics
Punkty ECTS i inne: 3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

obowiązkowe

Skrócony opis:

This course provides a brief introduction to Data Science. The main goal is to shine a light on all areas related to Data Science starting from description of most popular tasks like data wrangling and exploration, task automation and predictive modeling through explanation of true meaning of “Big Data” description of most popular data science software and finishing with data science applications and reality of everyday work.

Pełny opis:

The lecture will cover the following topics:

• What is Data Science? What data scientists do?

• Every-day reality of data science jobs - data wrangling.

• Understanding Big Data

• Data exploration and description.

• Task automation.

• Predictive and descriptive modeling modeling.

• Machine learning and econometrics. What is the difference?

• Data world is not always flat - working with different data structures.

• Importance of soft skills.

• Data scientists toolbox. What software to use?

• Putting Data Science to work: business, science and everything in between.

Literatura:

Readings and up-to-date online resources provides during the lecture.

Efekty uczenia się:

Knowledge:

Participants knows the fundamentals of Data Science, what is the true meaning of data science, what are the most common tasks performed by data scientists.

Additionally students know what is currently most popular software for multiple applications (data exploration and visualization, task automation, predictive modeling, etc.)

Skills:

Student is able to identify the essence of data science problem and chose the right software to solve it efficiently.

Social competence:

Participants understands the role of soft skills in the job of data scientists.

K_W01, K_U01, K_U02, K_U03, K_U04, K_U05, KS_01, K_U06

Metody i kryteria oceniania:

Final exam, multiple choice test (100%)

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-01-28
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Wykład, 15 godzin więcej informacji
Koordynatorzy: Maciej Wilamowski
Prowadzący grup: Maciej Wilamowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Wykład - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.
ul. Długa 44/50
00-241 Warszawa
tel: +48 22 55 49 126 https://www.wne.uw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.3.0 (2024-03-22)