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

Wizualizacja i raportowanie danych w programie R

Informacje ogólne

Kod przedmiotu: 2400-ZEWW727
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: Wizualizacja i raportowanie danych w programie R
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Przedmioty kierunkowe do wyboru - studia II stopnia EM - grupa 1 (3*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia EM - grupa 2 (1*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia EP - grupa 1 (3*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia EP - grupa 4 (1*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 2 (2*30h)
Przedmioty kierunkowe do wyboru- studia I stopnia EP
Przedmioty wyboru kierunkowego dla studiów licencjackich EM
Przedmioty wyboru kierunkowego dla studiów licencjackich IE
Punkty ECTS i inne: 6.00 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: polski
Rodzaj przedmiotu:

nieobowiązkowe

Skrócony opis:

Celem kursu jest nauczenie uczestników kursów efektywnej i ciekawej dla odbiorcy wizualizacji wyników analizy danych przy wykorzystaniu jednego z najpopularniejszych i najbardziej rozbudowanych narzędzi – bezpłatnego pakietu statystycznego R-CRAN. Dodatkową korzyścią dla uczestników będzie możliwość nauczenia się automatyzacji swojej pracy poprzez przygotowywanie powtarzalnych kodów generujących automatyczne raporty w dodatku do programu R Rmarkdown.

Na kursie obowiązuje dewiza learning by doing. Na każdych zajęciach uczestnicy po wysłuchaniu wykładu zawierającego informacje teoretyczne oraz praktyczne przykłady będą mieli do wykonania praktyczne zadanie analityczne.

Pełny opis:

Program R-CRAN jest obecnie jednym z najpopularniejszych programów do statystycznej i ekonometrycznej analizy danych. Jego siłą jest darmowość (licencja pozwala na wykorzystywanie programu bezpłatnie także w zastosowaniach komercyjnych), wszechstronność (stale tworzone są nowe pakiety zawierające procedury statystyczne wykorzystywane w m. in. analizach ekonometrycznych, psychometrycznych, socjologicznych, geologicznych pogodowych czy biomedycznych) oraz olbrzymia społeczność użytkowników współtworząca nowe pakiety i wspierająca się nawzajem za pośrednictwem internetowych forów. R jest również najlepszym obecnie programem do wizualizacji danych.

Kurs jest przeznaczony dla osób, które chcą opanować zaawansowane metody analizy i wizualizacji danych i/lub opanować w stopniu zaawansowanym program R. Biegłe posługiwanie się tym programem wymaga poznanie specjalistycznego języka poleceń, który jest językiem programistycznym (wszystkie polecenia wydaje się wyłącznie za pomocą odpowiednich komend). Dlatego ok. 50% czasu zajęciowego zostanie przeznaczone na szczegółowe omawianie języka używanego w R.

Szczegółowa tematyka kursu:

• Podstawy obsługi R – omówienie edytora R-Studio, instalowanie pakietów, import danych, podstawowe komendy, typy obiektów, specyfika pracy w R.

• Eksploracyjna analiza danych – praca na tabelach danych, pakiety: dplyr, tidyr, plyr, data.table

• Podstawy wizualizacji w R – pakiet base i graphics

• Tworzenie diagramów w R – pakiet diagram

• Wizualizacja danych 2D cz. 1– pakiet ggplot2 i jego rozszerzenia

• Wizualizacja danych 2D cz. 2 – przegląd wykresów

• Wizualizacja danych 2D cz. 3– tabele danych, złożone wykresy i infografiki

• Wizualizacja danych 3D cz. 1– pakiety lattice oraz scatterplot3d

• Wizualizacja danych 3D cz. 2 – przegląd wykresów

• Sztuka tworzenia efektywnych i ciekawych wykresów

• Interaktywne wykresy – pakiety RCharts, htmlwidgets, ggvis

• Wizualizacja wyników analiz statystycznych cz. 1 – rysowanie przedziałów ufności, wizualizacja wyników regresji liniowej, korelogramy

• Wizualizacja wyników analiz statystycznych cz. 2– PCA, klasteryzacja, klasyfikacja, text mining (analiza sieci)

• Podstawy programowania w R – instrukcje warunkowe, pętle, rodzina funkcji apply(), praca na obiektach w R, tworzenie własnych funkcji, tworzenie animacji w R

• Automatyzacja pracy – parametryzacja kodu i powtarzalność analiz

• Tworzenie automatycznych raportów i prezentacji za pomocą Rmarkdown

Literatura:

- materiały własne

Literatura obowiązkowa:

- Biecek P., 2008, Przewodnik po pakiecie R, Oficyna Wydawnicza GIS, Wrocław

- Kopczewska K., Kopczewski T., Wójcik P., (red), 2009, Metody ilościowe w R. Aplikacje ekonomiczne i finansowe, CeDeWu, Warszawa

- red. Walesiak M., Gantnar E., 2009, Statystyczna analiza danych z wykorzystaniem programu R, Wydawnictwo Naukowe PWN, Warszawa

Literatura uzupełniająca:

- Biecek, Przemysław (2014). Odkrywać! Ujawniać! Objaśniać! Uniwersytet

- Warszawski.

- Few, Stephen (2012). Show Me the Numbers: Designing Tables and Graph so Enlighten Analytics Press.

- Kopczewska K., 2006, Ekonometria i statystyka przestrzenna w R CRAN, CeDeWu, Warszawa

- Robbins, Naomi (2005). Creating more effective graphs Wiley-Interscience.

- Tufte, Edward R and Graves-Morris (1983). The visual display of quantitative information Graphics press Cheshire, CT (Vol. 2, No. 9).

Efekty uczenia się:

WIEDZA

1) Student po zakończeniu kursu zna Uczestnik zna sposób wykorzystania programu R wraz z przykładowymi pakietami w przygotowaniu, obróbce i przeprowadzeniu wybranych analiz w szczególności z zakresu zjawisk ekonomiczno-finansowych oraz społecznych

2) Będzie posiadał uporządkowaną wiedzę na temat sztuki wizualizacji danych

3) Uczestnik zna możliwości aplikacyjne przedstawionych metod analitycznych i wizualizacji danych - na ich podstawie może tworzyć własne analizy w trakcie swojego dalszego rozwoju naukowego i zawodowego

UMIEJĘTNOŚCI

1) Student potrafi pozyskać program R wraz z odpowiednimi pakietami i przygotować go do pracy

2) Uczestnik ma wprawę w pracy z danymi statystycznymi za pomocą pakietu R, potrafi wyczytać dane do programu, określić jakość danych, dokonać podstawowych manipulacji na danych, agregować dane warunkowo

3) Student na podstawie wszelkiego rodzaju danych umie przygotować złożony wykres ilustrujący zjawiska ekonomiczno-społeczne

KOMPETENCJE SPOŁECZNE

1) Uczestnik rozumie, że biegłe posługiwanie się programem R wymaga ciągłego poznawania tego pakietu i doskonalenia warsztatu

2) Student ma świadomość, że program R wraz z pakietami dodatkowymi jest nieustannie rozwijany i oferuje z czasem nowe możliwości

3) Uczestnik zdaje sobie sprawę, że program R jest uniwersalnym narzędziem i może być wykorzystywany w obliczeniach w różnych dziedzinach wiedzy oraz, że kurs daje podstawy do samodzielnego poszukiwania takich dostosowań.

Studenci, którzy ukończą kurs z ocenami co najmniej dobrymi, będą znali program na poziomie biegłym, co będzie stanowić cenną pozycję w CV i jasny sygnał dla pracodawców o wysokich umiejętnościach analitycznych.

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

Metody i kryteria oceniania:

Na końcową ocenę składają się:

• punkty za rozwiązane zadania wykonywane w ramach pracy własnej na zajęciach i pracy domowej (30 punktów),

• punkty za przygotowanie projektu semestralnego (70 punktów),

• dodatkowe punkty za aktywność.

Oceny:

Punkty Ocena

[0-60] ndst

(60-70] Dst

(70-80] dst +

(80-90] Db

(90-100] db +

(100-110] Bdb

>110 bdb !

Zajęcia w cyklu "Semestr letni 2021/22" (zakończony)

Okres: 2022-02-21 - 2022-06-15
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Konwersatorium, 60 godzin więcej informacji
Koordynatorzy: Piotr Ćwiakowski, Tomasz Kopczewski, Ewa Weychert
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2022/23" (jeszcze nie rozpoczęty)

Okres: 2023-02-20 - 2023-06-18

Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Konwersatorium, 60 godzin więcej informacji
Koordynatorzy: Tomasz Kopczewski
Prowadzący grup: Piotr Ćwiakowski, Tomasz Kopczewski, Ewa Weychert
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę
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 6.8.0.0-7 (2022-11-16)