Data-driven research
Informacje ogólne
Kod przedmiotu: | 2400-ZEWW843 |
Kod Erasmus / ISCED: |
14.3
|
Nazwa przedmiotu: | Data-driven research |
Jednostka: | Wydział Nauk Ekonomicznych |
Grupy: |
Przedmioty kierunkowe do wyboru - studia II stopnia EM - grupa 2 (1*30h) Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 2 (2*30h) Przedmioty ścieżki Gospodarka cyfrowa Przedmioty wyboru kierunkowego dla studiów licencjackich EM Przedmioty wyboru kierunkowego dla studiów licencjackich IE Przedmioty wyboru kierunkowego dla studiów licencjackich MSEM Przedmioty wyboru kierunkowego dla studiów licencjackich MSEMen |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | polski |
Rodzaj przedmiotu: | nieobowiązkowe |
Założenia (opisowo): | Uczestnictwo w zajęciach “Zastosowania języka Python” lub w innym kursie z zbliżonym programem |
Skrócony opis: |
Celem zajęć jest rozwój umiejętności w zakresie analizy oraz prezentacji danych w sposób zgodny z metodologią naukową i atrakcyjny dla biznesu. Uczestniczki i uczestnicy kursu przygotują badania oraz prezentacje odpowiadając na wybrane pytania badawcze z zakresu ekonomii. Zapoznają się również z nowymi źródłami danych (m.in. bazy big data udostępnione przez Google oraz sektor publiczny), przećwiczą korzystanie z narzędzi analitycznych w języku Python oraz zdobędą doświadczenia w prezentowaniu kompleksowych zagadnień w oparciu o dane. |
Pełny opis: |
- Data-driven research i story-telling: rola i wyzwania ekonomisty - Bazy danych. Publicznie dostępne dane. Analiza eksploracyjna z wykorzystaniem pakietu Pandas - Zbieranie danych z platform społecznościowych z wykorzystaniem BigQuery oraz API - Zagadnienia z zakresu gospodarki cyfrowej. Określenie pytań badawczych - Prezentacja: wstępna analiza na wybrany temat - Analiza danych oraz przygotowanie atrakcyjnych wizualizacji (I) - Analiza danych oraz przygotowanie atrakcyjnych wizualizacji (II) - Prezentacja pogłębionej analizy danych z wykorzystaniem metod data science - Prezentacja pracy I. - Nowe źródła danych oraz wykorzystanie metod web-scrapingu - Wybór tematu na zaawansowaną analizę - Prezentacja: plan badania, pytania badawcze, dane - Prezentacja: wstępna analiza danych - Prezentacja: zaawansowana analiza danych - Prezentacja pracy II. |
Literatura: |
Zajęcia opierać się będą na materiałach przygotowanych przez prowadzącego lub źródłach internetowych. Literatura obowiązkowa nie jest przewidziana. |
Efekty uczenia się: |
WIEDZA • Student zna możliwości oraz ograniczenia wynikające z pracy z danymi sieciowymi • Student umie wykorzystywać w analizie dane online • Student potrafi przeprowadzić analizy danych z wykorzystaniem narzędzi data science UMIEJĘTNOŚCI • Student umie zadawać odpowiednie pytania badawcze i stawiać hipotezy • Student umie zaprojektować plan badawczy • Student potrafi wnioskować z danych • Student umie przygotować atrakcyjne prezentacje oraz komunikować swoje badanie KOMPETENCJE SPOŁECZNE • Student rozumie odpowiedzialność nauki oraz zna zasady etyczne prowadzenia badań • Student potrafi zadać społecznie istotne pytania badawcze • Student potrafi wygłaszać prezentację |
Metody i kryteria oceniania: |
Prezentacja końcowa |
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.