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 ścieżki Gospodarka cyfrowa |
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.