Przedmioty obowiązkowe dla I roku Data Science and Business Analytics (grupa przedmiotów zdefiniowana przez Wydział Nauk Ekonomicznych)
|
Legenda
Jeśli przedmiot jest prowadzony w danym cyklu dydaktycznym, to w odpowiedniej komórce pojawi się koszyk rejestracyjny. Ikona koszyka zależy od tego, czy możesz się rejestrować na dany przedmiot.
- nie jesteś zalogowany 
- aktualnie nie możesz się rejestrować 
- możesz się zarejestrować 
- możesz się wyrejestrować (lub wycofać prośbę) 
- złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać) 
- jesteś pomyślnie zarejestrowany (i nie możesz się wyrejestrować)
Kliknij na ikonę "i" przy koszyku, aby uzyskać dodatkowe informacje.
2023Z - Semestr zimowy 2023/24 2023L - Semestr letni 2023/24 2024Z - Semestr zimowy 2024/25 2024L - Semestr letni 2024/25 (zajęcia mogą być semestralne, trymestralne lub roczne) |
Opcje | |||||||
|---|---|---|---|---|---|---|---|---|
| 2023Z | 2023L | 2024Z | 2024L | |||||
| 2400-DS1AE | brak |
 
|
brak |
|
Zajęcia przedmiotu
Semestr letni 2023/24
Grupy przedmiotu
Skrócony opis
The lecture and exercises on econometrics are to familiarize students with advanced econometric techniques, their properties and the most important applications. The lecture concerns: models estimated on the time series and panels as well as the applications of the MLE and GMM estimators. The lecture is intended for students of the Data Science programme. The lecture uses concepts in the field of linear algebra, mathematical analysis, probability calculus, descriptive and mathematical statistics and basic econometrics. |
|
||
| 2400-DS1APR | brak |
|
brak |
|
Zajęcia przedmiotu
Semestr letni 2023/24
Grupy przedmiotu
Skrócony opis
The aim of the course is to teach advanced programming methods in R, create complex scripts / programs, and evaluate their time complexity, as well as create own functions and packages. Firstly, the functions of the dplyr package will be presented to effectively aggregate and analyze data in subgroups, and use pipe operator %>% for a more readable code representation of several nested commands. Then the main focus will be on the automation of repetitive activities. In this context, while and for loops will be discussed, as well as the alternative R functions of the apply family. Also, elements will be introduced to conditionally execute program fragments and run code in batch mode. We will also discuss creating own functions and packages. An important part of the course will be showing tools for analyzing the code, evaluating its time effectiveness, and identifying and handling errors. The use of C ++ basics in R (Rcpp package) will also be discussed for example to replace slow R loops |
|
||
| 2400-DS1AL | brak |
|
brak |
|
Zajęcia przedmiotu
Semestr letni 2023/24
Grupy przedmiotu
Skrócony opis
Celem kursu jest nauka podstawowych algorytmów i struktur danych. Każdy temat będzie omawiany zarówno teoretycznie jak i aplikacyjnie (w popularnych językach programowania, takich jak C++ czy Python). Ocena końcowa zależna jest od wyników uzyskanych w zadaniach programistycznych, kartkówkach i pisemnym egzaminie. |
|
||
| 2400-DS1AMA |
|
brak |
|
brak |
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
The aim of this 45-hours lecture is to present modern macroeconomic methods and models used both by researchers and analysts to understand and predict macroeconomic phenomena. Upon completion students will be able to use acquired tools to explain and interpret the workings of the macroeconomy at an advanced level. The course is composed of three parts. The first part is devoted to static (intersectoral) general equilibrium analysis. The second part covers core growth facts and theories. The third part is devoted to analyzing and modeling business cycles phenomena. |
|
||
| 2400-DS1AMI |
|
brak |
|
brak |
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
Celem tego kursu jest przedstawienie nowego podejścia do analizy mikroekonomicznej, opartego na metodach eksperymentalnych i obliczeniowych. |
|
||
| 2400-DS1CA |
|
|
|
brak |
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
Nie podano opisu skróconego, przejdź do strony przedmiotu aby uzyskać więcej danych.
|
|
||
| 2400-FIM1POWI |
|
brak | brak | brak |
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
Celem przedmiotu jest zapoznanie studentów z podstawowymi informacjami z zakresu prawa autorskiego oraz wybranymi ogólnymi aspektami prawa własności przemysłowej. Uczestnik zajęć nabędzie wiedzy o źródłach prawa i podstawowych pojęciach dotyczących praw własności intelektualnej oraz będzie mógł w podstawowym zakresie je zastosować. Po wykładzie student będzie miał świadomość zakresu stosowania ochrony własności intelektualnej (w szczególności w zakresie prawa autorskiego) i złożoność tych zagadnień. W roku akademickim 2020/21 w związku z sytuacją epidemiologiczną wykłady odbywają się zdalnie. |
|
||
| 2400-DS1DS |
|
brak |
|
brak |
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
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. |
|
||
| 2400-DS1ML1 | brak |
|
brak |
|
Zajęcia przedmiotu
Semestr letni 2023/24
Grupy przedmiotu
Skrócony opis
Kurs oferuje szeroki przegląd zastosowań metod uczenia maszynowego w kontekście uczenia nienadzorowanego dla problemów regresyjnych i klasyfikacyjnych. Obejmuje zarówno opis podstaw teoretycznych, jak i praktyczne przykłady i zastosowania poszczególnych metod. W ramach kursu omówione zostaną podstawy uczenia maszynowego, w tym mierzenie jakości predykcji, testowanie modelu, metody jego walidacji, dobór zmiennych, prostą regresję liniową i logistyczną, analizę dyskryminacyjną oraz metodę k-najbliższych sąsiadów, maszyny wektorów nośnych, regresję grzbietową (ridge) i metodę Lasso. |
|
||
| 2400-DS1SQL |
|
brak |
|
brak |
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
The course consists of two parts: introduction to SQL (Part1) and introduction to Python (Part2). The first part of the course provides participants with a broad introduction to SQL in the following topics :data administration (to create tables, indexes) data manipulation (to add, modify, delete and retrieve data),query construction to extract useful information. In the second part , the material covers the use of data structures, data manipulation and visualization in Python. The course ends with presentation of methods for joining SQL queries and Python program. |
|
||
| 2400-DS1R |
|
brak |
|
brak |
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
The aim of the course is to introduce the statistical program R-CRAN. The course is dedicated to master's program students of Econometrics and Informatics, Data Science programs and for all who want to learn advanced statistical software and use it both in business analytics and in scientific work. The course is realized in a computer lab. Passing requirements: the final exam. |
|
||
| 2400-DS1ST |
|
brak |
|
brak |
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
Laboratorium ma na celu zapoznanie Studentów z podstawami statystycznej analizy danych. W trakcie kursu Studenci zapoznają się zarówno z podstawowymi koncepcjami teoretycznymi, jak i z narzędziami pozwalającymi na samodzielną eksplorację danych. Każdy z tematów poruszanych w trakcie kursu, zilustrowany będzie za pomocą przykładów oraz zadań do samodzielnego rozwiązania przez Studentów. Uczestnictwo w kursie jest obligatoryjne dla Studentów kierunku Data Science. |
|
||
| 2400-DS1UL |
|
brak |
|
brak |
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
Uczenie nienadzorowane (unsupervised learning) jest typem uczenia maszynowego (machine learning) i zakłada brak określonego wyjścia w danych uczących. Uczenie nienadzorowane jest skoncentrowane na eksploracji struktury danych, przy czym klasyfikacja lub kategoryzacja nie są zawarte w obserwacjach. Kurs jest oparty na trzech blokach tematycznych: klastrowania (clustering), redukcji wymiarów (dimension reduction) oraz reguł asocjacyjnych (association rule learning). W ramach zajęć omówione zostaną aspekty teoretyczne i praktyczne uczenia nienadzorowanego. Przedmiot jest realizowany w formie laboratorium. Forma zaliczenia: przygotowanie projektów. Przedmiot jest dedykowany studentom studiów II stopnia (Informatyka i Ekonometria, Data Science). |
|
||
| 2400-DS1WSMS | brak |
|
brak |
|
Zajęcia przedmiotu
Semestr letni 2023/24
Grupy przedmiotu
Skrócony opis
Zajęcia Web Scraping są dedykowane pobieraniu danych z sieci w zautomatyzowany sposób. Dzięki kursowi, studenci zdobędą wiedzę i umiejętności do wydobywania danych z Internetu. Podczas zajęć przedstawione zostaną kluczowe techniki web scrapingu. W szczególności, uczestnicy kursu będą potrafili dobrać adekwatne narzędzia i przygotować program scrapujący stosownie do potrzeb. W ramach zajęć omówione zostaną przede wszystkim aspekty praktyczne web scrapingu. Przedmiot jest realizowany w języku programowania Python w formie laboratorium. |
|
||
