Analiza danych w R - Zajęcia fakultatywne WM-I-S2-E2-ADwR
Celem przedmiotu jest prezentacja podstawowych technik analizy danych z uwzględnieniem metod statystycznych. W trakcie zajęć student zdobywa wiedzę teoretyczną i praktyczną odnośnie do konstrukcji, wyboru oraz zastosowania odpowiedniego modelu względem analizowanego zjawiska empirycznego.
Dyscyplina naukowa, do której odnoszą się efekty uczenia się
E-Learning
W cyklu 2022/23_L: E-Learning (pełny kurs) z podziałem na grupy | W cyklu 2023/24_Z: E-Learning |
Grupa przedmiotów ogólnouczenianych
Opis nakładu pracy studenta w ECTS
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Koordynatorzy przedmiotu
W cyklu 2022/23_L: | W cyklu 2023/24_Z: |
Efekty kształcenia
WYKŁAD:
W1 - student zna teoretyczne i praktyczne aspekty analizy danych (I2_W10),
U1 - student potrafi wybrać właściwy sposób modelowania na podstawie założeń teoretycznych (I2_U09).
LABORATORIUM:
W2 - zna metody analizy danych (I2_W10),
U2 - dla wybranych problemów student potrafi zbudować model oraz go zastosować wykorzystując lub modyfikując zaawansowane pakiety środowiska R (I2_U09),
U3 - dla wybranych zagadnień student potrafi zbudować własny, sprofilowany do zagadnienia, pakiet (I2_U09).
Kryteria oceniania
Dla wszystkich efektów przyjmuje się następujące kryteria oceny we wszystkich formach weryfikacji:
ocena 5: osiągnięty w pełni (bez uchwytnych niedociągnięć)
ocena 4,5: osiągnięty niemal w pełni i nie są spełnione kryteria przyznania wyższej oceny
ocena 4: osiągnięty w znacznym stopniu i nie są spełnione kryteria przyznania wyższej oceny
ocena 3,5: osiągnięty w znacznym stopniu
ocena 3: osiągnięty dla większości przypadków objętych weryfikacją i nie są spełnione kryteria przyznania
ocena 2: nie został osiągnięty dla większości przypadków objętych weryfikacją
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: