Uniwersytet Warszawski, Wydział Fizyki - Centralny System Uwierzytelniania

Projekt przejściowy

Informacje ogólne

Kod przedmiotu:	2700-M-ZBD-D3PP
Kod Erasmus / ISCED:	15.1 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. / (0321) Dziennikarstwo Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu:	Projekt przejściowy
Jednostka:	Wydział Dziennikarstwa, Informacji i Bibliologii
Grupy:	BD-DZIENNE II STOPNIA - semestr 3 rok 2
Strona przedmiotu:	https://kampus-student2.ckc.uw.edu.pl/course/view.php?id=8280
Punkty ECTS i inne:	5.00 LUB 3.00 (zmienne w czasie) 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
Skrócony opis:	Realizacja badania z zakresu Big Data na wybrany przez studenta temat.
Pełny opis:	Realizacja projektu badawczego w zespołach jedno/dwu osobowych. Projekt przejściowy obejmuje podstawowe elementy w tym: wybór zagadnienia badawczego, przygotowanie założeń, pytań badawczych, celu i hipotezy badawczej. Realizacja projektu stanowi praktyczną implementację wiedzy z zakresu IT przetwarzania dużych zbiorów danych w systemach komputerowych. W ramach zajęć, studenci przygotowują własne oprogramowanie lub korzystają z dostępnych narzędzi. Wyniki swoich badań oraz zdobyte doświadczenie praktyczne prezentują na ostatnich zajęciach w postaci prezentacji.
Literatura:	• Błażewicz, Grzegorz, i Wydawnictwo Naukowe PWN. Rewolucja z marketing automation: jak wykorzystać potencjał Big Data. Warszawa: Wydawnictwo Naukowe PWN, 2018. • Harrison, Guy, Piotr Pilch, i Grupa Wydawnicza Helion. NoSQL, NewSQL i BigData: bazy danych następnej generacji. Gliwice: Helion S.A., 2019. • ———. NoSQL, NewSQL i BigData: bazy danych następnej generacji. Gliwice: Helion S.A., 2019. • Kleppmann, Martin, Tomasz Walczak, i Grupa Wydawnicza Helion. Przetwarzanie danych w dużej skali: niezawodność, skalowalność i łatwość konsekwencji systemów. Gliwice: Helion, 2018. • Lee, Hyunjoung, Il Sohn, Witold Sikorski, Maciej Baranowski, i Wydawnictwo Naukowe PWN. Big Data w przemyśle: jak wykorzystać analizę danych do optymalizacji kosztów procesów? Warszawa: Wydawnictwo Naukowe PWN SA, 2016. • Marz, Nathan, James Warren, Lech Lachowski, i Wydawnictwo Helion. Big data: najlepsze praktyki budowy skalowalnych systemów obsługi danych w czasie rzeczywistym. Gliwice: Helion, 2016. • Mayer-Schönberger, Viktor, Kenneth Cukier, Michał Głatki, i MT Biznes. Big data: rewolucja, która zmieni nasze myślenie, pracę i życie. Warszawa: MT Biznes, 2014. • Ullman, Jeffrey D, Monika Jurkiewicz, i Jennifer Widom. Podstawowy wykład z systemów baz danych. Warszawa: Wydawnictwa Naukowo-Techniczne, 2000. • Ullman, Jeffrey D, Jennifer Widom, i Radosław Meryk. Podstawowy kurs systemów baz danych. Gliwice: Helion, 2011.
Efekty uczenia się:	Po ukończeniu przedmiotu student: Wiedza Ugruntowanie wiedzy teoretycznej w zakresie przetwarzania dużych zbiorów danych. Praktyczna wiedza w obszarze doboru, konfiguracji narzędzi i metod badawczych. Praktyczna wiedza w zakresie tworzenia własnych narzędzi lub łączenia funkcji gotowych rozwiązań w procesie badawczym. Umiejętności Umiejętność prowadzenia badań na bazie dużych zbiorów danych. Umiejętność doboru źródeł informacji, kolekcjonowania, rafinacji, analizy i prezentacji wyników. Umiejętność doboru narzędzi lub tworzenia własnych rozwiązań.
Metody i kryteria oceniania:	Bieżąca ocena pracy studenta. Przedmiot - Zaliczenie na ocenę Projekt - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr zimowy 2024/25" (zakończony)

Okres:	2024-10-01 - 2025-01-26	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ PRO PRO PT
Typ zajęć:	Projekt, 30 godzin więcej informacji
Koordynatorzy:	Tomasz Olczyk
Prowadzący grup:	Tomasz Olczyk
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Przedmiot - Zaliczenie na ocenę Projekt - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr zimowy 2025/26" (w trakcie)

Okres:	2025-10-01 - 2026-01-25	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ PRO PT
Typ zajęć:	Projekt, 30 godzin więcej informacji
Koordynatorzy:	Tomasz Olczyk
Prowadzący grup:	Tomasz Olczyk
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Przedmiot - Zaliczenie na ocenę Projekt - Zaliczenie na ocenę

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Fizyki.