Uniwersytet Warszawski, Wydział Fizyki - Centralny System Uwierzytelniania
Strona główna

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 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.
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 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-01-28
Wybrany podział planu:
Przejdź do planu
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 2024/25" (jeszcze nie rozpoczęty)

Okres: 2024-10-01 - 2025-01-26
Wybrany podział planu:
Przejdź do planu
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.
ul. Pasteura 5, 02-093 Warszawa tel: +48 22 5532 000 https://www.fuw.edu.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.0.0-3 (2024-08-26)