Big data- analiza wielu danych

Wiedza

• student zna i rozumie aktualne trendy, dylematy i kierunki rozwoju wiedzy w obszarze zarządzania wielorakimi danymi – Big data

• student zna i rozumie użyteczność danych w kontekście ich ponownego wykorzystania

• student zna i rozumie potrzeby i zachowania informacyjne użytkowników wielorakich danych

• student zna i rozumie podstawowe pojęcia, regulacje i zasady zarządzania i korzystania z wielu danych

• student zna i rozumie systemy organizacji i zarządzania wielorakimi danymi z uwzględnieniem norm,

rekomendowanych metod, dobrych praktyk

Umiejętności

• student potrafi zdefiniować i sklasyfikować różnorodne dane

• student potrafi przygotować analizę wielu danych wybierając do tego najlepsze algorytmy ich uporządkowania i prezentowania

• student potrafi w kontekście potrzeb użytkowników różnorodnych danych analizować i oceniać systemy oraz procesy zarządzania danymi

• student potrafi projektować analizę z wybranych systemów zarządzania Big data, odwołując się do poznanych metod, narzędzi, standardów

Kompetencje społeczne

• student jest gotów do permanentnego rozwijania swojej wiedzy i umiejętności

• student jest gotów do wyrabiania w sobie postawy odpowiedzialności i systematyczności w realizacji zadań

• student jest gotów do stosowania najnowszych rozwiązań technologii informacyjnej w organizacji wszystkich procesów analitycznych

• student jest gotów do uznawania znaczenia rzetelności i profesjonalizmu analityka Big data

Studenci są oceniani w sposób ciągły na podstawie uczestnictwa i aktywności na zajęciach oraz realizacji zadań na wybrany temat. Dodatkowymi kryteriami oceny są: terminowość wykonania ćwiczeń oraz dostosowanie się do wymagań dotyczących sposobu ich wykonania, określonych przez prowadzącego zajęcia.

Metody kształtujące dla oceny ciągłej to:

- bieżąca ocena i ewentualna korekta realizacji zadań wykonywanych w trakcie ćwiczeń

- dyskusja oceniająca po wykonaniu wszystkich zadań przez studentów

- przygotowane przez studentów opracowania na wybrany temat.

Metody podsumowujące:

- ostateczna, końcowa ocena wykonania zadań oraz analiz, w tym zgodności z zaleceniami.

Uczestnictwo w ćwiczeniach: 30 godzin

Czytanie literatury obowiązkowej i uzupełniającej oraz przyswajanie nowej wiedzy: 30 godzin

Przygotowanie się do ćwiczeń, dokończenie zadań: 30 godzin

Przygotowywanie analiz: 30 godziny

Łączny nakład pracy studenta wynosi 120 godzin, co odpowiada 4 punktom ECTS