Informacje podstawowe
- Kierunek studiów
- Informatyka Społeczna
- Specjalność
- Wszystkie
- Jednostka organizacyjna
- Wydział Humanistyczny
- Poziom kształcenia
- Studia magisterskie II stopnia
- Forma studiów
- Stacjonarne
- Profil studiów
- Praktyczny
- Cykl dydaktyczny
- 2025/2026
- Kod przedmiotu
- HIFSS.II2.07657.25
- Języki wykładowe
- polski
- Obligatoryjność
- Obowiązkowy
- Blok zajęciowy
- Przedmioty kierunkowe
- Przedmiot powiązany z badaniami naukowymi
- Nie
|
Okres
Semestr 2
|
Forma zaliczenia
Zaliczenie
Forma prowadzenia i godziny zajęć
Ćwiczenia laboratoryjne:
30
Wykład: 15 |
Liczba punktów ECTS
4
|
Cele kształcenia dla przedmiotu
| C1 | Nauczenie pojęć związanych z hurtowniami danych, jeziorami danych (Data Lakes) i ich rolą w ekosystemie analitycznym. |
| C2 | Nauczenie projektowania, implementowania i przeprowadzania procesów analizy danych. |
Efekty uczenia się dla przedmiotu
| Kod | Efekty w zakresie | Kierunkowe efekty uczenia się | Metody weryfikacji |
| Wiedzy – Student zna i rozumie: | |||
| W1 | Student zna zasady projektowania, analizowania i optymalizowania systemów gromadzenia i przetwarzania danych przestrzegając zasad związanych z zapewnieniem bezpieczeństwa danych. | IFS2P_W04 | Aktywność na zajęciach, Wykonanie ćwiczeń, Projekt |
| W2 | Student dysponuje aktualną wiedzą na temat realizacji projektów bazodanowych. | IFS2P_W02 | Aktywność na zajęciach, Projekt, Prezentacja |
| Umiejętności – Student potrafi: | |||
| U1 | Student potrafi samodzielnie opracować projekt bazodanowy, czyli: zdefiniować cele i przeprowadzić analizę wymagań użytkownika, zaprojektować podstawową funkcjonalność realizowaną przez zaproponowane rozwiązanie, | IFS2P_U04 | Aktywność na zajęciach, Projekt |
| U2 | Student potrafi opracować aplikację realizującą założoną funkcjonalność, | IFS2P_U03 | Projekt, Studium przypadków |
| U3 | Student potrafi opracować dokumentację opisującą proces tworzenia aplikacji bazodanowej, dokumentację wdrożeniową i techniczną umożliwiającą rozbudowę opracowanego projektu. | IFS2P_U05 | Projekt, Prezentacja |
| Kompetencji społecznych – Student jest gotów do: | |||
| K1 | Student ma kompetencje pozwalające na uczestniczenie w przygotowaniu i wdrażaniu projektów społecznych opartych o wiedzę pochodzacą z baz danych. | IFS2P_K03 | Aktywność na zajęciach, Projekt |
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć
Nakład pracy studenta
| Rodzaje zajęć studenta | Średnia liczba godzin* przeznaczonych na zrealizowane aktywności | |
| Ćwiczenia laboratoryjne | 30 | |
| Wykład | 15 | |
| Przygotowanie do zajęć | 30 | |
| Dodatkowe godziny kontaktowe | 5 | |
| Przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania | 20 | |
| Łączny nakład pracy studenta |
Liczba godzin
100
|
|
| Liczba godzin kontaktowych |
Liczba godzin
45
|
|
* godzina (lekcyjna) oznacza 45 minut
Treści programowe
| Lp. | Treści programowe | Efekty uczenia się dla przedmiotu | Formy prowadzenia zajęć |
| 1. |
Optymalizacja w relacyjnych bazach danych |
W1, W2, U1, U2, U3, K1 | Ćwiczenia laboratoryjne |
| 2. |
Wprowadzenie do baz danych i modelu relacyjnego, rys historyczny, porównanie możliwości oferowanych przez komercyjne i niekomercyjne relacyjne bazy danych. Optymalizacja w relacyjnych bazach danych. Bezpieczeństwo i administracja – realizacja uwierzytelnienia i autoryzacji. Buforowanie danych. Ścieżki dostępu do pojedynczych tabel. Rodzaje złączeń. Przetwarzanie zapytań – analiza, normalizacja, analiza semantyczna, uproszczenie i restrukturyzacja.Algebraiczne reguły transformacji zapytań. Kosztowa optymalizacja zapytań. Statystyki i koncepcja histogramów. Selektywność danych i jej wyznaczanie. Typy drzew zapytań i zagadnienie określania porządku wykonywania operacji połączenia. Hurtownie danych, technologia OLAP. Rozproszone i obiektowe bazy danych Bazy danych XML, dane XML w relacyjnych bazach danych. Narzędzia wspierające optymalizację przetwarzania zapytań. |
W1, W2, U1, U2, U3, K1 | Wykład |
Informacje rozszerzone
Metody i techniki kształcenia :
Wykład, Metoda projektowa (ang. Project Based Learning), Praca grupowa, Dyskusja
| Rodzaj zajęć | Metody zaliczenia | Warunki zaliczenia przedmiotu |
|---|---|---|
| Ćwiczenia laboratoryjne | Aktywność na zajęciach, Wykonanie ćwiczeń, Projekt | Warunkiem zaliczenia jest obecność i wykonanie ćwiczeń na laboratoriach. W zależności od realizacji przedmiotu możliwe jest kolokwium zaliczeniowe ustne lub pisemne. |
| Wykład | Aktywność na zajęciach, Studium przypadków , Prezentacja | Udział w dyskusji. |
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu
Projekt. Zasady i forma zaliczenia w drugim (w sesji) i trzecim (w sesji poprawkowej) terminie pozostaje bez zmian.
Sposób obliczania oceny końcowej
Ocena z projektu zakresu zastosowania baz danych do diagnozowania i rozwiązywania problemów społecznych 100%.
Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach
Zaległości student może nadrobić w oparciu o literaturę zaleconą przez wykładowcę. Powstałe zaległości student zalicza w terminie ustalonym z wykładowcą.
Wymagania wstępne i dodatkowe
Obecność na zajeciach jest obowiązkowa. Nieobecności wymagają zaliczenia ćwiczeń i/lub literatury przedmiotu w formie i zakresie ustalonym z osobą prowadzącą zajęcia.
Zasady udziału w poszczególnych zajęciach, ze wskazaniem, czy obecność studenta na zajęciach jest obowiązkowa
Ćwiczenia laboratoryjne: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego. Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia, co może zostać zweryfikowane kolokwium w formie ustnej lub pisemnej. Zaliczenie zajęć odbywa się na podstawie zaprezentowania rozwiązania postawionego problemu. Zaliczenie modułu jest możliwe po zaliczeniu wszystkich zajęć laboratoryjnych.
Literatura
Obowiązkowa- Han, J., Kamber, M., Pei, J. – Data Mining: Concepts and Techniques
- Dokumentacja systemów baz danych: MySQL, Snowflake, LanceDB.
- Kanał Youtube prowadzącego przedmiot: https://www.youtube.com/bartoszziolko
- Repozytoria narzędzi: Weka, RapidMiner, Orange.
- Kursy online: Stanford CS345: Data Mining oraz Coursera: Data Mining Specialization.