Szkoła Główna Handlowa w Warszawie - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Zastosowanie Business Intelligence w analizach sektora finansowego

Informacje ogólne

Kod przedmiotu: 234390-S Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Zastosowanie Business Intelligence w analizach sektora finansowego
Jednostka: Szkoła Główna Handlowa w Warszawie
Grupy:
Punkty ECTS i inne: 3.00 (zmienne w czasie)
zobacz reguły punktacji
Język prowadzenia: polski
Skrócony opis:

Zajęcia służą przyswojeniu przez studentów pogłębionej wiedzy z zakresu zaawansowanych technik analitycznych, na które składają się zaawansowane metody analizy dużych zbiorów danych. Pozyskana wiedza może być następnie wykorzystana we wspomaganiu procesów decyzyjnych na rynku bankowym i pozabankowym.

Pełny opis:

Celem zajęć jest przekazanie studentom teoretycznej i praktycznej wiedzy z zakresu zaawansowanych metod BI oraz nabycie umiejętności posługiwania się metodami analitycznymi w identyfikowaniu zjawisk i trendów na rynku bankowym i pozabankowym.

Literatura:

Literatura podstawowa:

1. Wioletta Grzenda, Aneta Ptak-Chmielewska, Karol Przanowski, Urszula Zwierz, Przetwarzanie danych w SAS, OW SGH, Warszawa 2012.

2. F. Provost, T. Fawcett, Data Science for Business: What you need to know about data mining and data-analytic thinking, O?Reilly, USA, 2013.

3. P. Flach, Machine Learning: The Art and Science of Algorithms that Make Sense of Data, Cambridge University Press, Cambridge, 2012.

4. Chollet, Allaire (2017) Deep Learning with R, Manning Publications

5. Chollet, Allaire (2017) Deep Learning with Python, Manning Publications

6. Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani (2017), Introduction to statistical learning. With Applications in R, Springer-Verlag

7. Kuhn Max, Johnson Kjell (2013), Applied predictive modelling, Springer-Verlag

8. Zheng Alice (2018), Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists, O?Reilly

9. Lantz Brett (2013), Machine Learning with R, Packt, open source

10. Zumel, Nina, John Mount, and Jim Porzak. Practical data science with R. Manning, 2014.

11. Lantz, Brett. Machine learning with R. Packt Publishing Ltd, 2013.

Literatura uzupełniająca:

1. Géron Aurélien (2018) Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems

2. Hastie Trevor, Robert Tibshirani and Jerome Friedman (2009), Elements of statistical learning, Springer-Verlag

3. Harrington, Peter. Machine learning in action. Vol. 5. Greenwich, CT: Manning, 2012.

4. Friedman, Jerome, Trevor Hastie, and Robert Tibshirani. The Elements of Statistical Learning: Data 13. Mining, Inference, and Prediction. Springer Series in Statistics ( (2009).

Efekty uczenia się:

Wiedza:

Student powinien znać i rozumieć poszczególne etapy w procesie analizy dużych zbiorów danych

Student powinien rozumieć specyfikę poszczególnych metod i modeli Business Intelligence

Student powinien rozumieć istotę wykonywanych analiz danych oraz interpretować otrzymane wyniki

Umiejętności:

Student powinien potrafić rozwiązać konkretny problem biznesowy posługując się odpowiednim oprogramowaniem komputerowym i wybranymi metodami BI

Student powinien umieć przygotować dane do wybranej metody badawczej

Student powinien przeprowadzić estymację modeli oraz ocenić jakość i przydatność otrzymanych modeli w analizie rynku bankowego i pozabankowego

Student powinien rozumieć wady i zalety stosowanych przez niego metod i modeli BI

Kompetencje społeczne:

Docenia znaczenie analizy danych na rynku bankowym i pozabankowym

Potrafić ocenić użyteczność pozyskanej wiedzy w praktyce biznesowej

Rozumie konsekwencje błędnie przeprowadzonych analiz

Metody i kryteria oceniania:

egzamin tradycyjny-pisemny: 0.00%

egzamin testowy: 50.00%

egzamin ustny: 0.00%

kolokwium: 0.00%

referaty/eseje: 50.00%

ćwiczenia: 0.00%

inne: 0.00%

Zajęcia w cyklu "Semestr zimowy 2020/21" (zakończony)

Okres: 2020-10-01 - 2021-02-19
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Ćwiczenia, 8 godzin więcej informacji
Praca samodzielna pod kontrolą wykładowcy, 14 godzin więcej informacji
Wykład, 6 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Ćwiczenia - Zaliczenie
Wykład - Egzamin

Zajęcia w cyklu "Semestr letni 2020/21" (w trakcie)

Okres: 2021-02-20 - 2021-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Ćwiczenia, 8 godzin więcej informacji
Praca samodzielna pod kontrolą wykładowcy, 14 godzin więcej informacji
Wykład, 6 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Aneta Ptak-Chmielewska
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Ćwiczenia - Zaliczenie
Wykład - Egzamin

Zajęcia w cyklu "Semestr zimowy 2021/22" (jeszcze nie rozpoczęty)

Okres: 2021-10-01 - 2022-02-19
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: (brak danych)
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin

Zajęcia w cyklu "Semestr letni 2021/22" (jeszcze nie rozpoczęty)

Okres: 2022-02-20 - 2022-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: (brak danych)
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.