Przedmioty obowiązkowe na programie SMMD-ADA (grupa przedmiotów zdefiniowana przez Szkoła Główna Handlowa w Warszawie)
|
Legenda
Jeśli przedmiot jest prowadzony w danym cyklu dydaktycznym, to w odpowiedniej komórce pojawi się koszyk rejestracyjny. Ikona koszyka zależy od tego, czy możesz się rejestrować na dany przedmiot.
- nie jesteś zalogowany 
- aktualnie nie możesz się rejestrować 
- możesz się zarejestrować 
- możesz się wyrejestrować (lub wycofać prośbę) 
- złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać) 
- jesteś pomyślnie zarejestrowany (i nie możesz się wyrejestrować)
Kliknij na ikonę "i" przy koszyku, aby uzyskać dodatkowe informacje.
20221 - Semestr zimowy 2022/23 20222 - Semestr letni 2022/23 20231 - Semestr zimowy 2023/24 20232 - Semestr letni 2023/24 20241 - Semestr zimowy 2024/25 20241-PRE - Preferencje - Semestr zimowy 2024/25 (zajęcia mogą być semestralne, trymestralne lub roczne) |
Opcje | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 20221 | 20222 | 20231 | 20232 | 20241 | 20241-PRE | |||||
| 229091-D |
|
brak | brak |
 
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
Advanced business analytics. Data imputation. Advanced regression techniques. Customer Life Time Value. |
|
|
| 222801-D |
|
|
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
Global search vs. local search. Hard optimization (unimodal vs. multimodal search, continuous vs. discrete optimization). Simulated annealing algorithm, Tabu search method, Genetic algorithm, Differential evolution, Nelder-Mead method, Particle swarm optimization, Ant colony optimization, Iterated Local Search, Variable Neighborhood Search, Penalty method, GRG method, Augmented Lagrangean method, Fundamentals of complexity theory. Implementation of selected methods in GNU R. |
|
|
| 229080-D |
|
brak | brak |
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
Celem zajęć jest przekazanie studentom wiedzy z zakresu analizy czasu trwania zarówno w ujęciu klasycznym jak i bayesowskim. W toku prowadzonych zajęć omawiane są różne rodzaje modeli: nieparametrycznych, parametrycznych i semiparametrycznych. Prezentowane są teoretyczne podstawy omawianych modeli czasu trwania, metody ich estymacji oraz weryfikacji na gruncie klasycznym i bayesowskim. |
|
|
| 222890-D |
|
|
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
1. Od plików płaskich do Data Mash. Modele przetwarzania danych w Big Data. 2. ETL i modelowanie w trybie wsadowym (offline learning) i przyrostowym (online learning). Map-Reduce. 3. Strumienie danych, zdarzenia i koncepcje czasu i okien czasowych w przetwarzaniu danych w czasie rzeczywistym. 4. Mikroserwisy i komuniakcja przez REST API. 5. Współczesne architektury aplikacji do przetwarzania danych strumieniowych - Lambda, Kappa, Pub/Sub. 6. Przetwarzanie ustrukturyzowanych i niestrukturyzowanych danych. Środowisko programistyczne dla języka Python. 7. Wykorzystanie obiektowych elementów Pythona w procesie modelowania za pomocą Scikit-Learn i Keras 8. Podstawy OOP dla języka Python. Budowa klasy dla algorytmu błądzenia losowego, Perceprtonu i Adeline. 9. Przygotowanie mikroserwisu z modelem ML do zastosowania produkcyjnego. 10. Strumieniowanie danych z wykorzystaniem RDD dla Apache Spark. Wprowadzenie do obiektu DataFrame. 11. Metody tworzenia stur |
|
|
| 220521-D |
|
|
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
The course introduces the R programming language. The first lab discusses installing and configuring R and selected editors. The next block of labs introduces basic data structures: vectors and lists, and data structures based on them: matrices, and data frames. The last block of labs introduces basic programming techniques, including conditional execution, looping and mapping, and functions. Some additional packages are also described. |
|
|
| 223091-D |
|
|
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
Within the subject the following topics will be discussed: technological elements of Big Data, data types, Big Data analytics, data streams processing, big data applications, data privacy and ethical issues. |
|
|
| 223090-D |
|
|
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
W ramach przedmiotu zostaną omówione takie grupy zagadnień jak: rozwiązania technologiczne dotyczące Big Data, typy danych Big Data, analityka Big Data, przetwarzanie danych strumieniowych , przegląd wybranych rozwiązań biznesowych dotyczących Big Data a także zagadnienia etyczne związane z Big Data. |
|
|
| 223060-D |
|
|
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
Zasady budowy relacyjnej bazy danych oraz rozszerzeń obiektowych pozwalających na przechowywanie złożonych wewnętrznie struktur. Przegląd podstawowych zapytań do baz danych oraz techniki zaawansowane pozwalające na pracę w złożonym środowisku, co do wolumenu danych, liczby różnorodnych struktur, potrzeb informacyjnych użytkowników. Wykorzystanie funkcji agregujących, analitycznych, konstrukcji charakterystycznych dla pracy w środowisku hurtowni danych. |
|
|
| 224391-D |
|
|
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
Cloud computing. Infrastructure-as-a-service (IaaS). Platform-as-a-service (PaaS). Collection and data management in the cloud. Relational databases and data warehousing in the cloud. NoSQL databases. Data analytic in the cloud . BigData - Hadoop and Spark int the cloud. Numerical and scientific computing in the cloud - grid computing. Economic fundamentals of cloud computing. Optimizing cloud computing costs. Cloud security. |
|
|
| 224390-D |
|
|
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
Cloud computing. Infrastructure-as-a-service (IaaS). Platform-as-a-service (PaaS). Gromadzenie i zarządzanie danymi w chmurze. Relacyjne bazy danych oraz hurtownie danych w chmurze. Nierelacyjne bazy danych - NoSQL w chmurze. Analiza danych w chmurze. BigData - Hadoop i Spark w chmurze. Obliczenia naukowe i analizy numeryczne w chmurze - grid computing. Podstawy ekonomiczne rynku cloud computing. Optymalizacja kosztów usług chmurowych. Bezpieczeństwo danych w chmurze. |
|
|
