Szkoła Główna Handlowa w Warszawie - Centralny System Uwierzytelniania
Strona główna

Przedmioty obowiązkowe na programie SMMD-ADA (grupa przedmiotów zdefiniowana przez Szkoła Główna Handlowa w Warszawie)

Jednostka: Szkoła Główna Handlowa w Warszawie Zestaw przedmiotów, który widzisz poniżej został zdefiniowany przez tę jednostkę. Jednostka ta nie musi mieć jednak związku z organizacją wymienionych przedmiotów (jednostką odpowiedzialną za organizację przedmiotu jest jednostka wymieniona w odpowiedniej kolumnie w tabeli poniżej). Więcej o tym przeczytasz w Pomocy.
Grupa przedmiotów: Przedmioty obowiązkowe na programie SMMD-ADA
wybierz inną grupę zobacz plany zajęć tej grupy
Filtry
Zaloguj się, aby uzyskać dostęp do dodatkowych opcji

Konkretniej - pokazuj tylko te przedmioty, dla których istnieje otwarta rejestracja taka, że możesz w jej ramach zarejestrować się na przedmiot.

Dodatkowo pokazywane są również te przedmioty, na które jesteś już zarejestrowany (lub składałeś prośbę o zarejestrowanie).

Jeśli chcesz zmienić te ustawienia na stałe, edytuj swoje preferencje w menu Mój USOSweb.
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.
niedostępny (zaloguj się!) - nie jesteś zalogowany
niedostępny - aktualnie nie możesz się rejestrować
zarejestruj - możesz się zarejestrować
wyrejestruj - możesz się wyrejestrować (lub wycofać prośbę)
prośba - złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać)
zarejestrowany - jesteś pomyślnie zarejestrowany (i nie możesz się wyrejestrować)
Kliknij na ikonę "i" przy koszyku, aby uzyskać dodatkowe informacje.

20191 - Semestr zimowy 2019/20
20192 - Semestr letni 2019/20
20201 - Semestr zimowy 2020/21
20202 - Semestr letni 2020/21
20211 - Semestr zimowy 2021/22
20212 - Semestr letni 2021/22
20221 - Semestr zimowy 2022/23
20222 - Semestr letni 2022/23
(zajęcia mogą być semestralne, trymestralne lub roczne)
Opcje
20191 20192 20201 20202 20211 20212 20221 20222
223101-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 30 godzin
Semestr letni 2019/20
  • Laboratorium - 30 godzin
Semestr zimowy 2020/21
  • Laboratorium - 30 godzin
Semestr letni 2020/21
  • Laboratorium - 30 godzin
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Within the subject the following topics will be discussed: methods of data visualisation, visualisation tools, visual data exploration, visualisation of spatial data, building interactive visualisations. Subject contains lectures and practical exercises concerning visual data exploration and building different kind of visualisations.

Strona przedmiotu
226161-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 30 godzin
Semestr letni 2019/20
  • Laboratorium - 30 godzin
Semestr zimowy 2020/21
  • Laboratorium - 30 godzin
Semestr letni 2020/21
  • Laboratorium - 30 godzin
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Advanced analytics. Predictive modeling. Data imputation. Advanced regression techniques. Client Life Time Value.

Strona przedmiotu
222801-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Wykład - 60 godzin
Semestr letni 2019/20
  • Wykład - 60 godzin
Semestr zimowy 2020/21
  • Wykład - 60 godzin
Semestr letni 2020/21
  • Wykład - 60 godzin
Semestr zimowy 2021/22
  • Wykład - 60 godzin
Semestr letni 2021/22
  • Wykład - 60 godzin
Semestr zimowy 2022/23
  • Wykład - 60 godzin
Semestr letni 2022/23
  • Wykład - 60 godzin
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.

Strona przedmiotu
222890-D brak brak
Zajęcia przedmiotu
Semestr zimowy 2020/21
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr letni 2020/21
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr zimowy 2021/22
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr letni 2021/22
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr zimowy 2022/23
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr letni 2022/23
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Grupy przedmiotu

Skrócony opis

1. Modelowanie, uczenie i predykcja w trybie wsadowym (offline learning) i przyrostowym (online learning). Problemy przyrostowego uczenia maszynowego.

2. 2. Modele przetwarzania danych w Big Data. Od plików płaskich do Data Lake. Mity i fakty przetwarzania danych w czasie rzeczywistym

3. Systemy NRT (near real-time systems), pozyskiwanie danych, streaming, analityka.

4. Algorytmy estymacji parametrów modelu w trybie przyrostowym. Stochastyczny spadek po gradiencie.

5. Współczesne architektury aplikacji do przetwarzania danych strumieniowych

6. Przygotowanie mikroserwisu z modelem ML do zastosowania produkcyjnego.

7. Przetwarzanie ustrukturyzowanych i niestrukturyzowanych danych w języku Python. Funkcyjne i Obiektowe łączenie z RDB i NoSQL

8. Agregacje i raportowanie w bazach NoSQL (na przykładzie bazy MongoDB).

9. Podstawy obiektowego programowania w Pythonie w analizie regresji liniowej, logistycznej oraz sieci neuronowych z wykorzystaniem biblioteki sklearn, TensorFLow i Ke

Strona przedmiotu
220521-D brak brak brak brak
Zajęcia przedmiotu
Semestr zimowy 2021/22
  • Laboratorium - 14 godzin
Semestr letni 2021/22
  • Laboratorium - 14 godzin
Semestr zimowy 2022/23
  • Laboratorium - 16 godzin
Semestr letni 2022/23
  • Laboratorium - 16 godzin
Grupy przedmiotu

Skrócony opis

Introduction to the programming environment.

Data structures and operations on data structures.

Basics of the S3 object framework.

Basic elements of programming.

Statements specifying iterations.

Functions.

Lexical scoping.

Strona przedmiotu
223091-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr letni 2019/20
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr zimowy 2020/21
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr letni 2020/21
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr zimowy 2021/22
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr letni 2021/22
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr zimowy 2022/23
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr letni 2022/23
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
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.

Strona przedmiotu
223090-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr letni 2019/20
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr zimowy 2020/21
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr letni 2020/21
  • Laboratorium - 15 godzin
  • Wykład - 15 godzin
Semestr zimowy 2021/22
  • Laboratorium - 14 godzin
  • Wykład - 16 godzin
Semestr letni 2021/22
  • Laboratorium - 14 godzin
  • Wykład - 16 godzin
Semestr zimowy 2022/23
  • Laboratorium - 14 godzin
  • Wykład - 16 godzin
Semestr letni 2022/23
  • Laboratorium - 14 godzin
  • Wykład - 16 godzin
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.

Strona przedmiotu
223060-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 30 godzin
Semestr letni 2019/20
  • Laboratorium - 30 godzin
Semestr zimowy 2020/21
  • Laboratorium - 30 godzin
Semestr letni 2020/21
  • Laboratorium - 30 godzin
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
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.

Strona przedmiotu
224391-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Wykład - 30 godzin
Semestr letni 2019/20
  • Wykład - 30 godzin
Semestr zimowy 2020/21
  • Wykład - 30 godzin
Semestr letni 2020/21
  • Wykład - 30 godzin
Semestr zimowy 2021/22
  • Wykład - 30 godzin
Semestr letni 2021/22
  • Wykład - 30 godzin
Semestr zimowy 2022/23
  • Wykład - 30 godzin
Semestr letni 2022/23
  • Wykład - 30 godzin
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.

Strona przedmiotu
224390-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Wykład - 30 godzin
Semestr letni 2019/20
  • Wykład - 30 godzin
Semestr zimowy 2020/21
  • Wykład - 30 godzin
Semestr letni 2020/21
  • Wykład - 30 godzin
Semestr zimowy 2021/22
  • Wykład - 30 godzin
Semestr letni 2021/22
  • Wykład - 30 godzin
Semestr zimowy 2022/23
  • Wykład - 30 godzin
Semestr letni 2022/23
  • Wykład - 30 godzin
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.

Strona przedmiotu
220310-D brak brak brak brak brak brak
Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Prezentowane jest połączenie statystyki (opisowej i regresji logistycznej), AI/ML (Artificial Intelligence i Machine Learning: elementów drzew decyzyjnych, XGBoostingu, lasów losowych, sieci głębokiego uczenia i heurystyk wyboru zmiennych) z programowaniem w SAS i OpenSource. W trakcie zajęć udoskonalane i modyfikowane jest oprogramowanie w języku SAS i OpenSource do budowy modeli predykcyjnych i symulacji procesu akceptacji kredytowej. Każde zajęcia to najczęściej prezentacja jakiegoś programu i algorytmu wraz z interpretacją biznesową.

Strona przedmiotu
220311-D brak brak brak brak brak brak
Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

The combination of statistics (descriptive and logistic regression), AI/ML (Artificial Intelligence and Machine Learning: elements of decision trees, XGBoosting, random forests, deep learning and variable selection heuristics) with programming in SAS and OpenSource is presented. During the course, software in SAS and OpenSource for building predictive models and simulating the credit approval process is improved and modified. Each class is usually a presentation of a program and algorithm along with a business interpretation.

Strona przedmiotu
220550-D brak brak brak brak
Zajęcia przedmiotu
Semestr zimowy 2021/22
  • Wykład - 30 godzin
Semestr letni 2021/22
  • Wykład - 30 godzin
Semestr zimowy 2022/23
  • Wykład - 30 godzin
Semestr letni 2022/23
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

1. Cyberprzestrzeń i gospodarka cyfrowa

2. Wprowadzenie do bezpieczeństwa informacyjnego

3. Cyberbezpieczeństwo a zarządzanie ryzykiem

4. Wektory ataków według MITRE ATT&CK

5. Studia przypadków

6. Bezpieczne korzystanie z usług cyfrowych

7. Aspekty prawne w cyberbezpieczeństwie

8. Globalne firmy gospodarki cyfrowej

9. Dezinformacja w świecie cyfrowym

10. Hakowanie Sztucznej Inteligencji

11. Zagadnienia etyczne

12. Trendy rozwojowe w cyberbezpieczeństwie

Strona przedmiotu
220551-D brak brak brak brak brak brak
Zajęcia przedmiotu
Semestr zimowy 2022/23
  • Wykład - 30 godzin
Semestr letni 2022/23
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

1. Cyberspace and digital economy

2. Introduction to information security

3. Cybersecurity and risk management

4. Attack vectors according to the MITRE ATT&CK framework

5. Case studies

6. The secure usage of digital services

7. The law in cybersecurity

8. The global digital companies

9. InfoOps in cyberspace

10. Hacking Artificial Intelligence

11. Ethical issues

12. Future trends in cybersecurity

Strona przedmiotu
223121-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 30 godzin
Semestr letni 2019/20
  • Laboratorium - 30 godzin
Semestr zimowy 2020/21
  • Laboratorium - 30 godzin
Semestr letni 2020/21
  • Laboratorium - 30 godzin
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Classes are focused on teaching students advanced data mining and text mining techniques, including advanced methods of big data analysis. As a result of dynamic development of this interdisciplinary research a lot of effective algorithms were developed allowing automatically discovery of knowledge from databases, including unstructured data available in internet. This knowledge may be used in decision processes in business (including enterprises), science and technology.

Strona przedmiotu
223120-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 30 godzin
Semestr letni 2019/20
  • Laboratorium - 30 godzin
Semestr zimowy 2020/21
  • Laboratorium - 30 godzin
Semestr letni 2020/21
  • Laboratorium - 30 godzin
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Zajęcia służą przyswojeniu przez studentów pogłębionej wiedzy z zakresu zaawansowanych technik data mining, na które składają się zaawansowane metody analizy dużych zbiorów danych. Ostatnio powstało wiele efektywnych algorytmów pozwalających w sposób niemal automatyczny odkrywać prawidłowości i zależności ukryte w różnorodnych bazach danych. Pozyskana wiedza może być następnie wykorzystana we wspomaganiu procesów decyzyjnych w biznesie, nauce i technice.

Strona przedmiotu
223061-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 30 godzin
Semestr letni 2019/20
  • Laboratorium - 30 godzin
Semestr zimowy 2020/21
  • Laboratorium - 30 godzin
Semestr letni 2020/21
  • Laboratorium - 30 godzin
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Principles of relational database building. Object (abstract) data types which make possible to create internally composed structures as array or table. Basic types of queries - overview. Advanced queries which allow to work in corporate environment with big volume databases, many different

structures, highly diversified users information need. Aggregate functions, analytical functions, commands dedicated to datawarehouse systems.

Strona przedmiotu
223481-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 30 godzin
Semestr letni 2019/20
  • Laboratorium - 30 godzin
Semestr zimowy 2020/21
  • Laboratorium - 30 godzin
Semestr letni 2020/21
  • Laboratorium - 30 godzin
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

The aim of the course is to provide student with a complex knowledge in logistic regression analysis. Students are able to learn about the history and philosophy of binary, oridinal and multinominal logistic models, procedures of estimation and evaluation of the models, as well as experience practical application of the presented methods to the social science, medicine and economic research. The main statistical software utilized will be SAS with examples in R & Python.

Strona przedmiotu
222800-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Ćwiczenia - 15 godzin
  • Wykład - 45 godzin
Semestr letni 2019/20
  • Ćwiczenia - 15 godzin
  • Wykład - 45 godzin
Semestr zimowy 2020/21
  • Ćwiczenia - 15 godzin
  • Wykład - 45 godzin
Semestr letni 2020/21
  • Ćwiczenia - 15 godzin
  • Wykład - 45 godzin
Semestr zimowy 2021/22
  • Ćwiczenia - 15 godzin
  • Wykład - 45 godzin
Semestr letni 2021/22
  • Ćwiczenia - 15 godzin
  • Wykład - 45 godzin
Semestr zimowy 2022/23
  • Ćwiczenia - 15 godzin
  • Wykład - 45 godzin
Semestr letni 2022/23
  • Ćwiczenia - 15 godzin
  • Wykład - 45 godzin
Grupy przedmiotu

Skrócony opis

Patrz semestralny plan zajęć.

Strona przedmiotu
220540-D brak brak brak brak
Zajęcia przedmiotu
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Proszę spojrzeć na semestralny plan zajęć.

Strona przedmiotu
220520-D brak brak brak brak
Zajęcia przedmiotu
Semestr zimowy 2021/22
  • Laboratorium - 15 godzin
Semestr letni 2021/22
  • Laboratorium - 15 godzin
Semestr zimowy 2022/23
  • Laboratorium - 16 godzin
Semestr letni 2022/23
  • Laboratorium - 16 godzin
Grupy przedmiotu

Skrócony opis

Patrz semestralny plan zajęć.

Strona przedmiotu
223100-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 30 godzin
Semestr letni 2019/20
  • Laboratorium - 30 godzin
Semestr zimowy 2020/21
  • Laboratorium - 30 godzin
Semestr letni 2020/21
  • Laboratorium - 30 godzin
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

W ramach przedmiotu zostaną omówione następujące zagadnienia: metody i narzędzia wizualizacji danych, wizualna eksploracja danych, prezentacja danych przestrzennych, budowa wykresów interaktywnych. Przedmiot obejmuje zarówno wykłady jak też ćwiczenia praktyczne dotyczące wizualnej eksploracji danych jak tworzeniu różnorodnych wizualizacji.

Strona przedmiotu
220541-D brak brak brak brak
Zajęcia przedmiotu
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

See the semester plan

Strona przedmiotu
222891-D brak brak
Zajęcia przedmiotu
Semestr zimowy 2020/21
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr letni 2020/21
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr zimowy 2021/22
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr letni 2021/22
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr zimowy 2022/23
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Semestr letni 2022/23
  • Laboratorium - 20 godzin
  • Wykład - 10 godzin
Grupy przedmiotu

Skrócony opis

1. Modelling, learning and prediction in batch mode (offline learning) and incremental (online learning) modes. Problems of incremental machine learning.

2. Data processing models in Big Data. From flat files to Data Lake. Real-time data myth and facts

3. NRT systems (near real-time systems), data acquisition, streaming and analytics.

4. Algorithms for estimating model parameters in incremental mode. Stochastic Gradient Descent

5. Modern streaming application architectures

6. Preparation of the microservice with the ML model for prediction use.

7. Processing structured and unstructured data in Python. Function and Object-oriented connection to RDB and NoSQL

8. Aggregations and reporting in NoSQL databases (MongoDB)

9. Basics of object-oriented programming in Python in linear and logistic regression, neural network analysis using the sklearn, TensorFlow and Keras.

10. IT streaming architecture. Apache Spark and Jupyter notebook environment using docker tool. Analysis of data

Strona przedmiotu
223480-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 30 godzin
Semestr letni 2019/20
  • Laboratorium - 30 godzin
Semestr zimowy 2020/21
  • Laboratorium - 30 godzin
Semestr letni 2020/21
  • Laboratorium - 30 godzin
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Zajęcia mają na celu przekazanie studentom kompleksowej wiedzy w zakresie modelowania z wykorzystaniem regresji logistycznej oraz podstawowej wiedzy z zakresu analizy tablic kontyngencji. Studenci zapoznają się z: filozofią i historią estymacji tego rodzaju modeli; z procedurami estymacji oraz weryfikacji modeli logistycznych (binarnego, uporządkowanego oraz wielomianowego); zagadnieniami praktycznego zastosowania omawianych metod w obszarach: biologiczno-medycznym, społecznym i ekonomicznym.

Strona przedmiotu
223491-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 15 godzin
  • Wykład - 45 godzin
Semestr letni 2019/20
  • Laboratorium - 15 godzin
  • Wykład - 45 godzin
Semestr zimowy 2020/21
  • Laboratorium - 15 godzin
  • Wykład - 45 godzin
Semestr letni 2020/21
  • Laboratorium - 15 godzin
  • Wykład - 45 godzin
Semestr zimowy 2021/22
  • Laboratorium - 15 godzin
  • Wykład - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 15 godzin
  • Wykład - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 15 godzin
  • Wykład - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 15 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Getting to know statistical algorithms of predictive model building used in decision making support. Practical aspects of model building: data collection and transformation, parameter estimation, prediction and decision making support based on models implemented in Julia language. Model Evaluation measurements and visualization.

Strona przedmiotu
223490-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 15 godzin
  • Wykład - 45 godzin
Semestr letni 2019/20
  • Laboratorium - 15 godzin
  • Wykład - 45 godzin
Semestr zimowy 2020/21
  • Laboratorium - 15 godzin
  • Wykład - 45 godzin
Semestr letni 2020/21
  • Laboratorium - 15 godzin
  • Wykład - 45 godzin
Semestr zimowy 2021/22
  • Laboratorium - 15 godzin
  • Wykład - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 15 godzin
  • Wykład - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 15 godzin
  • Wykład - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 15 godzin
  • Wykład - 30 godzin
Grupy przedmiotu

Skrócony opis

Zapoznanie studentów z metodami generowania modeli prognostycznych na podstawie analizy danych o dużych wolumenach oraz ich wykorzystaniem do wspomagania podejmowania decyzji. Praktyczne aspekty budowy modeli: gromadzenie i transformacja danych, szacowanie parametrów modelu, prognozowanie i rekomendacja decyzji na podstawie oszacowanego modelu z wykorzystaniem języka Julia i R. Omówienie metod oceny jakości modeli prognostycznych.

Strona przedmiotu
226160-D
Zajęcia przedmiotu
Semestr zimowy 2019/20
  • Laboratorium - 30 godzin
Semestr letni 2019/20
  • Laboratorium - 30 godzin
Semestr zimowy 2020/21
  • Laboratorium - 30 godzin
Semestr letni 2020/21
  • Laboratorium - 30 godzin
Semestr zimowy 2021/22
  • Laboratorium - 30 godzin
Semestr letni 2021/22
  • Laboratorium - 30 godzin
Semestr zimowy 2022/23
  • Laboratorium - 30 godzin
Semestr letni 2022/23
  • Laboratorium - 30 godzin
Grupy przedmiotu

Skrócony opis

Zaawansowane analizy biznesowe. Modele predykcyjne. Imputacja danych. Zaawansowane modele liniowe. Modele oceny wartości klienta w czasie.

Strona przedmiotu
al. Niepodległości 162
02-554 Warszawa
tel: +48 22 564 60 00 http://www.sgh.waw.pl/
kontakt deklaracja dostępności USOSweb 6.8.0.0