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 (zajęcia mogą być semestralne, trymestralne lub roczne) |
Opcje | |||||||
|---|---|---|---|---|---|---|---|---|
| 20221 | 20222 | 20231 | 20232 | |||||
| 229091-D |
|
brak | brak |
 
|
|
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
Advanced analytics. Predictive modeling. Data imputation. Advanced regression techniques. Client 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. 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 |
|
|
| 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. |
|
|
| 220310-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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. |
|
|
| 220311-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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. |
|
|
| 220550-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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 |
|
|
| 220551-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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 |
|
|
| 223121-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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. |
|
|
| 223120-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
Zajęcia służą przyswojeniu przez studentów pogłębionej wiedzy z zakresu podstawowych i zaawansowanych technik data mining. 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. |
|
|
| 223061-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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. |
|
|
| 229081-D |
|
brak | brak |
|
|
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
The aim of this course is to provide students with knowledge in the field of duration analysis, both in frequentist and Bayesian approach. During the course, various kinds of models are discussed i.e. non-parametric, parametric, and semi-parametric models. The theoretical framework of the duration models, methods of their estimation and their verification are presented in frequentist and Bayesian approach. |
|
|
| 222800-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
Patrz semestralny plan zajęć. |
|
|
| 220540-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
Proszę spojrzeć na semestralny plan zajęć. |
|
|
| 220520-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
Zajęcia wprowadzają do podstaw programowania w języku R. Pierwsze zajęcia omawiają stworzenie i podstawową konfigurację środowiska pracy ? instalację narzędzi i omówienie wybranego edytora. Kolejna część zajęć omawia podstawowe struktury danych: wektory i listy, oraz struktury bazujące na nich: macierze i ramki danych. Ostatni blok zajęć skupia się podstawowych technikach programistycznych. Omawiane są wykonania warunkowe, iteracja proceduralna i funkcjonalna oraz funkcje. W ramach możliwości omawiane są również dodatkowe pakiety. |
|
|
| 223100-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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. |
|
|
| 220541-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
Grupy przedmiotu
Skrócony opis
See the semester plan |
|
|
| 223101-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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. |
|
|
| 222891-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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 |
|
|
| 223491-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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, Python and R language. Model Evaluation measurements and visualization. |
|
|
| 223490-D |
|
|
|
|
|
Zajęcia przedmiotu
Semestr zimowy 2022/23
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, Python i R. Omówienie metod oceny jakości modeli prognostycznych. |
|
|
| 229090-D |
|
brak | brak |
|
|
Zajęcia przedmiotu
Semestr zimowy 2023/24
Grupy przedmiotu
Skrócony opis
Zaawansowane analizy biznesowe. Modele predykcyjne. Imputacja danych. Zaawansowane modele liniowe. Modele oceny wartości klienta w czasie. |
|
|
