1 z 3 Nazwa przedmiotu R w analizie układów złożonych Complex

Nazwa przedmiotu
R w analizie układów złożonych
Nazwa przedmiotu w języku
angielskim
Complex systems analysis in R
Kod przedmiotu
CSAR
Wersja przedmiotu - rok
wprowadzenia tej wersji
2013
A. Usytuowanie przedmiotu w systemie studiów
A1. Poziom kształcenia - studia I
(inż.) lub II (mgr) stopnia
A2. Forma i tryb prowadzenia
studiów
Studia I stopnia (inż.)
studia stacjonarne
A4. Profil studiów
Fizyka techniczna
Ogólnoakademicki
A5. Specjalność (lub wspólny dla
kierunku)
Fizyka Komputerowa
A6. Jednostka prowadząca
przedmiot (wydział, zakład)
Wydział Fizyki, Pracownia Fizyki w Ekonomii i Naukach
Społecznych
A3. Kierunek studiów
A7. Jednostka realizująca przedmiot
(jeśli inna niż A5 - wydział, zakład)
A8. Koordynator przedmiotu (tytuł,
imię i nazwisko, stanowisko, eDr inż. Julian Sienkiewicz, adiunkt, [email protected]
mail)
B. Ogólna charakterystyka przedmiotu
B1. Blok przedmiotów
(podstawowe, kierunkowe wspólne, Kierunkowe wspólne, FK
FM, FK, OE, MN, HES, JO)
Obieralne
B2. Grupa przedmiotów
B3. Poziom przedmiotu
(podstawowy, średnio
średnio zaawansowany
zaawansowany, zaawansowany)
B4. Status przedmiotu (obieralny
dowolnego wyboru, obowiązkowy, Obieralny
obieralny ograniczonego wyboru)
B5. Język prowadzenia zajęć (polski
Polski
lub angielski)
B6. Semestr nominalny w planie
P7
studiów (np. P7 inż., M2 mgr)
B7. Semestr w roku akad.
(zimowy lub letni)
zimowy
Probabilistyka i Komputerowa Analiza Danych Doświadczalnych,
B8. Wymagania wstępne - zaliczone
uczęszczanie równolegle na Algorytmy Genetyczne i Fizykę
przedmioty i/lub kompetencje
Układów Złożonych
10
B9. Limit liczby studentów
C. Efekty kształcenia i sposób prowadzenia zajęć
C1. Forma zajęć dydaktycznych liczba godzin w semestrze: wykład, L-30
ćwiczenia, laboratorium, projekt
C3. Liczba punktów ECTS
2
(uzasadnienie w pkt. D1-D3)
C4. Cel przedmiotu – nabywane
kompetencje (maks. 3 linie tekstu)
C4A. Cel przedmiotu w języku
angielskim
C2. Egzamin (tak/nie)
nie
Po zaliczeniu przedmiotu studenci będą w stanie przeprowadzić
analizę i wizualizację danych oraz symulację modeli fizyki układów
złożonych w pakiecie R.
Completion of this subject give the ability to analyze and visualize
data as well as to simulate simple models of complex physics
methods in R.
Karta przedmiotu R w analizie układów złożonych
kod CSAR
1z3
1. Wprowadzenie do pakietu R. Zmienne, instrukcje sterujące, zapis i
odczyt danych do pliku. Operacje macierzowe. Generacja liczb losowych.
2. Wizualizacja w pakiecie R. Histogramy, binowanie. Wykresy 2D i 3D.
Biblioteka ggplot2. Generacja plików w formatach PNG, JPG i EPS.
3. Współpraca pakietu R z bazami danych. Połączenie z bazą danych
MySQL. Pobieranie i zapisywanie danych.
4. Podstawowe testy i modele statystyczne. Testowanie zgodności
hipotezy i dobór parametrów. Metoda najmniejszych kwadratów. Test chi2
oraz test Kolmogorova-Smirnoffa. Dopasowywanie rozkładów.
teoretycznych do danych eksperymentalnych. Przykłady danych.
C5. Treści kształcenia (podać dla
5. Analiza szeregów czasowych i teoria informacji. Korelacja.
każdej z form zajęć dydaktycznych) Autokorelacja. Wykrywanie składowych periodycznych. Entropia.
Informacja wzajemna. Dywergencja Jensena-Shannona. Przykłady danych.
6. Sieci złożone. Podstawowe pojęcia. Generacja grafów Erdosa-Renyi,
sieci Wattsa-Strogatza i Barabasi-Albert. Obliczanie charakterystyk sieci:
rozkład stopni wierzchołków, najkrótsza droga, społeczności. Przykłady
danych.
7. Algorytmy genetyczne i sieci neuronowe. Tworzenie i wizualizacja.
Przykłady.
8. Eksploracja danych (uczenie maszynowe). Idea klasyfikacji. Analiza
skupień. Skalowanie wielowymiarowe. Analiza składowych głównych.
Przykłady.
1. Introduction to R. Variables, instructions, file input and output. Matrix
operations. Random values generation.
2. Graphics in R. Histograms, binning. 2D and 3D plots. Ggplot2 library.
Output to PNG, JPG and EPS file formats.
3. Databases and R. Connecting to MySQL database. Queries.
4. Statistical models and tests in R. Least-squares method. KolmogorovSmirnoff test. Distributions fitting to experimental data. Data examples.
5. Time series analysis and information theory in R. Correlation and
C5A: Treści kształcenia w języku autocorrelation functions. Detection of periodic components. Entropy,
angielskim
mutual information. Jansen-Shannon divergence. Data examples.
6. Complex networks. Basic ideas. Erdos-Renyi, Watts-Strogatz and
Barabasi-Albert graphs generation. Basic network characteristic
procedures: degree distribution, shortest paths, communities. Data
examples.
7. Genetic algorithms and neural networks. Construction and
visualization. Examples.
8. Data-mining. Classification. Cluster analysis. Principal component
analysis. Multidimensional scaling. Examples.
Zadania wykonywane na laboratoriach: 8 x 10 punktów.
Kolokwium: 20 punktów.
C6. Metody oceny – krótki
regulamin zaliczenia przedmiotu
Suma: 100 punktów.
Oceny: 51-60 dst, 61-70 dst+, 71-80 db, 81-90 db+, 91-100 bdb
[1] P. Biecek, Przewodnik po pakiecie R, Oficyna Wydawnicza Gis,
Wrocław 2011.
[2]. T. Górecki, Podstawy statystyki z przykładami w R, Wydawnictwo
C7. Literatura (spis podręczników i BTC, Legionowo 2011.
lektur uzupełniających)
[3] M. Walesiak, E. Gatnar , Statystyczna analiza danych z wykorzystaniem
pakietu R, Wydawnictwo Naukowe PWN, Warszawa 2013.
[4]. J. Ćwik, J. Mielniczuk, Statystyczne systemy uczące się. Ćwiczenia w
oparciu o pakiet R, Oficyna Wydawnicza PW, Warszawa 2009.
C8. Witryna www przedmiotu
w przygotowaniu
Karta przedmiotu R w analizie układów złożonych
kod CSAR
2z3
D. Nakład pracy studenta
D1. Liczba godzin pracy studenta
związanych z osiągnięciem efektów Uczestniczenie w laboratoriach 30 godz, przygotowanie do zajęć i
kształcenia (nakład pracy dla
kolokwiów 15 godz, uczestniczenie w konsultacjach 5 godz,
różnych form zajęć, praca własna,
przygotowanie do sprawdzianów, obecność na egzaminie o godz. Razem w semestrze 50 godz, co
egzamin). Razem liczba godzin w odpowiada 2 ECTS.
przybliżeniu równa liczba ECTSx25
D2 Liczba punktów ECTS na
Uczestniczenie: w laboratoriach 30 godz, w konsultacjach 5 godz,
zajęciach wymagających
bezpośredniego udziału nauczycieli Razem w semestrze 35 godz, co odpowiada 1,4 ECTS.
akademickich:
D3. Liczba punktów ECTS, którą
Zajęcia laboratoryjne 30 godz., Razem w semestrze 30 godz, co
student uzyskuje w ramach zajęć o
odpowiada 122 ECTS.
charakterze praktycznym
E. Informacje dodatkowe
E1. Uwagi
E2. Data ostatniej aktualizacji
30.05.2013
Tabela 1.
Efekty kształcenia dla przedmiotu – profil ogólnoakademicki
Kod efektu Student, który zaliczył przedmiot:
WIEDZA
Zna podstawowe metody analizy danych
układów złożonych i ich modelowania.
CSAR_W01
Odniesienie do efektów
Metoda
sprawdzania efektu kształcenia dla
kształcenia
kierunku
obszaru
Zadania domowe,
kolokwium
Knows fundamental methods of complex
systems data analysis and modeling.
UMIEJĘTNOŚCI
Potrafi
wykorzystać
gotowe
narzędzia
programistyczne do sprawdzenia zgodności
modelu z danymi rzeczywistymi
Zadania domowe,
CSAR_U01
kolokwium
Can apply ready-to-use programming tools to
check the validity of the assumed model with
respect to real-world data.
KOMPETENCJE SPOŁECZNE
Potrafi myśleć w sposób przedsiębiorczy oraz
określić priorytet związany z realizacją
określonego przez siebie zdania.
Zadania domowe,
CSAR_K01
kolokwium
Is able to think in a innovative manner and set
the priority related to accomplishment of the
given task.
Karta przedmiotu R w analizie układów złożonych
kod CSAR
FT1_W13
T1A_W04
T1A_W07
FT1_U14
FT1_U20
T1A_U08
T1A_U07
T1A_U09
FT1_K04
FT1_K06
T1A_K04
T1A_K06
3z3