Pole | KOD | Znaczenie kodu |
---|
Zamierzone efekty kształcenia | BL_2A_BLM-S-O4.4_U01 | Potrafi wykorzystać poznane metody do pogłębionej analizy populacji biologicznej |
---|
Odniesienie do efektów kształcenia dla kierunku studiów | BL_2A_U07 | ma pogłębioną wiedzę bioinformatyczną i posiada umiejętność jej stosowania w pracy biologa, posługuje się metodami statystyki matematycznej w analizie danych doświadczalnych i obserwacji biologicznych; |
---|
BL_2A_U15 | student posiada umiejętność prawidłowego zastosowania specjalistycznej terminologii, a w pracy badawczej zastosować poznane metody, potrafi także przygotować projekt własnych badań naukowych prawidłowo dobierając piśmiennictwo; |
Odniesienie do efektów zdefiniowanych dla obszaru kształcenia | P2A_U02 | biegle wykorzystuje literaturę naukową z zakresu dziedzin nauki i dyscyplin naukowych, właściwych dla studiowanego kierunku studiów, w języku polskim; czyta ze zrozumieniem skomplikowane teksty naukowe w języku angielskim |
---|
P2A_U03 | wykazuje umiejętność krytycznej analizy i selekcji informacji, zwłaszcza ze źródeł elektronicznych |
P2A_U05 | stosuje metody statystyczne oraz techniki i narzędzia informatyczne do opisu zjawisk i analizy danych o charakterze specjalistycznym |
P2A_U06 | zbiera i interpretuje dane empiryczne oraz na tej podstawie formułuje odpowiednie wnioski |
P2A_U07 | wykazuje umiejętność formułowania uzasadnionych sądów na podstawie danych pochodzących z różnych źródeł |
P2A_U09 | wykazuje umiejętność napisania pracy badawczej w języku polskim oraz krótkiego doniesienia naukowego w języku obcym na podstawie własnych badań naukowych |
P2A_U10 | posiada umiejętność wystąpień ustnych w języku polskim i języku obcym dotyczących, zagadnień szczegółowych z zakresu dziedzin nauki i dyscyplin naukowych, właściwych dla studiowanego kierunku studiów |
Cel przedmiotu | C-1 | Zapoznanie studentów z różnymi metodami zgłębiania danych w analizach biologicznych |
---|
Treści programowe | T-A-2 | Wykorzystanie analizy dyskryminacji w zagadnieniach klasyfikacyjnych |
---|
T-A-1 | Przygotowywanie dużych zbiorów danych w oparciu o konkretne przykłady, czyszczenie, integracja, selekcja, transformowanie danych |
T-A-3 | Zastosowanie drzew decyzyjnych w klasyfikacji i regresji |
T-A-4 | Reguły asocjacyjne oraz techniki ewaluacji modelu |
T-A-5 | Zaliczenie pisemne |
Metody nauczania | M-2 | Prezentacje multimedialne przy wykorzystaniu komputera i projektora |
---|
M-1 | wykład inforamcyjny prezentujący poszczególne zagadnienia |
M-3 | pokaz oraz symulacja działania programów prezentujących poszczególne metody |
Sposób oceny | S-1 | Ocena podsumowująca: sprawdzian zaliczeniowy z prowadzonych wykładów i ćwiczeń |
---|
Kryteria oceny | Ocena | Kryterium oceny |
---|
2,0 | |
3,0 | Student potrafi w oparciu o program komputerowy przeprowadzić analizę danych za pomoca wybranej metody data mining |
3,5 | |
4,0 | |
4,5 | |
5,0 | |