Zajęcia z Podstawy analizy danych w e-biznesie dla studiów magisterskich niestacjonarnych sobotnio-niedzielnych (223300).

Literatura:

Larry Rockoff: Język SQL Przyjazny podręcznik, Helion 2017

J.D. Ullman, J. Widom: Podstawowy wykład z systemów baz danych, WNT, W-wa, 2000

Marcin Szeliga, Danuta Mendrala: Praktyczny kurs SQL, Helion 2015

P. Biecek: Przewodnik po pakiecie R. 2017. GIS.

Krider R.E.: Customer and business analytics: applied data mining for business decision making using R, 2012, CRC Press;

Doligalski T., 2013, Internet w zarządzaniu wartością klienta, Warszawa, Oficyna Wydawnicza - Szkoła Główna Handlowa w Warszawie;

M. Lasek, Data Mining zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza "Zarządzanie i Finanse", Warszawa 2002;

E. Gatnar, Symboliczne metody klasyfikacji danych, PWN, Warszawa 1998.

Dawid Wydra: Reklama Google AdWords w praktyce, Edgard, Warszawa 2014.

Zasady zaliczenia:

Kolokwium za maksymalnie 50 punktów. Nie ma możliwości poprawiania raz napisanego kolokwium.
Wysłanie w terminie projektu zespołowego i poprawnie (osobiście) wykonane polecenie związane z prezentacjami i projektem za maksymalnie 30 punktów.
Referat za maksymalnie 20 punktów.
Dla osób z usprawiedliwioną nieobecnością na kolokwium istnieje możliwość napisania egzaminu za maksymalnie 50 punktów.
Ocena wystawiona na podstawie sumy punktów według tabeli przeliczeniowej:

PUNKTY OCENA

< 50 2 (niedostateczny)

od 50 3 (dostateczny)

od 60 3,5 (dostateczny plus)

od 70 4 (dobry)

od 80 4,5 (dobry plus)

od 90 5 (bardzo dobry)

Projekt zespołowy (2-3 osoby)

Dla rzeczywistego zbioru danych napisać program w R, w którym dokonana jest analiza w oparciu o co najmniej jedną z wybranych metod eksploracji danych: regresja liniowa, regresja logistyczna, prognozowanie szeregów czasowych, drzewa klasyfikacyjne, sieci neuronowe. Na rozwiązanie zadania składa się:

zbiór danych w formacie csv,
kod źródłowy rozwiązania w programie R (wczytanie danych, analiza, wyświetlenie wyników, ewentualny zapis wyników do pliku),
raport w formacie pdf z danymi członków zespołu oraz opisem wykorzystanej metody/metod oraz wynikami analizy (w tym weryfikacją założeń wykorzystanej metody),
przesłanie wszystkich plików w spakowanej paczce mailem do dnia przed ostatnimi zajęciami laboratoryjnymi (przez jedną osobę z zespołu),
wykonanie (osobiście) polecenia związanego z referatami i projektem.

Referat

Referat powinnien obejmować:

przesłanie mailem do dnia przed określonymi zajęciami,
opis zagadnienia oraz przykładowe zadania wraz z rozwiązaniem,
udostępnienie materiałów (treść, prezentacja, kod, dodatkowe przykłady) na/po zajęciach innym studentom z grupy.

Plan przedmiotu:

Źródła i specyfika danych występujących w e-biznesie, metody ich pozyskiwania i metod analizy.
Wprowadzenie do środowiska obliczeń statystycznych i wizualizacji wyników R. Prezentacja graficznego interfejsu RStudio.
Podstawy składni języka R.
Język R: instrukcje warunkowe, pętle, funkcje.
Relacyjny model danych. Bazy danych w R.
Podstawy języka zapytań SQL.
Funkcje wierszowe i funkcje agregujące w języku zapytań SQL.
Połączenia i podzapytania w języku zapytań SQL.
Kolokwium.
Wybrane techniki wizualizacji danych. Wykorzystanie technik wizualizacji danych do przewidywania i porównywania zachowań klientów.
Wykorzystanie drzew decyzyjnych do analizy danych o klientach.
Drzewa klasyfikacyjne i regresyjne. Metoda CART. Implementacja przykładowych rozwiązań w R.
Charakterystyka systemów e-businessowych. Systemy CRM (Customer Relationship Management), ich architektura i funkcjonalność.
Wybrane metody eksploracji danych: regresja logistyczna. Szacowanie prawdopodobieństwa konwersji.
Wybrane metody eksploracji danych: modele szeregów czasowych. Przewidywanie wielkości sprzedaży.