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

Zasady zaliczenia:

Kolokwium pisane w sesji egzaminacyjnej za maksymalnie 50 punktów.
Wysłanie w terminie projektu zespołowego za maksymalnie 20 punktów.
Indywidualne wykonanie poleceń związanych z R oraz projektem zespołowym za maksymalnie 10 punktów (w sesji egzaminacyjnej).
Referat na wskazany temat za maksymalnie 20 punktów.
Do zaliczenia niezbędne jest uzyskanie co najmniej po jednym punkcie z referatu, projektu zespołowego, poleceń związanych z R oraz kolokwium.
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 jedną z wybranych metod eksploracji danych: regresja liniowa lub regresja logistyczna. 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 na MS Teams do 31.05,
wykonanie (indywidualnie) polecenia związanego z projektem i programem R (biblioteka ggplot2).

Referat

Referat powinnien obejmować:

przesłanie na MS Teams do 31.05,
opis zagadnienia oraz przykładowe zadania wraz z rozwiązaniem.

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.