Laboratorium 2.1 : Język programowania R
Informacje ogólne
Kod przedmiotu: | 23-KODU-JPR1 |
Kod Erasmus / ISCED: |
(brak danych)
/
(0542) Statystyka
|
Nazwa przedmiotu: | Laboratorium 2.1 : Język programowania R |
Jednostka: | Wydział Psychologii i Kognitywistyki |
Grupy: |
Moodle - przedmioty Szkoły Nauk Społecznych Przedmioty dla 1 semestru kognitywistyki II stopnia Przedmioty dla 2 semestru kognitywistyki II stopnia Przedmioty na Wydziale Psychologii i Kognitywistyki |
Strona przedmiotu: | http://kleka.home.amu.edu.pl/dydaktyka/r.lab |
Punkty ECTS i inne: |
8.00
|
Język prowadzenia: | język polski |
Rodzaj przedmiotu: | fakultatywne |
Kierunek studiów: | Kognitywistyka |
Poziom przedmiotu: | II stopień |
Cele kształcenia: | Wykształcenie umiejętności w zakresie używania języka programowania R do porządkowania, przekształcania i wizualizowania informacji pochodzących z różnych źródeł. Nabycie umiejętności przeprowadzania podstawowych analiz statystycznych w języku R. Studenci po ukończeniu kursu nabędą także umiejętności prezentowania i publikowania uzyskanych wyników analiz. |
Wymagania wstępne w zakresie wiedzy, umiejętności oraz kompetencji: | Znajomość języka angielskiego co najmniej na poziomie B2 |
Informacja o tym, gdzie można zapoznać się z materiałami do zajęć: | Strona www prowadzącego zajęcia, MS Teams |
Metody prowadzenia zajęć umożliwiające osiągnięcie założonych EK: | Wykład konwersatoryjny Uczenie problemowe (Problem-based learning) Rozwiązywanie zadań (np.: obliczeniowych, artystycznych, praktycznych) Metoda warsztatowa Metoda projektu |
Nakład pracy studenta (punkty ECTS): | 60h z naucycielem + 140h pracy samodzielnej (8 ECTS) |
Skrócony opis: |
Nauka języka do analiz statystycznych R. |
Pełny opis: |
W trakcie zajęć studenci zapoznają się z programowaniem z wykorzystaniem języka do analiz statystycznych R. |
Literatura: |
Biecek, P. (2014). Przewodnik po pakiecie R. Warszawa: Oficyna Wydawnicza GIS. Walesiak, M., Gatnar, E. (2013). Statystyczna analiza danych z wykorzystaniem programu R. Warszawa: Wydawnictwo Naukowe PWN. |
Efekty uczenia się: |
Potrafi zainstalować na komputerze potrzebne oprogramowanie wraz z niezbędnymi rozszerzeniami. Zna programy R i RStudio, repozytoria pakietów. Zna i umie się posługiwać systemem pomocy. Potrafi wczytać dane do programu pochodzące z różnych źródeł (pliki, strony internetowe, bazy danych, logi urządzeń). Przeprowadza podstawowe transformacje na danych, np. transpozycja, agregacja, filtrowanie, łączenie, rozdzielanie. Dokonuje podstawowych podsumowań dla danych, np. średnie, odchylenia, zakresy, mediany, częstości. Zna i przeprowadza podstawowe analizy statystyczne w zakresie istotności różnic między grupami wyników oraz zależności między zmiennymi. Potrafi zbudować proste, liniowe wielozmiennowe modele statystyczne. Potrafi napisać program według zadanego algorytmu. Sporządza wykresy zawierające różnego rodzaju informacje. Potrafi przygotować aplikację webową zawierającą interaktywną grafikę. Potrafi przygotować dokument zawierający wynik analiz lub wizualizację danych |
Metody i kryteria oceniania: |
Ćwiczenia i zadania podzielone są na 2 grupy - zadania obligatoryjne oraz fakultatywne. Zadania obligatoryjne dotyczą podstawowych treści omawianych i ćwiczonych na zajęciach i oceniane są 0-2 pkt każde. Zadania fakultatywne oceniane są 0-3 pkt i wykraczają poza treści omówione na zajęciach. Planowane jest 8 zadań obligatoryjnych i 3 zadania fakultatywne. Końcowy projekt oceniany będzie 0-5 pkt (0-2 pkt przygotowanie planu, 0-3 pkt zrealizowanie go). Oceniana jest także terminowość oddania projektu - oddanie projektu po terminie (zazwyczaj tydzień od zajęć poświęconych danemu tematowi) oznacza utratę 50% punktów za dany projekt. Istnieje możliwość jednorazowego przedłużenie terminu dla dowolnego projektu. Nieoryginalność (czyt. plagiat) oznacza otrzymanie 0 pkt za projekt bez możliwości poprawienia oraz zgłoszenie tego faktu władzom Uczelni. Zaliczenie tylko zadań obligatoryjnych pozwala uzyskać ocenę dobrą, wyższe oceny możliwe są tylko w przypadku zaangażowania się w zadania fakultatywne. W projekcie końcowym istnieje możliwość pracy w małych grupach (2-3 osobowych). Skala ocen: bardzo dobry (bdb; 5,0): od 21 pkt dobry plus (+db; 4,5): od 19 pkt dobry (db; 4,0): od 16 pkt dostateczny plus (+dst; 3,5): od 13 pkt dostateczny (dst; 3,0): od 10 pkt niedostateczny (ndst; 2,0): poniżej 10 pkt |
Zajęcia w cyklu "Semestr zimowy 2020/2021" (zakończony)
Okres: | 2020-10-01 - 2021-02-28 |
Przejdź do planu
PN WT ŚR LAB
CZ PT |
Typ zajęć: |
Zajęcia laboratoryjne, 60 godzin
|
|
Koordynatorzy: | Paweł Kleka | |
Prowadzący grup: | Paweł Kleka | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie z notą
Zajęcia laboratoryjne - Zaliczenie z notą |
Zajęcia w cyklu "Semestr letni 2020/2021" (zakończony)
Okres: | 2021-03-01 - 2021-09-30 |
Przejdź do planu
PN WT ŚR CZ PT |
Typ zajęć: | (brak danych) | |
Koordynatorzy: | (brak danych) | |
Prowadzący grup: | (brak danych) | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: | Zaliczenie z notą |
Zajęcia w cyklu "Semestr zimowy 2021/2022" (zakończony)
Okres: | 2021-10-01 - 2022-02-23 |
Przejdź do planu
PN WT ŚR LAB
CZ PT |
Typ zajęć: |
Zajęcia laboratoryjne, 60 godzin
|
|
Koordynatorzy: | Paweł Kleka | |
Prowadzący grup: | Paweł Kleka | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie z notą
Zajęcia laboratoryjne - Zaliczenie z notą |
Zajęcia w cyklu "Semestr zimowy 2023/2024" (zakończony)
Okres: | 2023-10-01 - 2024-02-25 |
Przejdź do planu
PN LAB
WT ŚR CZ PT |
Typ zajęć: |
Zajęcia laboratoryjne, 60 godzin
|
|
Koordynatorzy: | Paweł Kleka | |
Prowadzący grup: | Paweł Kleka | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie z notą
Zajęcia laboratoryjne - Zaliczenie z notą |
Właścicielem praw autorskich jest Uniwersytet im. Adama Mickiewicza w Poznaniu.