Karta Przedmiotu
| Politechnika Białostocka | Wydział Informatyki | ||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Kierunek studiów | Data Science |
Poziom i forma studiów |
pierwszego stopnia stacjonarne |
||||||||||||||||||||||||
| Grupa przedmiotów / specjalność |
Profil kształcenia | ogólnoakademicki | |||||||||||||||||||||||||
| Nazwa przedmiotu | Przetwarzanie i wizualizacja danych | Kod przedmiotu | DS1S3PWD | ||||||||||||||||||||||||
| Rodzaj zajęć | obowiązkowy | ||||||||||||||||||||||||||
| Formy zajęć i liczba godzin | W | Ć | L | P | Ps | T | S | Semestr | 3 | ||||||||||||||||||
| 30 | 30 | Punkty ECTS | 5 | ||||||||||||||||||||||||
| Program obowiązuje od | 2025/2026 | ||||||||||||||||||||||||||
| Przedmioty wprowadzające | Algebra liniowa 1 (DS1S1AL1), Bazy i hurtownie danych (DS1S2BHD), Podstawy programowania (DS1S1PPR), Programowanie obiektowe (DS1S2POB), | ||||||||||||||||||||||||||
| Cele przedmiotu |
Przekazanie zaawansowanej wiedzy z zakresu przetwarzania wstępnego danych, integracji i wizualizacji danych z wykorzystaniem nowoczesnych narzędzi i bibliotek. Rozwój praktycznych umiejętności w zakresie tworzenia kompleksowych rozwiązań do analizy i wizualizacji danych, ze szczególnym uwzględnieniem dashboardów i aplikacji webowych. Odniesienia do frameworka edukacyjnego mikrokompetencji SFIA: Data Visualisation VISL - poziom 3 Data Engineering DENG - poziom 3 Data Analytics DAAN - poziom 3 Programming/Software Development PROG - poziom 2 User Experience Analysis UNAN - poziom 2 |
||||||||||||||||||||||||||
| Ramowe treści programowe |
Zaawansowane techniki przetwarzania danych z wykorzystaniem frameworków języka Python, takich jak Pandas i Polars. Integracja danych z różnych źródeł, w tym API i baz danych. Tworzenie interaktywnych wizualizacji z użyciem dedykowanych bibliotek. Projektowanie i implementacja dashboardów analitycznych oraz architektura aplikacji webowych do wizualizacji danych. Automatyzacja procesów przetwarzania i raportowania. Zasady UX w wizualizacji danych. Implementacja zaawansowanych transformacji danych oraz integracja danych z różnych źródeł. Tworzenie interaktywnych wizualizacji i projektowanie dashboardów analitycznych. Automatyzacja procesów analitycznych. Realizacja projektu końcowego obejmującego kompleksowe rozwiązanie wizualizacyjne. |
||||||||||||||||||||||||||
| Inne informacje o przedmiocie | przedmiot ma związek z prowadzoną na Uczelni działalnością naukową | ||||||||||||||||||||||||||
| Wyliczenie: | Nakład pracy studenta związany z: | Godzin ogółem |
W tym kontaktowych |
W tym praktycznych |
|||||||||||||||||||||||
| udziałem w wykładach | 30 | 30 | |||||||||||||||||||||||||
| udziałem w innych formach zajęć | 30 | 30 | 30 | ||||||||||||||||||||||||
| indywidualnym wsparciem merytorycznym procesu uczenia się, udziałem w zaliczeniach organizowanych poza planem zajęć | 4 | 4 | |||||||||||||||||||||||||
| przygotowaniem do zaliczenia wykładu | 10 | ||||||||||||||||||||||||||
| przygotowaniem do bieżących zajęć | 51 | 51 | |||||||||||||||||||||||||
| Razem godzin: | 125 | 64 | 81 | ||||||||||||||||||||||||
| Razem punktów ECTS: | 5 | 2.6 | 3.2 | ||||||||||||||||||||||||
| Zakładane kierunkowe efekty uczenia się | Wiedza | Umiejętności | Kompetencje społeczne |
||||||||||||||||||||||||
| DS1_W03 | DS1_U04 | DS1_K04 (H1_K03) | |||||||||||||||||||||||||
| DS1_W04 | DS1_U05 | DS1_K05 | |||||||||||||||||||||||||
| DS1_W06 | DS1_U06 | ||||||||||||||||||||||||||
| DS1_W07 | DS1_U16 | ||||||||||||||||||||||||||
| DS1_W10 | |||||||||||||||||||||||||||
| DS1_W15 | |||||||||||||||||||||||||||
| DS1_W16 | |||||||||||||||||||||||||||
| Cele i treści ramowe sformułował(a) | dr inż. Marcin Koźniewski | Data: | 29/05/2025 | ||||||||||||||||||||||||
| Realizacja w roku akademickim | 2026/2027 | ||||||||||||||||||||||||||
| Treści programowe | |||||||||||||||||||||||||||
| Wykład | |||||||||||||||||||||||||||
| 1. | Zaawansowane przetwarzanie danych w Pythonie. Koncepcja Daturami dla złożonych operacji w różnych implementacjach m.in. Pandas/Polars | ||||||||||||||||||||||||||
| 2. | Operacje import/export z wykorzystaniem formatów zewnętrznych. Praca z różnymi formatami danych (np. CSV, JSON, Excel, XML) | ||||||||||||||||||||||||||
| 3. | Proste narzędzia wizualizacyjne. Rodzaje wykresów | ||||||||||||||||||||||||||
| 4. | Integracja danych z różnych źródeł. REST API i webservices. Protokoły komunikacyjne. Web scraping | ||||||||||||||||||||||||||
| 5. | Architektura aplikacji webowych. REST API. Podstawy protokołu HTTP. Architektura klient-serwer. Mikroserwisy w kontekście aplikacji analitycznych | ||||||||||||||||||||||||||
| 6. | Interaktywna wizualizacja danych. Biblioteki do wizualizacji m.in. Plotly, Bokeh, Altair | ||||||||||||||||||||||||||
| 7. | Dashboardy analityczne w przykładach. Narzędzia, np. Streamlit, Dash, Panel. Architektura aplikacji dashboardowych | ||||||||||||||||||||||||||
| 8. | Narzędzia do szybkiego tworzenia dashboardów. Narzędzia dla danych czasowych. Podstawy konfiguracji i wdrażania prostych rozwiązań dashboardowych | ||||||||||||||||||||||||||
| 9. | Procesy wdrażania rozwiązań wizualizacyjnych. Wdrażanie dashboardów. Integracja z systemami produkcyjnymi. Monitorowanie wydajności | ||||||||||||||||||||||||||
| 10. | Automatyzacja raportowania. Generowanie automatycznych raportów. Eksport do różnych formatów. Planowanie i harmonogramowanie raportów | ||||||||||||||||||||||||||
| 11. | Optymalizacja przetwarzania danych. Automatyzacja pobierania danych | ||||||||||||||||||||||||||
| 12. | Autoryzacja i bezpieczeństwo aplikacji internetowych w kontekście tworzenia aplikacji analitycznych | ||||||||||||||||||||||||||
| 13. | Czynnik ludzki w projektowaniu interfejsów użytkownika i wizualizacji danych | ||||||||||||||||||||||||||
| 14. | Projektowanie efektywnych wizualizacji. Zasady UX w wizualizacji danych | ||||||||||||||||||||||||||
| 15. | Zaliczenie wykładu | ||||||||||||||||||||||||||
| Pracownia specjalistyczna | |||||||||||||||||||||||||||
| 1. | Zaawansowany Pandas/Polars: implementacja złożonych transformacji danych | ||||||||||||||||||||||||||
| 2. | Integracja różnych źródeł danych; optymalizacja przetwarzania | ||||||||||||||||||||||||||
| 3. | Proste narzędzia wizualizacyjne: implementacja wykresów z wykorzystaniem różnych bibliotek | ||||||||||||||||||||||||||
| 4. | Tworzenie interaktywnych wizualizacji | ||||||||||||||||||||||||||
| 5. | Tworzenie interaktywnych raportów | ||||||||||||||||||||||||||
| 6. | Narzędzia dashboardowe: implementacja dashboardów; konfiguracja źródeł danych; automatyzacja aktualizacji danych | ||||||||||||||||||||||||||
| 7. | Tworzenie dashboardów: implementacja aplikacji w Streamlit i Dash; projektowanie interfejsu użytkownika; integracja z bazami danych | ||||||||||||||||||||||||||
| 8. | Wdrażanie dashboardów i automatyzacja raportów | ||||||||||||||||||||||||||
| 9. | Realizacja projektów | ||||||||||||||||||||||||||
| 10. | Realizacja projektów | ||||||||||||||||||||||||||
| 11. | Realizacja projektów | ||||||||||||||||||||||||||
| 12. | Realizacja projektów | ||||||||||||||||||||||||||
| 13. | Realizacja projektów | ||||||||||||||||||||||||||
| 14. | Realizacja projektów | ||||||||||||||||||||||||||
| 15. | Zaliczenie zajęć | ||||||||||||||||||||||||||
| Metody dydaktyczne (realizacja stacjonarna) |
|||||||||||||||||||||||||||
| W | wykład problemowy; wykład konwersatoryjny; wykład z prezentacją multimedialną | ||||||||||||||||||||||||||
| Ps | programowanie z użyciem komputera; zadania projektowe w grupach; dyskusja rozwiązań | ||||||||||||||||||||||||||
| Metody dydaktyczne (realizacja zdalna) |
|||||||||||||||||||||||||||
| W | wykład problemowy; wykład konwersatoryjny; wykład z prezentacją multimedialną | ||||||||||||||||||||||||||
| - | |||||||||||||||||||||||||||
| Forma zaliczenia | |||||||||||||||||||||||||||
| W | zaliczenie pisemne z pytaniami otwartymi | ||||||||||||||||||||||||||
| Ps | zadania realizowane indywidualnie; opracowanie zadań projektowych realizowanych w grupach | ||||||||||||||||||||||||||
| Warunki zaliczenia | |||||||||||||||||||||||||||
| W | Uzyskanie min. 30% z każdego E1-E3, a po spełnieniu tego warunku ostateczna ocena wynika z sumy uzyskanych punktów. Kryteria oceny: [ 0 – 50]% punktów – 2.0 (50 – 60]% punktów – 3.0 (60 – 70]% punktów – 3.5 (70 – 80]% punktów – 4.0 (80 – 90]% punktów – 4.5 (90 – 100]% punktów – 5.0 |
||||||||||||||||||||||||||
| Ps | Uzyskanie min. 30% z każdego E4-E7, a po spełnieniu tego warunku ostateczna ocena wynika z sumy uzyskanych punktów. Kryteria oceny: [ 0 – 50]% punktów – 2.0 (50 – 60]% punktów – 3.0 (60 – 70]% punktów – 3.5 (70 – 80]% punktów – 4.0 (80 – 90]% punktów – 4.5 (90 – 100]% punktów – 5.0 |
||||||||||||||||||||||||||
| Symbol efektu | Zakładane efekty uczenia się | Odniesienie do efektów uczenia się zdefiniowanych dla kierunku studiów | |||||||||||||||||||||||||
| Wiedza | Umiejętności | Kompetencje społeczne |
|||||||||||||||||||||||||
| Wiedza: student zna i rozumie | |||||||||||||||||||||||||||
| E1 | zaawansowane techniki przetwarzania i wizualizacji danych | ||||||||||||||||||||||||||
| E2 | architekturę aplikacji webowych i systemów dashboardowych | ||||||||||||||||||||||||||
| E3 | metody integracji z wykorzystaniem API i automatyzacji procesów analitycznych | ||||||||||||||||||||||||||
| Umiejętności: student potrafi | |||||||||||||||||||||||||||
| E4 | implementować zaawansowane transformacje danych z wykorzystaniem wybranej biblioteki języka Python | ||||||||||||||||||||||||||
| E5 | tworzyć interaktywne wizualizacje i dashboardy z wykorzystaniem wybranej biblioteki języka Python | ||||||||||||||||||||||||||
| E6 | integrować różne źródła danych, wykorzystywać API i automatyzować procesy z wykorzystaniem wybranej biblioteki języka Python | ||||||||||||||||||||||||||
| Kompetencje społeczne: student jest gotów do | |||||||||||||||||||||||||||
| E7 | tworzenia efektywnych rozwiązań wizualizacyjnych dostosowanych do potrzeb użytkowników | ||||||||||||||||||||||||||
| Symbol efektu | Sposób weryfikacji efektu uczenia się | Forma zajęć na której zachodzi weryfikacja | |||||||||||||||||||||||||
| E1 | zaliczenie pisemne | W | |||||||||||||||||||||||||
| E2 | zaliczenie pisemne | W | |||||||||||||||||||||||||
| E3 | zaliczenie pisemne | W | |||||||||||||||||||||||||
| E4 | ocena sprawozdań laboratoryjnych i rozwiązywanych zadań; ocena projektu | Ps | |||||||||||||||||||||||||
| E5 | ocena sprawozdań laboratoryjnych i rozwiązywanych zadań; ocena projektu | Ps | |||||||||||||||||||||||||
| E6 | ocena sprawozdań laboratoryjnych i rozwiązywanych zadań; ocena projektu | Ps | |||||||||||||||||||||||||
| E7 | ocena sprawozdań laboratoryjnych i rozwiązywanych zadań; ocena projektu | Ps | |||||||||||||||||||||||||
| Literatura podstawowa | |||||||||||||||||||||||||||
| 1. | W. McKinney, Python w analizie danych. Przetwarzanie danych za pomocą pakietów pandas i NumPy oraz środowiska Jupyter. Wydanie III, Helion, 2023 | ||||||||||||||||||||||||||
| 2. | J. Grus, Data science od podstaw. Analiza danych w Pythonie. Wydanie II, Helion, 2023 | ||||||||||||||||||||||||||
| 3. | A. Nadlani, A. Fandango, I. Idei, Pytona i praca z danymi. Przetwarzanie, analiza, modelowanie i wizualizacja. Wydanie III, Helion, 2022 | ||||||||||||||||||||||||||
| 4. | C. O. Wilka, Podstawy wizualizacji danych, Helion, 2023 | ||||||||||||||||||||||||||
| 5. | J. Tensorem, Potoki danych. Leksykon kieszonkowy. Przenoszenie i przetwarzanie danych na potrzeby ich analizy, Helion, 2023 | ||||||||||||||||||||||||||
| Literatura uzupełniająca | |||||||||||||||||||||||||||
| 1. | Dokumentacja rozwiązania szkieletowego Sterali, https://docs.streamlit.io/ | ||||||||||||||||||||||||||
| 2. | Dokumentacja techniczna pakietu Pandą, https://pandas.pydata.org/docs/ | ||||||||||||||||||||||||||
| 3. | Dokumentacja rozwiązania szkieletowego Ploty Cash, https://dash.plotly.com/ | ||||||||||||||||||||||||||
| 4. | I. Pereyra, Uniwersalne zasady projektowania UX, Wydawnictwo Naukowe PWN, 2025 | ||||||||||||||||||||||||||
| 5. | Podręcznik użytkownika Bokeh, https://docs.bokeh.org/en/latest/docs/user_guide.html | ||||||||||||||||||||||||||
| Koordynator przedmiotu: | dr inż. Marcin Koźniewski, dr inż. Daniel Reska, dr inż. Marcin Skoczylas | Data: | 05/06/2025 | ||||||||||||||||||||||||