Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Informatyka							Poziom i forma studiów	drugiego stopnia stacjonarne
Specjalność / Ścieżka dyplomowania	Inteligentne Technologie Internetowe							Profil kształcenia	ogólnoakademicki
Nazwa przedmiotu	Eksploracja zasobów internetowych							Kod przedmiotu	INF2EZI
								Rodzaj przedmiotu	obowiązkowy
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	2
	15				30			Punkty ECTS	4
Przedmioty wprowadzające
Cele przedmiotu	Poznanie podstawowych metod eksploracji danych oraz ich zastosowanie do eksploracji sieci WWW. Zapoznanie się z technikami przechowywania danych pobranych z sieci WWW.
Treści programowe	Wykład: 1. Eksploracja struktury sieci WWW 2. Pobieranie i przetwarzanie treści stron WWW 3. Wyszukiwanie dokumentów WWW bazujące na słowach kluczowych 4. Ranking wyników na bazie linków 5. Wstęp do grupowania danych 6. Grupowanie dokumentów WWW 7. Tolerancyjne zbiory przybliżone do grupowania dokumentów WWW 8. Wstęp do klasyfikacji 9. Klasyfikacja dokumentów WWW 10-11. Eksploracja wykorzystania sieci WWW (web usage mining) 12. Wstęp do odkrywania asocjacji 13. Odkrywanie asocjacji na podstawie wykorzystania sieci WWW 14. Uczenie relacyjne w eksploracji zasobów internetowych 15. Podsumowanie omówionego materiału Pracownia specjalistyczna: 1-2. Badanie struktury sieci WWW i struktur do przechowywania treści pozyskanych ze stron WWW 3-4. Ranking stron WWW na bazie linków 5-6. Grupowanie stron WWW 7-8. Klasyfikacja stron WWW 9. Omówienie i przydzielenie zadań projektowych 10. Omówienie wstępnych koncepcji realizacji projektów 11. Omówienie deklaracji projektowych 12. Omówienie wstępnych wersji projektów 13-14. Realizacja i projektów 15. Prezentacja projektów
Metody dydaktyczne	wykład problemowy, programowanie z użyciem komputera, wykład informacyjny,
Forma zaliczenia	Wykład - sprawdzian pisemny. Pracownia specjalistyczna – projekt, ocena sprawozdań.
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	posiada ogólną wiedzę na temat zagadnienia eksploracji sieci WWW								INF2_W01
EU2	zna i stosuje podstawowe metody eksploracji sieci WWW								INF2_W01 INF2_W07 INF2_U01 INF2_U09
EU3	potrafi zastosować istniejące narzędzia do rozwiązywania problemów związanych z eksploracją sieci WWW								INF2_W07 INF2_U09
EU4	potrafi zaimplementować proste narzędzie przeznaczone do eksploracją sieci WWW								INF2_U08
EU5	potrafi pracować w zespole								INF2_U11
EU6	ma świadomość znaczenia i wpływy stosowanych narzędzi na środowisko								INF2_K02
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	sprawdzian pisemny								W
EU2	sprawdzian pisemny, sprawozdania								W, Ps
EU3	sprawozdania								Ps
EU4	projekt								Ps
EU5	projekt								Ps
EU6	sprawozdania								Ps
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - Udział w wykładach - 15x1h								15
	2 - Udział w pracowni specjalistycznej - 15x2h								30
	3 - Opracowanie sprawozdań z pracowni specjalistycznej oraz wykonanie zadań domowych (prac domowych)								10
	4 - Udział w konsultacjach								5
	5 - Realizacja zadań projektowych (w tym przygotowanie prezentacji)								30
	6 - Przygotowanie do egzaminu								8
	7 - Obecność na egzaminie								2
RAZEM:									100
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									52 (1)+(2)+(4)+(7)	2.1
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									70 (2)+(3)+(5)	2.8
Literatura podstawowa	1. Z. Markov, D. Larose, Eksploracja zasobów internetowych: analiza struktury, zawartości i użytkowania sieci WWW, Wydawnictwo Naukowe PWN, 2009. 2. D. Hand, H. Mannila, P. Smyth, Eksploracja danych, Wydawnictwa Naukowo-Techniczne, 2005. 3. S. Chakrabarti, Mining the Web: Discovering Knowledge from Hypertext Data, Morgan Kaufmann, 2002.
Literatura uzupełniająca	1. B. Liu, Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data, Springer, 2010. 2. N. Lang, A tolerance rough set approach to clustering web search results, Warsaw University, 2003. 3. S. Dzeroski, N. Lavrac [red.], Relational Data Mining, Springer, 2001. 4. I. Witten, E. Frank, M. Hall, Data Mining: Practical Machine Learning Tools and Techniques, Morgan Kaufmann, 2011.
Jednostka realizująca	Katedra Systemów Informacyjnych i Sieci Komputerowych								Data opracowania programu
Program opracował(a)	dr hab. Piotr Hońko								2020.05.22