Skip to content

Introduction to exploratory data analysis course for Mathematics and data analysis studies in Summer 2020/2021

Notifications You must be signed in to change notification settings

Esnos33/2021L-ExploratoryDataAnalysis

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Wstęp do eksploracji danych

Materiały z zajęć Wstęp do eksploracji danych (MiNI, 2 rok MAD)

Wstęp do eksploracji danych składa się z:

  • wykładu
  • zajęć laboratoryjnych

Zaliczenie jest oparte o dwie składowe:

  • Punkty z prac domowych, będzie ich 8. Na rozwiązanie pracy domowej jest czas do rozpoczęcia się kolejnych zajęć. Prace domowe należy zgłaszać przez GitHub. Każda praca jest oceniana w skali 0-5 (5 punktów za poprawne wykonanie pracy domowej).
  • Punkty z projektów. W semestrze wykonać należy dwa projekty. Każdy projekt to od 0 do 20 punktów.

Terminy i tematy zajęć

ZAJĘCIA DATA WYKŁAD PROJEKT LABORATORIUM SKŁADOWA PUNKTY
1 2021-02-23 Eksploracja danych, narzędzia do wizualizacji danych, zasady zaliczenia. Powtórzenie R - proton, jak działa GitHub?
2021-02-24
2 2021-03-02 Gramatyka języka wizualizacji. Projekt I - motywacja, opis, tematyka. R: Wstęp do dplyr, tidyr.
2021-03-03
3 2021-03-09 Jak badać rozkład jednej zmiennej? Kolory i skale. R: Zaawansowane operacje na ramkach danych. PD1 5
2021-03-10
4 2021-03-16 Nie popełniaj tych błędów! Spotkanie projektowe 1. R: Wstęp i gramatyka ggplot2. PD2 5
2021-03-17
5 2021-03-23 Inkscape i inne programy graficzne. Spotkanie projektowe 2. R: Modyfikacja wykresów, stylów w ggplot2.
2021-03-24
6 2021-03-30 Jak przygotować dobry raport? Inne rodzaje wykresów. Spotkanie projektowe 3. R: Zaawansowany ggplot2 oraz rozszerzenie: patchwork, ggstatsplot, ggmap. PD3 + PD4 10
2021-01-07
7 2021-04-13 Oddanie projektu I. R: Generowanie raportów z analizą danych.
2021-04-14
8 2021-04-20 Wizualizacje interaktywne i w JS. Shiny. R: Interaktywne wizualizacje w plotly i ggplot2. Projekt 1 20
2021-04-21
9 2021-04-27 Dash. Projekt II - motywacja, opis, tematyka. Python: Wstęp do pandas.
2021-04-28
10 2021-05-11 The International Business Communication Standards. Spotkanie projektowe 1. Python: Zaawansowane operacje na ramkach danych. PD5 5
2021-05-05
11 2021-05-18 Spotkanie projektowe 2. Python: Wykresy w matplotlib. PD6 5
2021-05-19
12 2021-05-25 Kilka słów o prezentowaniu wyników. Spotkanie projektowe 3. Python: Wykresy w seaborn.
2021-05-26
13 2021-06-01 Oddanie projektu II. Python: Plotly. PD7 + PD8 10
2021-06-02
14 2021-06-08 Analiza EDA przed modelowaniem. Python: Przeprowadzenie EDA. Projekt 2 20
2021-06-09
15 2021-06-15 Znani w świecie wizualizacji. Wizualizacje modeli. Python: Generowanie raportów z analizą danych.
2021-06-16

Schemat oceniania (suma 80 pkt):

  • projekt I (20 pkt.):

    • 5 pkt. uzyskuje się za przygotowanie estetycznych wykresów (dwa lub więcej),
    • 5 pkt. uzyskuje się, jeżeli przygotowane wykresy mają wszystkie niezbędne elementy do poprawnego odczytania danych (tytuł, podtytuł, adnotacje na osiach, legenda, jednostki, opis jak czytać wykres),
    • 5 pkt. uzyskuje się za znalezienie ciekawych danych,
    • 5 pkt. uzyskuje się za estetykę i pomysłowość aranżacji wykresów i ich opisów w jedną całość.
  • projekt II (20 pkt. = raport 15 pkt. + prezentacja 5 pkt.):

    • 8 pkt. uzyskuje się za postawienie pytań badawczych i ich weryfikację
    • 5 pkt. uzyskuje się za jakość wizualizacji, tabel, opisów (wykresy mają wszystkie niezbędne elementy do - poprawnego odczytania danych (tytuł, podtytuł, adnotacje na osiach, legenda, jednostki, opis jak czytać wykres))
    • 2 pkt. uzyskuje się za wnioski z przeprowadzonych analiz
    • 5 pkt. uzyskuje się za prezentację na wykładzie
  • prace domowe (40 pkt. = 5 pkt. x 8)

    • za każdą pracę domową uzyskuje się do 5 pkt.
Ocena 3 3.5 4 4.5 5
Punkty [41, 48) [48, 56) [56, 64) [64, 72) [72, ∞)

About

Introduction to exploratory data analysis course for Mathematics and data analysis studies in Summer 2020/2021

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • HTML 80.1%
  • Jupyter Notebook 17.2%
  • R 2.6%
  • Python 0.1%