Wstęp do eksploracji danych

@kozaka93, @krzysztofspalinski

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, ∞)