Uniwersytet Warszawski
2026-10-01
Kontakt: m.maluchnik2@uw.edu.pl
Strona przedmiotu:
Obecność
Dopuszczalna liczba nieusprawiedliwionych nieobecności: 2.
Projekt
Samodzielne przygotowanie raportu/ dokumentu/ aplikacji (z użyciem pakietu markdown lub shiny) i krótkie omówienie wyników na ostatnich zajęciach. Prowadzący może wyrywkowo pytać o fragmenty kodu, wyniki, użyte paczki, zastosowane modele itp.
Kolokwia
Pisemne wejściówki na losowo wybranych zajęciach (do 3 pytań).
Curriculum Vitae
Stworzenie własnego CV pakietem w R.
install.packages("vitae"); library(vitae)
Prace domowe
Nieobowiązkowe, dla zainteresowanych pdwyższeniem oceny końcowej.
Playlista
Stworzenie wspólnej playlisty na Spotify.
Materiały
Udostępniane sukcesywnie na stronie RPubs.com
Praca w trakcie zajęć
Wprowadzenia do materiału, krótkie pogadanki, samodzielne pisanie kodu, notowanie omawianego materiału z tablicy/rzutnika, ćwiczenia ze skryptów.
Aktywność
Pytania w trakcie zajęć, zgłaszanie wątpliwości, sygnalizowanie problemów itp.
AI
Wspieranie się modelami językowymi podczas nauki jest możliwe, ale wykonanie projektu przez model (weryfikowane przez prowadzącego) będzie równoznaczne z niezaliczeniem przedmiotu.
Zajęcia
Kalendarz akademicki zakłada od 12 do 15 spotkań po 3 godziny zegarowe (dwoje zajęć akademickich). Ostatnie spotkanie poświęcone będzie omówieniu projektu końcowego - zaliczenie.
R, jak działa, pierwsze kroki;R {markdown};Przewodnik po pakiecie R Przemysław Biecek
Programowanie w języku R. Analiza danych, obliczenia, symulacje Marek Gągolewski
Elementarz programisty Jakub Nowosad https://jakubnowosad.com/elp/
Advanced R Handley Wickham https://adv-r.hadley.nz/index.html
Quick-R tutorials https://www.statmethods.net/about/books.html
CheatSheets
-> UW Wydział Nauk Ekonomicznych
(https://www.wne.uw.edu.pl/kandydat/studia-podyplomowe/podyplomowe_datascience)
-> LabMasters
Informacje o przedmiocie