Strona główna » Arkadiusz Kozłowski
Arkadiusz Kozłowski
Arkadiusz Kozłowski

dr Arkadiusz Kozłowski

Stanowisko:
Adiunkt
232
(+48 58) 523 12 18

Konsultacje

Prowadzone przedmioty

  • Niestacjonarne studia II stopnia
    • Metoda reprezentacyjna
    • Modele nieparametryczne
    • Statystyczna analiza decyzji
  • Studia podyplomowe
    • Eksploracja danych i modelowanie statystyczne
    • Programowanie z elementami metod analizy i wizualizacji danych
    • Spotkanie organizacyjne

Prowadzone seminaria

Seminarium licencjackie

Kierunek: Informatyka i ekonometria
Specjalność: Metody analizy danych

Tytuł seminarium: Pomiar i analiza zjawisk społeczno-ekonomicznych na podstawie badań próbkowych

Seminarium poświęcone jest przede wszystkim badaniom niewyczerpującym. Studenci mają okazję poszerzyć swoją wiedzę zarówno na temat samej metodologii badania, jak również analizy danych pozyskanych z badań próbkowych.

Tematy poruszane na seminarium obejmują w szczególności takie zagadnienia jak:

  • schematy wyboru próby do badania, błąd losowania,
  • techniki zbierania danych,
  • braki odpowiedzi, imputacja danych, kalibracja,
  • konstrukcja kwestionariusza, błędy pomiaru,
  • przetwarzanie i przygotowanie danych do analizy,
  • złożone metody szacowania parametrów populacji,
  • szacowanie wariancji estymatorów,
  • estymacja wykorzystująca informacje spoza próby,
  • estymacja dla małych obszarów,
  • estymacja Bayesowska,
  • weryfikacja hipotez statystycznych na podstawie prób nieprostych,
  • analiza wariancji,
  • analiza współzależności,
  • klasyfikacja i grupowanie danych,
  • analiza czynnikowa.

Badania próbkowe, którymi zajmują się Studenci, mogą dotyczyć dowolnego aspektu życia gospodarczego i społecznego (badania opinii, marketingowe, przedsiębiorstw itd.).

W pracy można wykorzystać symulacje komputerowe, zarówno w obszarze badań próbkowych (np. do oceny efektywności określonej metody estymacji), jak i w dowolnym innym obszarze związanym ze statystyką i/lub ekonomią (np. do oceny skuteczności określonej strategii inwestowania na GPW).

Prace pisane są na podstawie danych wtórnych lub pierwotnych (tj. z własnego badania próbkowego), a w niektórych przypadkach możliwe jest opieranie się na danych sztucznych (wygenerowanych).

Przy wykonywaniu obliczeń oferowane jest wsparcie w zakresie obsługi programów: Excel, R, SPSS, Statistica.

Seminarium magisterskie

Kierunek: Informatyka i ekonometria
Specjalność: Analiza Danych - Big Data

Seminarium poświęcone jest wydobywaniu wiedzy z danych (data science). Studenci mogą pisać pracę na dowolny, wybrany przez siebie temat z dziedziny nauk ekonomicznych, w którym problem badawczy jest rozwiązywany za pomocą odpowiednich metod analizy danych lub dotyczy różnych aspektów pracy z danymi. Szczególnie chętnie widziane są prace z zagadnień:

  • algorytmy uczenia maszynowego i metody data mining (dla celów klasyfikacji, regresji, grupowania, redukcji wymiarowości),
  • źródła i jakość danych,
  • przygotowywanie danych do analizy (m.in. postępowanie w przypadku braków danych, wykrywanie i postępowanie z obserwacjami odstającymi),
  • wizualizacja danych (szczególnie w środowisku R),
  • symulacje komputerowe,
  • fundamenty wnioskowania na podstawie danych (w tym klasyczna estymacja i weryfikacja hipotez, wnioskowanie bayesowskie, wnioskowanie na podstawie prób nieprostych).
Kierunek: Informatyka i ekonometria
Specjalność: Analiza Danych - Big Data

Seminarium poświęcone jest wydobywaniu wiedzy z danych (data science). Studenci mogą pisać pracę na dowolny, wybrany przez siebie temat z dziedziny nauk ekonomicznych, w którym problem badawczy jest rozwiązywany za pomocą odpowiednich metod analizy danych lub dotyczy różnych aspektów pracy z danymi. Szczególnie chętnie widziane są prace z zagadnień:

- algorytmy uczenia maszynowego i metody data mining (dla celów klasyfikacji, regresji, grupowania, redukcji wymiarowości),

-  źródła i jakość danych,

- przygotowywanie danych do analizy (m.in. postępowanie w przypadku braków danych, wykrywanie i postępowanie z obserwacjami odstającymi),

-  wizualizacja danych (szczególnie w środowisku R),

-  symulacje komputerowe,

-  fundamenty wnioskowania na podstawie danych (w tym klasyczna estymacja i weryfikacja hipotez, wnioskowanie bayesowskie, wnioskowanie na podstawie prób nieprostych).

Egzaminy i zaliczenia

    W chwili obecnej terminy egzaminów i zaliczeń nie zostały jeszcze wprowadzone.

Publikacje