Seminarium licencjackie
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:
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
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:
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).
W chwili obecnej terminy egzaminów i zaliczeń nie zostały jeszcze wprowadzone.