FIȘA DISCIPLINEI 1. Date despre program 1.1 Instituția de învățământ superior Universitatea Alexandru Ioan Cuza din Iași 1.2 Facultatea Facultatea de

Transcriere

1 FIȘA DISCIPLINEI 1. Date despre program 1.1 Instituția de învățământ superior Universitatea Alexandru Ioan Cuza din Iași 1.2 Facultatea Facultatea de Economie și Administrarea Afacerilor 1.3 Departamentul Contabilitate, Informatică Economică și Statistică 1.4 Domeniul de studii Cibernetică, Statistică şi Informatică Economică 1.5 Ciclul de studii Master 1.6 Programul de studii / Calificarea Data mining 2. Date despre disciplină 2.1 Denumirea disciplinei Scalare și analiza 2.2 Titularul activităților de curs Conf. univ. dr. Christiana Brigitte SANDU 2.3 Titularul activităților de seminar Conf. univ. dr. Christiana Brigitte SANDU 2.4 An de studiu Semestru Tip de evaluare M 2.7 Regimul discipinei OB * OB Obligatoriu / OP Opțional 3. Timpul total estimat (ore pe semestru și activități didactice) 3.1 Număr de ore pe săptămână 4 din care: curs 2 seminar/laborator Total ore din planul de învățământ 56 din care: curs 28 seminar/laborator Distribuția fondului de timp ore Studiu după manual, suport de curs, bibliografie și altele 50 Documentare suplimentară în bibliotecă, pe platformele electronice de specialitate și pe teren 30 Pregătire seminarii/laboratoare, teme, referate, portofolii și eseuri 50 Tutoriat 10 Examinări 4 Alte activități Total ore studiu individual Total ore pe semestru Număr de credite 8 4. Precondiții (dacă este cazul) 4.1 De curriculum Bazele Statisticii 4.2 De competențe Utilizarea unui software statistic (SPSS / R) 5. Condiții (dacă este cazul) 5.1 De desfășurare a cursului Sală dotată cu videoproiector 5.2 De desfășurare a seminarului/laboratorului Sală echipată cu calculatoare

2 7.2. Obiectivele specifice 7.1. Obiectivul general Competențe transversale Competențe profesionale 6. Competențe specifice acumulate CP2. Abilități în identificarea și utilizarea metodelor de tip Data Mining în analiza și prezentarea datelor CP3. Capacitatea de a crea modele predictive și solutii pentru luarea deciziilor CP5. Capacitatea de a elabora și administra proiecte de cercetare bazate pe data mining CT1. Capacitatea de a comunica si colabora in echipe formate din categorii profesionale diferite CT2. Capacitatea de a coordona echipe si de a gestiona proiecte de tip data mining CT3. Imbunatatirea continua a competentelor specifice si a cunostintelor despre metodele de analiză a datelor, construcția și managementul bazelor de date, noile pachete program de statistică și tehnologii informaționale CT4. Înțelegerea problemelor etice asociate cu DATA MINING CT5. Înțelegerea și discutarea rolulului DATA MINING in societate 7. Obiectivele disciplinei (din grila competențelor specifice acumulate) Această disciplină are ca obiectiv prezentarea metodelor de scalare multidimensională, analiza și alte metode bazate pe alegere folosite pentru evaluarea preferințelor și alegerii consumatorilor. Deoarece analiza permite înțelegerea preferințelor pieței, ea poate fi aplicată în diferite domenii (economie, marketing, turism, mediu, managementul resurselor umane, managementul sanitar, transporturi) cu scopul de a explica preferința sau alegerea. Intelegerea metodologiilor fundamentale de DATA MINING Această disciplină își propune să formeze competențe în: - Utilizarea de metode solide si eficiente din punct de vedere statisc capabile sa furnizeze nu numai rezultatele solicitate ci care sa fie de asemenea în stare și estimeze și utilitatea acestora - Introducerea in conceptele de baza ale DATA MINING - Preprocesarea datelor, cu scopul de a obține un set de date informativ, ușor de gestionat; - Realizarea de analize exploratorii a datelor pentru a genera ipoteze și intuiție cu privire la date - interpretarea rezultatelor prin vizualizare și evaluare atentă La finalizarea cu succes a acestei discipline, studenții vor fi capabili să: Explice pașii necesari în realizarea unei cercetări empirice în care aplică scalarea multidimensională, analiza și alte metode bazate pe alegere ; Descrie legăturile dintre alegerea consumatorului, teoria economică și metodele de evaluare a bunurilor și serviciilor; Utilizeze analiza de scalare multidimensională și analiza într-o cercetare și să prezinte, atât oral cât și în scris, etapele și rezultatele unui astfel de studiu; Analizeze preferințele consumatorilor și să identifice cele mai importante atribute care stau la baza alegerii unui produs ; Evalueze importanța atributelor (preț, caracteristici, etc.) în preferința consumatorilor având la bază modele de alegere folosind analiza ; Inteleagă analizele, masuratorile, vizualizarile și navigarea în rezultatele DATA MINING-ului Formuleze si să rezolve probleme utilizând metododologii specifice DATA MINING Înțeleagă dificultățile apărute la diferite etape ale cercetării empirice și să explice modul de rezolvare a acestor dificultăți.

3 8. Conținut 8.1 Curs Metode de predare Introducere in scalarea multidimensională (preferința, date asupra preferințelor, date de similaritate) Scalarea multidimensională hărți perceptuale, hărți spațiale Scalarea multidimensională analiza de agregare și dezagregare, tabelul de contingență Scalarea multidimensioanlă analiza dimensiunilor și a disparităților Observații (ore și referințe bibliografice) 5. Elemente conceptuale privind analiza (ierarhie, rang, alegere) 6. Principii de bază în aplicarea analizei, studiul 7. Modele de alegere discretă (1) 8. Modele de alegere discretă (2) 9. Design-ul experimental 10. Modele liniare aplicate în analiza 11. Design-ul cu atribute ordonate 12. Desing-ul cu efecte încrucișate 13. Metode secvențiale 14. Design-ul mixt, studiul, studiul, studiul, studiul, studiul, studiul, studiul, studiul Bibliografie Referințe principale: 1. Hair, Joseph F. Jr.; Black, William C.; Babin, Barry J. & Anderson, Rolph E.: Multivariate Data Analysis. A Global Perspective, 7th ed., Upper Saddle River et al.: Pearson, 2010 (HBBA) 2. Field, Andy: Discovering Statistics Using R, 1st ed., London et al.: Sage, 2012 (AF) 3. James, Gareth et al.: An Introduction to Statistical Learning with Applications in R, Springer, 2013 (GJ) 4. Iacobucci, Dawn (2012): Marketing Models, Cengage Learning.(DI) 5. Wierenga, Berend (2008): Handbook of Marketing Decision Models, New York et al.; Springer (BW) 6. David A. Hensher, John M. Rose, William H. Greene.. (2005) Applied choice analysis : a primer. Cambridge : Cambridge University Press. (717 p). ISBN (HRG) 7. Orme, Bryan K.. (2005) Getting Started With Conjoint Analysis. Research Pub Llc. (179 p). ISBN

4 8. Damaraju Raghavarao, James B. Wiley, Pallavi Chitturi, Choice Based Conjoint Analysis - Models and Designs, CRC Press,Taylor & Francis Group, 2011 (RWC) Referințe suplimentare: Vor fi oferite pe perioada derulării cursului prin intermediul platformei Blackboard Learn FEAA. 8.2 Seminar / Laborator Metode de predare Introducere in scalarea multidimensională (preferința, date asupra preferințelor, date de similaritate) Scalarea multidimensională hărți perceptuale, hărți spațiale Scalarea multidimensională analiza de agregare și dezagregare, tabelul de contingență Scalarea multidimensioanlă analiza dimensiunilor și a disparităților Elemente conceptuale privind analiza (ierarhie, rang, alegere) Observații (ore și referințe bibliografice) 6. Principii de bază în aplicarea analizei 7. Modele de alegere discretă (1) 8. Modele de alegere discretă (2) 9. Design-ul experimental 10. Modele liniare aplicate în analiza 11. Design-ul cu atribute ordonate 12. Desing-ul cu efecte încrucișate 13. Metode secvențiale 14. Design-ul mixt

5 Bibliografie 1. Hair, Joseph F. Jr.; Black, William C.; Babin, Barry J. & Anderson, Rolph E.: Multivariate Data Analysis. A Global Perspective, 7th ed., Upper Saddle River et al.: Pearson, 2010 (HBBA) 2. Field, Andy: Discovering Statistics Using R, 1st ed., London et al.: Sage, 2012 (AF) 3. James, Gareth et al.: An Introduction to Statistical Learning with Applications in R, Springer, 2013 (GJ) 4. Iacobucci, Dawn (2012): Marketing Models, Cengage Learning.(DI) 5. Wierenga, Berend (2008): Handbook of Marketing Decision Models, New York et al.; Springer (BW) 6. David A. Hensher, John M. Rose, William H. Greene. (2005) Applied choice analysis: a primer. Cambridge : Cambridge University Press. (717 p). ISBN (HRG) 7. Orme, Bryan K.. (2005) Getting Started With Conjoint Analysis. Research Pub Llc. (179 p). ISBN Damaraju Raghavarao, James B. Wiley, Pallavi Chitturi, Choice Based Conjoint Analysis - Models and Designs, CRC Press,Taylor & Francis Group, 2011 (RWC) 9. Coroborarea conținutului disciplinei cu așteptările reprezentanților comunității, asociațiilor profesionale și angajatorilor reprezentativi din domeniul aferent programului Metodele prezentate au aplicabilitate în diferite domenii ceea ce le permite absolvenților să le utilizeze în practică, ținând seama de particularitățile și cerințele cercetării și a studiului (dezvoltarea de noi produse, poziționare competitivă, stabilirea prețului, analiza liniei de produs, segmentare, alocarea resurselor). 10. Evaluare Tip activitate 10.1 Criterii de evaluare 10.2 Metode de evaluare 10.3 Pondere în nota finală (%) 10.4 Curs Test scris Examen 60% 10.5 Seminar/ Laborator Studii, proiecte Prezentare 40% 10.6 Standard minim de performanță Obținerea notei de minim 5 la Testul scris de la curs. Data completării Titular de curs Titular de seminar Conf. univ. dr. Christiana Brigitte SANDU Conf. univ. dr. Christiana Brigitte SANDU Data avizării Director de departament Profesor univ. dr. Florin DUMITRIU