Strona główna » Studia
Studia
Seminaria magisterskie
Aktualizacja: Środa, 25 stycznia 2017 roku, godz. 18:26

Wybierz tryb studiów

Kierunki studiów
Tryb studiów
seminarium magisterskie
Kierunek:
Informatyka i ekonometria
Specjalność:
Analiza danych – Big Data
Prowadzący:
prof. UG, dr hab. Beata Jackowska
Zakres programowy:

Problematyka seminarium dotyczy metod analizy danych i ich wykorzystania przede wszystkim do oceny ryzyka występującego w życiu ekonomiczno-społecznym, a także do identyfikacji czynników ryzyka, np. ryzyka bezrobocia, niewypłacalności, zakończenia działalności gospodarczej, wystąpienia zdarzenia ubezpieczeniowego.

W ramach seminarium mogą być realizowane tematy m. in. z następujących obszarów:

  1. Statystyczna ocena ryzyka: konstrukcja modeli ryzyka na podstawie danych empirycznych (np. szacowanie prawdopodobieństwa wystąpienia badanego zdarzenia losowego), klasyfikacja ryzyka (podział jednostek badania na rozłączne jednorodne grupy ryzyka).
  2. Metoda scoringowa oceny ryzyka: punktowa ocena prawdopodobieństwa wystąpienia zdarzenia na podstawie cech badanych jednostek (np. punktowa ocena wniosku ubezpieczeniowego, kredytowego).
  3. Metody analizy przeżycia (historii zdarzeń) w badaniu czasu upływającego do wystąpienia zdarzenia losowego (np. do wystąpienia zdarzenia ubezpieczeniowego, do zakończenia działalności gospodarczej).
seminarium magisterskie
Kierunek:
Informatyka i ekonometria
Specjalność:
Analiza danych – Big Data
Prowadzący:
dr Tomasz Jurkiewicz
Zakres programowy:

Problematyka seminarium obejmuje zarówno zagadnienia szeroko pojętej statystycznej analizy danych, jak i badań próbkowych oraz metod symulacyjnych. Przygotowując pracę magisterską studenci korzystać mogą zarówno z pierwotnych źródeł danych, które stanowić będą własne badania empiryczne, jak i ze źródeł wtórnych – m.in. biuletynów GUS, NBP i inne.

Potencjalnym seminarzystom proponuję następującą, przykładową problematykę prac magisterskich:

1)  Zastosowanie metod statystycznych (w tym metod eksploracji danych) w analizie struktury, dynamiki wybranych zjawisk społeczno-ekonomicznych, np. w analizie rynku pracy, rynków ubezpieczeniowych.

2)  Metody symulacyjne – rola, zastosowania i rozwój badań metodami Monte Carlo, generatory liczb losowych, testowanie losowości. Symulacyjne badania np. porównujące jakość metod eksploracyjnej analizy danych, badające własności estymatorów w dużych zbiorach danych.

3)  Metody statystyczne a istniejące możliwości komputerowego przetwarzania danych – np. propozycja własnego modułu do analizy wyników badań.

4)  Zastosowanie badania próbkowego w analizie wybranego zjawiska ekonomiczno-społecznego.

5)  Problemy badań próbkowych – np. problemy niedostatecznej liczebności próby (statystyka małych obszarów), budowa operatu losowania; problemy konstrukcji kwestionariusza; rola błędów losowych i nielosowych w badaniu.

seminarium magisterskie
Kierunek:
Informatyka i ekonometria
Specjalność:
Analiza danych – Big Data
Prowadzący:
prof. UG, dr hab. Kamila Migdał-Najman
Zakres programowy:

Zakres seminarium magisterskiego obejmuje wszelkie zagadnienia teoretyczne i zastosowania empiryczne współczesnych metod analizy danych w rozwiązywaniu problemów ekonomicznych lub społecznych. Przygotowując pracę magisterską student powinien wykazać się umiejętnością analizy danych pochodzących z różnych źródeł administracyjnych i poza administracyjnych.

Praca magisterska może być także oparta na projekcie i realizacji własnego badania próbkowego, w szczególności badania reprezentacyjnego. Posługując się w szczególności metodami data mining, sztucznej inteligencji, statystycznej analizy wielowymiarowej analizowane mogą być problemy:

grupowania i klasyfikacji danych w tworzeniu profili konsumentów, segmentacji rynku, pojemności i chłonność rynku, zasięgu i pozycjonowania na rynku, analizy konkurencji, powiązań między współkupowanymi produktami

- analiza koszykowa, badania postaw i zwyczajów konsumentów oraz nastrojów i postaw społecznych, identyfikacji emocji w wypowiedziach internetowych.

Student może również połączyć własne zainteresowania, wskazać użyteczność zastosowanych technik przetwarzania danych w proponowanym zagadnieniu, w tym użyteczność zbiorów Big Data.