I zjazd: 25-26 października
Opis studiów
Świat biznesu opiera się dziś na danych, ale tylko ci, którzy potrafią je analizować, wyciągać wnioski i prezentować wyniki, tworzą realną wartość. Program obejmuje metody statystyczne, eksplorację danych (Data Mining), uczenie maszynowe, język Python, SQL, hurtownie danych i OLAP, podstawy AI oraz raportowanie w Power BI. Studia przygotowują do pracy z dużymi zbiorami danych i podejmowania decyzji opartych na wiedzy (szczegółowe opisy przedmiotów, godziny i punkty ECTS w tabeli poniżej).
Adresaci
Osoby chcące pracować jako analitycy danych, specjaliści ds. raportowania, data scientists, konsultanci BI, a także wszyscy, którzy chcą wykorzystać dane w biznesie, finansach, administracji czy logistyce.
Warunki przyjęcia
Absolwenci dowolnych studiów I lub II stopnia. Nie są wymagane wcześniejsze kompetencje informatyczne.
Zaliczenie
Projekt dyplomowy
Kompetencje formalne
Dyplom ukończenia studiów podyplomowych.
Dodatkowo certyfikat ESSA – European Software Skills Alliance.
FlexPath
Możesz rozszerzyć Data Science o moduły z Cloud Computing (np. AWS, Azure, architektura danych w chmurze) i uzyskać profil Cloud Data Engineer, albo o moduły z AI – inżynieria ML (np. Deep Learning, MLOps) i zostać AI Analytics Specialist.
- Twoją bazą są dane – ale to Ty decydujesz, czy poszerzysz je o AI, czy o technologie chmurowe.
- Każda ścieżka w modelu WWSI FlexPath łączy solidne podstawy z elastycznością, bo to Ty współtworzysz swój dyplom i kompetencje.
Na czym polega możliwość rozszerzenia specjalizacji:
Jak działa procedura FlexTech?
FlexTech to unikalny model kształcenia na studiach podyplomowych WWSI, który pozwala Ci współtworzyć własny program studiów i finalny profil kompetencji.
- Wybór specjalności głównej
• Na etapie rekrutacji wybierasz jedną z 8 głównych specjalności (np. Data Science, Bezpieczeństwo systemów, Fullstack Developer, AI – aplikacje itp.).
• To ona stanowi fundament Twojego programu – zestaw obowiązkowych przedmiotów realizowanych przez wszystkich studentów danej specjalności. - Dostęp do katalogu wszystkich modułów
• Po rozpoczęciu studiów otrzymujesz pełny katalog przedmiotów dostępnych we wszystkich specjalnościach.
• Dzięki temu możesz zobaczyć, jakie dodatkowe kompetencje możesz zdobyć poza główną ścieżką. - Wybór modułów dodatkowych
• Możesz wskazać do 5 przedmiotów z innych specjalności, które zrealizujesz w trybie asynchronicznym (na podstawie nagrań wideo).
• Moduły dodatkowe są zaliczane na podstawie CBT (Computer Based Test) – testów i ćwiczeń w formie online.
• To właśnie one kształtują Twój profil rozszerzony – indywidualny zestaw umiejętności dopasowany do Twoich celów zawodowych. - Realizacja zajęć
• W trybie stacjonarnym lub hybrydowym uczestniczysz w zajęciach swojej specjalności głównej.
• Wybrane moduły dodatkowe zaliczasz elastycznie, we własnym tempie – online, asynchronicznie, na podstawie materiałów nagranych i CBT. - Projekt dyplomowy
• Temat projektu możesz wybrać tak, aby łączył wiedzę z głównej specjalności i wybranych rozszerzeń.
• Dzięki temu praca końcowa odzwierciedla Twoją spersonalizowaną ścieżkę kompetencji. - Dyplom i certyfikaty
• Na dyplomie znajdzie się nazwa Twojej specjalności głównej oraz adnotacja o rozszerzeniu (np. „Cloud Computing z rozszerzeniem Cybersecurity Cloud Specialist”).
• Otrzymasz także certyfikaty branżowe wynikające z udziału w programach partnerskich (np. ESSA, ARISA, AI Skills, AWS Academy).
• Do dyplomu dołączony będzie pełny wykaz wszystkich przedmiotów, które zrealizowałeś.
Dlaczego FlexTech to przewaga na rynku pracy?
Dzięki tej procedurze Twój dyplom nie jest szablonowy – ale unikalny i spersonalizowany. To Ty decydujesz, jakie dodatkowe kompetencje zdobędziesz i które z nich chcesz mieć oficjalnie potwierdzone w dokumentach.
Informacje:
podyplomowe@wwsi.edu.pl, tel.: 22 489 64 00/52
Opłaty i rekrutacja:
Rekrutacja krok po kroku, Płatności
Kierownik studiów:
mgr inż. Andrzej Ptasznik, e-mail: aptaszni@wwsi.edu.pl
Spotkanie organizacyjne:
18 października (sobota), w godz. 13.00-14.00 (stacjonarnie i online) LINK do spotkania
Organizacja studiów:
Pierwszy i ostatni zjazd w każdym semestrze oraz spotkanie organizacyjne odbywają się w trybie hybrydowym (stacjonarnie i online)
Uwaga: Studenci we wszystkich zajęciach mogą uczestniczyć online
Terminy zjazdów w pierwszym i drugim semestrze roku akademickiego 2025/2026:
| Terminy zjazdów semestr 1 | Terminy zjazdów semestr 2 | |
|---|---|---|
| Spotkanie organizacyjne | 18 października 2025 (sobota) LINK do spotkania | |
| Zjazd I | 25-26 października 2025, | 21-22 lutego 2026 |
| Zjazd II | 8-9 listopada 2025 | 7-8 marca 2026 |
| Zjazd III | 22-23 listopada 2025 | 21-22 marca 2026 |
| Zjazd IV | 6-7 grudnia 2025 | 11-12 kwietnia 2026 |
| Zjazd V | 20-21 grudnia 2025 | 25-26 kwietnia 2026 |
| Zjazd VI | 10-11 stycznia 2026 | 16-17 maja 2026 |
| Zjazd VII | 17-18 stycznia 2026 | 30-31 maja 2026 |
| Zjazd VIII | 31 stycznia -1 lutego 2026 | 6-7 czerwca 2026 |
Opis przedmiotów
| l.p. | Nazwa przedmiotu | Krótki opis przedmiotu | Imię i nazwisko wykładowcy | Liczba godzin | Liczba ECTS |
|---|---|---|---|---|---|
| 1. | Metody statystyczne w analizie danych | Metody statystyczne w analizie danych to przedmiot skupiający się na zastosowaniu metod statystycznych do analizy i interpretacji danych. Zajmuje się technikami analizy statystycznej, wizualizacją danych, przetwarzaniem danych do poprawy jakości, użyciem oprogramowania statystycznego i praktycznym zastosowaniem statystyki. Celem przedmiotu jest nauka zastosowania teorii statystycznej do praktycznych problemów przetwarzania danych. | Zenon Gniazdowski wykład Jacek Markus laboratorium | 20 godz. (8 wyk., 12 lab.) I semestr | 4 |
| 2. | Uczenie maszynowe w analizie danych | W ramach przedmiotu omawiane będą zagadnienia związane z podstawowymi metodami i technikami uczenia maszynowego oraz wykorzystaniem tych procesów w zadaniach analizy danych. | 20 godz. (8 wyk., 12 lab.) II semestr | 4 | |
| 3. | Data mining – metody eksploracji danych | Data Mining, czyli eksploracja danych, jest interdyscyplinarną dziedziną łączącą informatykę, statystykę i uczenie maszynowe. Na studiach podyplomowych przedmiot ten koncentruje się na metodach i technikach, które umożliwiają odkrywanie ukrytych wzorców i informacji w dużych zbiorach danych. Studenci uczą się zarówno teoretycznych podstaw, jak i praktycznego zastosowania narzędzi do eksploracji danych. | Zenon Gniazdowski wykład Jacek Markus laboratorium | 20 godz. (8 wyk., 12 lab.) II semestr | 3 |
| 4. | Hurtownie danych i systemy OLAP | Przedmiot Hurtownie danych i systemy OLAP skupia się na metodach projektowania, implementacji i zarządzania hurtowniami danych oraz wykorzystaniu systemów OLAP (Online Analytical Processing) do analizy danych. Studenci uczą się, jak zbudować efektywną hurtownię danych, która integruje informacje z różnych źródeł, oraz jak korzystać z narzędzi OLAP do przeprowadzania zaawansowanych analiz. | Jack Markus | 20 godz. (6 wyk., 14 lab.) II semestr | 3 |
| 5. | Bazy danych i język SQL | Przedmiot Bazy danych i język SQL koncentruje się na podstawowych i zaawansowanych zagadnieniach związanych z relacyjnymi bazami danych oraz językiem SQL (Structured Query Language), który jest standardowym językiem używanym do zarządzania i manipulacji danymi w bazach danych. Studenci zdobywają wiedzę na temat projektowania, tworzenia i zarządzania bazami danych oraz umiejętności pisania efektywnych zapytań SQL. | Andrzej Ptasznik | 20 godz. (6 wyk., 14 ab.) I semestr | 3 |
| 6. | Analiza danych w języku Python | Przedmiot Analiza danych w języku Python koncentruje się na wykorzystaniu języka Python do przetwarzania, analizowania i wizualizacji danych. Studenci poznają podstawowe i zaawansowane techniki analizy danych z użyciem popularnych bibliotek Python, takich jak pandas, NumPy, Matplotlib i Seaborn. Kurs łączy teorię z praktycznymi przykładami, umożliwiając studentom rozwijanie umiejętności analitycznych niezbędnych w pracy z danymi. | Andrzej Ptasznik | 24 godz. (8 wyk., 14 lab.) I semestr | 4 |
| 7 | Podstawy sieci neuronowych i elementy sztucznej inteligencji | Przedmiot Podstawy sieci neuronowych i elementy sztucznej inteligencji ma na celu wprowadzenie studentów do fundamentalnych koncepcji i technik związanych z sieciami neuronowymi oraz sztuczną inteligencją. Studenci poznają teorię oraz praktyczne zastosowania algorytmów uczenia maszynowego, ze szczególnym naciskiem na sieci neuronowe. Kurs obejmuje zarówno podstawowe zasady działania sztucznej inteligencji, jak i zaawansowane techniki stosowane w nowoczesnych systemach AI. | Andrzej Ptasznik | 20 godz. (8 wyk., 12 lab.) II semestr | 4 |
| 8 | Podstawowe metody raportowania i wizualizacji danych | Przedmiot Podstawowe metody raportowania i wizualizacji danych koncentruje się na technikach prezentacji danych w sposób zrozumiały i atrakcyjny wizualnie. Studenci uczą się, jak tworzyć efektywne raporty i wizualizacje, które pomagają w interpretacji i komunikacji informacji zawartych w danych. Kurs obejmuje zarówno teoretyczne zasady wizualizacji danych, jak i praktyczne umiejętności korzystania z narzędzi do tworzenia wykresów i raportów. Podstawową technologią będzie Power BI. | 20 godz. (8 wyk., 12 lab.) II semestr | 3 | |
| 9 | Seminarium dyplomowe | Celem przedmiotu jest zapoznanie studentów z zasadami przygotowania i prezentacji projektu dyplomowego. | Andrzej Ptasznik | 12 godz. II semestr | 2 |
UWAGA: W ramach wielu przedmiotów realizowane są zagadnienia związane z procesami uczenia maszynowego, podstawami sieci neuronowych oraz wykorzystaniem modeli sztucznej inteligencji przy realizacji zlecanych zadań. Z racji specyfiki specjalności, silnie powiązanej z przetwarzaniem danych, procesy analizy danych i procesy uczenia maszynowego przewijają się często w trakcie dyskutowanych zagadnień.
Przy omawianiu poszczególnych tematów analizowane są odpowiedzi asystentów AI i oceniana jest przydatność ich wykorzystania przy realizacji zadań różnego typu.