Warszawska Wyższa Szkoła Informatyki

Data Science – metody i technologie przetwarzania, analizy i prezentacji danych


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.

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. 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.
  6. 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 krokuPłatności

Kierownik studiów:

mgr inż. Andrzej Ptasznik, e-mail: aptaszni@wwsi.edu.pl

Spotkanie organizacyjne:

18 października (sobota) (stacjonarnie i online)

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 1Terminy zjazdów semestr 2
Spotkanie organizacyjne 18 października 2025 (sobota)
Zjazd I 25-26 października 2025,21-22 lutego 2026
Zjazd II8-9 listopada 20257-8 marca 2026
Zjazd III22-23 listopada 202521-22 marca 2026
Zjazd IV6-7 grudnia 202511-12 kwietnia 2026
Zjazd V20-21 grudnia 202525-26 kwietnia 2026
Zjazd VI10-11 stycznia 202616-17 maja 2026
Zjazd VII17-18 stycznia 202630-31 maja 2026
Zjazd VIII31 stycznia -1 lutego 20266-7 czerwca 2026

Opis przedmiotów

l.p.Nazwa przedmiotuKrótki opis przedmiotuImię i nazwisko wykładowcyLiczba godzinLiczba ECTS
1.Metody statystyczne w analizie danychMetody 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 danychW 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 danychData 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 OLAPPrzedmiot 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 Markus20 godz. (6 wyk., 14 lab.)  
II semestr
3
5.Bazy danych i język SQLPrzedmiot 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 Ptasznik20 godz. (6 wyk., 14 ab.)  
I semestr
3
6.Analiza danych w języku PythonPrzedmiot 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 Ptasznik24 godz. (8 wyk., 14 lab.)
I semestr
4
7Podstawy sieci neuronowych i elementy sztucznej inteligencjiPrzedmiot 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 Ptasznik20 godz. (8 wyk., 12 lab.)
II semestr
4
8Podstawowe metody raportowania i wizualizacji danychPrzedmiot 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
9Seminarium dyplomoweCelem przedmiotu jest zapoznanie studentów z zasadami przygotowania i prezentacji projektu dyplomowego.Andrzej Ptasznik12 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.