Studia podyplomowe Data Science – metody i technologie przetwarzania, analizy i prezentacji danych skierowane są do szerokiego grona odbiorców zainteresowanych rozwijaniem umiejętności analitycznych i technicznych w zakresie przetwarzania, analizy i prezentacji danych.
Program studiów przeznaczony jest dla osób, które chcą zdobyć praktyczne kompetencje i teoretyczną wiedzę w dziedzinie data science, takich jak:
Specjaliści IT i analitycy danych:
- Osoby z doświadczeniem w IT, które chcą poszerzyć swoje kompetencje o zaawansowane techniki analizy danych.
- Analitycy danych, którzy pragną pogłębić swoją wiedzę z zakresu data science i wykorzystać nowe narzędzia oraz metody analizy danych.
Menedżerowie i specjaliści biznesowi:
- Menedżerowie średniego i wyższego szczebla, którzy chcą lepiej zrozumieć, jak dane mogą wspierać procesy decyzyjne w organizacji.
- Specjaliści z działów marketingu, finansów, HR i innych, którzy chcą wykorzystać analizę danych do poprawy efektywności swoich działań i osiągania lepszych wyników biznesowych.
Absolwenci kierunków ścisłych i technicznych:
- Absolwenci matematyki, statystyki, informatyki, ekonomii, inżynierii i pokrewnych dziedzin, którzy chcą skierować swoją karierę w stronę data science.
- Osoby posiadające podstawową wiedzę z zakresu matematyki i programowania, które chcą zdobyć umiejętności analizy i przetwarzania danych.
Pracownicy naukowi i badacze:
- Naukowcy i badacze z różnych dziedzin, którzy chcą zastosować metody data science w swoich badaniach.
- Osoby zainteresowane wykorzystaniem analizy danych do prowadzenia badań i odkrywania nowych zależności w swoich dziedzinach.
Przedsiębiorcy:
- Przedsiębiorcy, którzy chcą wykorzystać dane do rozwijania swojego biznesu i podejmowania lepszych decyzji strategicznych.
- Przedsiębiorcy szukający sposobów na analizę danych rynkowych, klientów i operacyjnych w celu zwiększenia konkurencyjności i innowacyjności.
Studia podyplomowe o specjalności Data Science – metody i technologie przetwarzania, analizy i prezentacji danych mogą podjąć absolwenci dowolnych studiów wyższych I lub II stopnia. Wymagana jest jedynie podstawowa obsługa systemów operacyjnych MS Windows lub Linuks.
Zakres tematyczny oraz umiejętności uzyskane przez absolwentów w czasie studiów definiują opisy poszczególnych przedmiotów zawarte w programie.
Zaliczenie studiów: projekt dyplomowy
Kierownik studiów: mgr inż. Andrzej Ptasznik email: aptaszni@wwsi.edu.pl
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. | Marcin Iwanowski | 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. | vacat | 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.
Harmonogram
| Terminy zajęć/ semestr 1 | Tryb |
|---|---|
| 1. 19-20.10.2024 | Stacjonarnie |
| 2. 9-10.11.2024 | Zdalnie |
| 3. 23-24.11.2024 | Zdalnie |
| 4. 7-8.12.2024 | Zdalnie |
| 5. 21-22.12.2024 | Zdalnie |
| 6. 11-12.01.2025 | Zdalnie |
| 7. 18-19.01.2025 | Stacjonarnie |
Pierwszy i ostatni zjazd w każdym semestrze odbędzie się stacjonarnie w uczelni. Pozostałe spotkania będą prowadzone online przy użyciu aplikacji Teams.