Data Scientist – Big Data i systemy zaawansowanej analizy danych – online studia podyplomowe

Możliwość dofinansowania
Akademia WSB

Data Scientist – Big Data i systemy zaawansowanej analizy danych – online studia podyplomowe

Numer usługi 2024/03/18/8729/2099157
6 500,00 PLN
brutto
6 500,00 PLN
netto
34,57 PLN
brutto/h
34,57 PLN
netto/h
zdalna w czasie rzeczywistym
Studia podyplomowe
188 h
23.03.2024 do 28.02.2025
1 zapisany uczestnik
Obserwuj
Zapisz się
Pobierz kartę usługi w PDF
Informacje podstawowe

Informacje podstawowe

  • Kategoria
    Informatyka i telekomunikacja / Bazy danych
  • Sposób dofinansowania
    wsparcie dla osób indywidualnych
    wsparcie dla pracodawców i ich pracowników
  • Grupa docelowa usługi

    Studia skierowane są do osób, pragnących rozwijać swoją karierę zawodową, systemy biznesowe lub prowadzić badania naukowe w obszarze: 

    • technik i technologii przetwarzania danych,
    • metod eksploracji danych,
    • nowoczesnych algorytmów uczenia maszynowego, w tym opartych na głębokim uczeniu,
    • systemów wspomagania decyzji,
    • zastosowań technologii Big Data w biznesie,
    • architektury Big Data,
    • zastosowania usług poznawczych (Cognitive Services) w zaawansowanej analizie tekstu, obrazu i dźwięku,
    • budowy platformy zaawansowanej analizy danych w środowiskach chmurowych i hybrydowych.
  • Minimalna liczba uczestników
    1
  • Maksymalna liczba uczestników
    30
  • Data zakończenia rekrutacji
    22-03-2024
  • Forma prowadzenia usługi
    zdalna w czasie rzeczywistym
  • Liczba godzin usługi
    188
  • Podstawa uzyskania wpisu do BUR
    art. 163 ust. 1 ustawy z dnia 20 lipca 2018 r. Prawo o szkolnictwie wyższym i nauce (t.j. Dz. U. z 2023 r. poz. 742, z późn. zm.)
  • Zakres uprawnień
    studia podyplomowe

Cel

Cel edukacyjny
Celem studiów jest zdobycie wiedzy i umiejętności pracy z dużymi zbiorami danych, wizualizacji danych, analizy danych klasy data mining, ekstrapolacją i predykcja trendów. Celem studiów jest też wzmocnienie wiedzy z pogranicza zarządzania, baz danych, przetwarzania informacji oraz statystyki, poparte odpowiednimi umiejętnościami wykorzystania odpowiednich technik i narzędzi komputerowych.
Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
Efekty uczenia się Kryteria weryfikacji Metoda walidacji
Efekty uczenia się
W ZAKRESIE WIEDZY:
zna wymiarowy model danych
zna mechanizmy działania serwerów baz danych, w szczególności funkcje używane w hurtowaniach danych
zna i rozumie pojęcia związane z gromadzeniem i przetwarzaniem danych przesyłanych przez urządzania IoT. Rozumie procesy analizy danych w czasie rzeczywistym oraz specyfiki analizy szeregów czasowych. Zna główne komponenty, narzędzia i architektury systemów gromadzenia oraz przetwarzania danych strumieniowych
posiada wiedzę na temat wykorzystania relacyjnych i nierelacyjnych baz danych w zarządzaniu i biznesie
posiada wiedzę na temat projektowania schematów baz danych
posiada wiedzę na temat teorii i praktyki związanej z projektowaniem i aplikacji w języku Python
Kryteria weryfikacji
egzamin po każdym z semestrów
Metoda walidacji
Test teoretyczny
Efekty uczenia się
W ZAKRESIE WIEDZY II:
posiada wiedzę dotyczącą działania algorytmów klasyfikacji i regresji
posiada wiedzę dotyczącą metod grupowania danych
zna i rozumie pojęcia związane z dziedziną Data Science
rozumie procesy wpływające na efektywne prowadzenie projektów badawczo rozwojowych
zna główne narzędzia i architektury systemów zaawansowanej analizy danych
Kryteria weryfikacji
egzamin po każdym z semestrów
Metoda walidacji
Test teoretyczny
Efekty uczenia się
W ZAKRESIE UMIEJĘTNOŚCI:
posiada umiejętności analizy z wykorzystaniem narzędzi Excel, Power BI
analizuje, planuje i implementuje hurtownie danych
projektuje i implementuje biznesowe modele danych
potrafi ocenić potrzeby biznesowe w obszarze realizacji projektów badawczo rozwojowych wykorzystujących dane strumieniowe. Potrafi zbudować własny symulator urządzeń IoT oraz dobrać odpowiednie narzędzia do budowy architektury Lambda. Potrafi zaplanować architekturę, dobrać wymagane komponenty oraz przygotować założenia procesu przetwarzania danych strumieniowych
posiada umiejętność normalizowania schematów baz danych
posiada umiejętność rozwiązywania zadań
potrafi stosować metody rozwiązywania problemów
potrafi udokumentować swoją pracę
kształtuje w sobie umiejętności rozwiązywania złożonych zadań inżynierskich w zakresie identyfikacji problemu, analizy sposobu funkcjonowania, konfiguracji oraz rozwiązywania problemów. poddaje krytyce wnioski i opisy innych studentów
Kryteria weryfikacji
egzamin po każdym z semestrów
Metoda walidacji
Test teoretyczny
Efekty uczenia się
W ZAKRESIE UMIEJĘTNOŚCI II:
samodzielnie potrafi rozpoznać typ problemu predykcyjnego i dobrać odpowiednią metodę do jej rozwiązania
potrafi zoptymalizować model predykcyjny
potrafi ocenić potrzeby biznesowe w obszarze realizacji projektów badawczo rozwojowych; potrafi dobrać odpowiednie narzędzia do klasy problemu.
Kryteria weryfikacji
egzamin po każdym z semestrów
Metoda walidacji
Test teoretyczny
Efekty uczenia się
W ZAKRESIE KOMPETENCJI SPOŁECZNYCH:
potrafi przeprowadzić wywiad z użytkownikami systemu i określić ich potrzeby biznesowe
potrafi przedstawić użytkownikom biznesowym zalety i wady poszczególnych modeli danych
rozumie rolę projektów badawczych opartych o analizę danych czasu rzeczywistego. Wie jaka jest rola urządzeń IoT w budowie współczesnych systemów Big Data i Sztucznej Inteligencji
potrafi zdefiniować problemy etyczne związane z gromadzeniem i analizą danych strumieniowych
jest świadomy znaczenia ról pracy grupowej, przydzielania zadań oraz roli komunikacji w zespole projektowym
pracuje samodzielnie nad przydzielonym zadaniem, pracuje w zespole omawiając dany problem, przekonuje do swojego sposobu rozwiązania, dyskutuje i docenia sposób rozwiązywania zadań innych osób
Kryteria weryfikacji
egzamin po każdym z semestrów
Metoda walidacji
Test teoretyczny
Efekty uczenia się
W ZAKRESIE KOMPETENCJI SPOŁECZNYCH II:
posiada kompetencje w zakresie wykorzystania metod uczenia maszynowego w zagadnieniach praktycznych
rozumie rolę projektów badawczo rozwojowych w budowaniu nowoczesnych rozwiązań wspierających organizacje oparte na analizie Big Data i Sztucznej Inteligencji
potrafi zdefiniować problemy etyczne związane z gromadzeniem i analizą zbiorów danych
Kryteria weryfikacji
egzamin po każdym z semestrów
Metoda walidacji
Test teoretyczny

Kwalifikacje

Kompetencje
Usługa prowadzi do nabycia kompetencji.
Warunki uznania kompetencji
Pytanie 1. Czy dokument potwierdzający uzyskanie kompetencji zawiera opis efektów uczenia się?
tak
Pytanie 2. Czy dokument potwierdza, że walidacja została przeprowadzona w oparciu o zdefiniowane w efektach uczenia się kryteria ich weryfikacji?
tak
Pytanie 3. Czy dokument potwierdza zastosowanie rozwiązań zapewniających rozdzielenie procesów kształcenia i szkolenia od walidacji?
tak

Program

  1. Wprowadzenie do języka Python
  2. Język Phyton w zastosowaniach Data Scientist
  3. Wprowadzenie do języka R
  4. Wprowadzenie do Data Scientist
  5. Uczenie maszynowe i inżynieria danych
  6. Zaawansowane narzędzia analizy danych w projektach Data Scientist
  7. Relacyjne i nierelacyjne źródła danych
  8. Systemy i algorytmy sztucznej inteligencji
  9. Praktyczne wykorzystanie algorytmów kognitywnych
  10. Gromadzenie i przetwarzanie danych strumieniowych
  11. Analiza i modelowanie danych biznesowych
  12. Wizualizacja danych

Harmonogram

Liczba przedmiotów/zajęć: 27
Przedmiot / temat zajęćData realizacji zajęćGodzina rozpoczęciaGodzina zakończeniaLiczba godzin
Przedmiot / temat zajęć
1 z 27 Relacyjne i nierelacyjne źródła danych
Data realizacji zajęć
23-03-2024
Godzina rozpoczęcia
09:00
Godzina zakończenia
16:55
Liczba godzin
07:55
Przedmiot / temat zajęć
2 z 27 Relacyjne i nierelacyjne źródła danych
Data realizacji zajęć
24-03-2024
Godzina rozpoczęcia
09:00
Godzina zakończenia
15:15
Liczba godzin
06:15
Przedmiot / temat zajęć
3 z 27 Język Python w zastosowaniach Data Scientist
Data realizacji zajęć
06-04-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
12:50
Liczba godzin
04:50
Przedmiot / temat zajęć
4 z 27 Gromadzenie i przetwarzanie danych strumieniowych
Data realizacji zajęć
20-04-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
12:50
Liczba godzin
04:50
Przedmiot / temat zajęć
5 z 27 Gromadzenie i przetwarzanie danych strumieniowych
Data realizacji zajęć
21-04-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
12:50
Liczba godzin
04:50
Przedmiot / temat zajęć
6 z 27 Wprowadzenie do Data Scientist
Data realizacji zajęć
11-05-2024
Godzina rozpoczęcia
08:45
Godzina zakończenia
11:10
Liczba godzin
02:25
Przedmiot / temat zajęć
7 z 27 Wprowadzenie do Języka Python
Data realizacji zajęć
12-05-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
12:50
Liczba godzin
04:50
Przedmiot / temat zajęć
8 z 27 Wprowadzenie do Języka Python
Data realizacji zajęć
19-05-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
12:50
Liczba godzin
04:50
Przedmiot / temat zajęć
9 z 27 Wprowadzenie do Data Scientist. Relacyjne i nierelacyjne źródła danych cz. III
Data realizacji zajęć
01-06-2024
Godzina rozpoczęcia
09:00
Godzina zakończenia
13:35
Liczba godzin
04:35
Przedmiot / temat zajęć
10 z 27 Język Python w zastosowaniach Data Scientist cz. II
Data realizacji zajęć
02-06-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
12:50
Liczba godzin
04:50
Przedmiot / temat zajęć
11 z 27 Wprowadzenie do języka R
Data realizacji zajęć
08-06-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
14:35
Liczba godzin
06:35
Przedmiot / temat zajęć
12 z 27 Wprowadzenie do języka R
Data realizacji zajęć
09-06-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
14:35
Liczba godzin
06:35
Przedmiot / temat zajęć
13 z 27 Egzamin zaliczający semestr I
Data realizacji zajęć
15-06-2024
Godzina rozpoczęcia
10:00
Godzina zakończenia
11:00
Liczba godzin
01:00
Przedmiot / temat zajęć
14 z 27 Wizualizacja danych
Data realizacji zajęć
19-10-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
14:35
Liczba godzin
06:35
Przedmiot / temat zajęć
15 z 27 Wizualizacja danych
Data realizacji zajęć
20-10-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
14:35
Liczba godzin
06:35
Przedmiot / temat zajęć
16 z 27 Uczenie maszynowe i inżynieria danych
Data realizacji zajęć
23-11-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
15:30
Liczba godzin
07:30
Przedmiot / temat zajęć
17 z 27 Uczenie maszynowe i inżynieria danych
Data realizacji zajęć
24-11-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
15:30
Liczba godzin
07:30
Przedmiot / temat zajęć
18 z 27 Praktyczne wykorzystanie algorytmów kognitywnych
Data realizacji zajęć
07-12-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
14:35
Liczba godzin
06:35
Przedmiot / temat zajęć
19 z 27 Systemy i algorytmy sztucznej inteligencji
Data realizacji zajęć
14-12-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
14:35
Liczba godzin
06:35
Przedmiot / temat zajęć
20 z 27 Systemy i algorytmy sztucznej inteligencji
Data realizacji zajęć
15-12-2024
Godzina rozpoczęcia
08:00
Godzina zakończenia
14:35
Liczba godzin
06:35
Przedmiot / temat zajęć
21 z 27 Analiza i modelowanie danych biznesowych
Data realizacji zajęć
12-01-2025
Godzina rozpoczęcia
08:00
Godzina zakończenia
14:35
Liczba godzin
06:35
Przedmiot / temat zajęć
22 z 27 Analiza i modelowanie danych biznesowych
Data realizacji zajęć
25-01-2025
Godzina rozpoczęcia
08:00
Godzina zakończenia
14:35
Liczba godzin
06:35
Przedmiot / temat zajęć
23 z 27 Warsztaty praktyczne
Data realizacji zajęć
26-01-2025
Godzina rozpoczęcia
08:00
Godzina zakończenia
11:10
Liczba godzin
03:10
Przedmiot / temat zajęć
24 z 27 Zaawansowane narzędzia analizy danych w projektach Data Scientist
Data realizacji zajęć
01-02-2025
Godzina rozpoczęcia
08:00
Godzina zakończenia
16:15
Liczba godzin
08:15
Przedmiot / temat zajęć
25 z 27 Systemy i algorytmy sztucznej inteligencji
Data realizacji zajęć
02-02-2025
Godzina rozpoczęcia
08:00
Godzina zakończenia
14:35
Liczba godzin
06:35
Przedmiot / temat zajęć
26 z 27 Zaawansowane narzędzia analizy danych w projektach Data Scientist
Data realizacji zajęć
08-02-2025
Godzina rozpoczęcia
08:00
Godzina zakończenia
16:15
Liczba godzin
08:15
Przedmiot / temat zajęć
27 z 27 Egzamin zaliczający semestr II
Data realizacji zajęć
09-02-2025
Godzina rozpoczęcia
10:00
Godzina zakończenia
11:00
Liczba godzin
01:00

Cena

Cennik
  • Rodzaj ceny
    Cena
  • Koszt przypadający na 1 uczestnika brutto
    6 500,00 PLN
  • Koszt przypadający na 1 uczestnika netto
    6 500,00 PLN
  • Koszt osobogodziny brutto
    34,57 PLN
  • Koszt osobogodziny netto
    34,57 PLN

Prowadzący

Liczba prowadzących: 1
1 z 1
Dr inż. Paweł Świtała
 Systemy operacyjne
 Sieci komputerowe
 Bazy danych
 Bezpieczeństwo systemów komputerowych
02-2014 do nadal Wyższa Szkoła Biznesu w Dąbrowie Górniczej
Dyrektor działu IT
Adiunkt
prowadzone zajęcia:
 Systemy operacyjne
 Sieciowe systemy operacyjne
 Seminarium dyplomowe
02-2006 do nadal Politechnika Śląska w Katowicach
Wykładowca
prowadzone zajęcia:
 Systemy operacyjne
 Sieci komputerowe
 Bazy danych
 Bezpieczeństwo systemów komputerowych
2005 – 2010 Tytuł doktora nauk technicznych - Politechnika Śląska w Katowicach
Praca z zakresu zastosowania sztucznej inteligencji w przemyśle.
2000 – 2005 Wyższe - Politechnika Śląska w Katowicach
Specjalizacja – Informatyka w zarządzaniu.
Wykładowca akademicki Akademii WSB

Informacje dodatkowe

Informacje o materiałach dla uczestników usługi

Uczestnicy otrzymują materiały z wytypowanych zajęć po ich realizacji.

Warunki uczestnictwa

Kandydaci powinni posiadać co najmniej wyższe wykształcenie.

Warunkiem uczestnictwa w usłudze jest dokonanie wpłaty oplaty wpisowej w kwocie 300 zł, która jest dodatkową opłatą poza kosztem wskazanym w usłudze.

Informacje dodatkowe

Dni odbywania się zajęć: dwa razy w miesiącu: soboty, niedziele.

Część zajęć w formule online (Blended learning).

Organizator studiów zastrzega sobie możliwość wprowadzenia zmian w programie studiów.

Warunki techniczne

Warunki techniczne

Usługa realizowana zdalnie poprzez platformy ClickMeeting oraz Zoom

Minimalne wymagania sprzętowe, jakie musi spełniać komputer Uczestnika lub inne urządzenie do zdalnej komunikacji: •Komputer stacjonarny/laptop z dostępem do Internetu
•Sprawny mikrofon i kamera internetowa (lub zintegrowane z laptopem)

Minimalne wymagania dotyczące parametrów łącza sieciowego, jakim musi dysponować Uczestnik: download 8 mb/s, upload 8 mb/s, ping 15 ms

Niezbędne oprogramowanie umożliwiające Uczestnikom dostęp do prezentowanych treści i materiałów:  Zalecamy wykorzystanie aktualnej wersji przeglądarki CHROME (zarówno na komputerach z systemem operacyjnym Windows jak i Apple

Okres ważności linku umożliwiającego uczestnictwo w spotkaniu on-line: 7,5 h

Kontakt

Sandra Szczygieł
E-mail
sszczygiel@wsb.edu.pl
Telefon
(+48) 321 110 101