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 2024/04/26/8729/2136726

8 200,00 PLN

brutto

8 200,00 PLN

netto

43,62 PLN

brutto/h

43,62 PLN

netto/h

zdalna w czasie rzeczywistym

Studia podyplomowe

188 h

19.10.2024 do 30.06.2025

0 zapisanych uczestników

Obserwuj

Zapisz się

Pobierz kartę usługi w PDF

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

12-10-2024
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

Wprowadzenie do języka Python
Język Phyton w zastosowaniach Data Scientist
Wprowadzenie do języka R
Wprowadzenie do Data Scientist
Uczenie maszynowe i inżynieria danych
Zaawansowane narzędzia analizy danych w projektach Data Scientist
Relacyjne i nierelacyjne źródła danych
Systemy i algorytmy sztucznej inteligencji
Praktyczne wykorzystanie algorytmów kognitywnych
Gromadzenie i przetwarzanie danych strumieniowych
Analiza i modelowanie danych biznesowych
Wizualizacja danych

Harmonogram

Liczba przedmiotów/zajęć: 0

Przedmiot / temat zajęć	Data realizacji zajęć	Godzina rozpoczęcia	Godzina zakończenia	Liczba godzin
Brak wyników.

Cena

Cennik

Rodzaj ceny

Cena
Koszt przypadający na 1 uczestnika brutto

8 200,00 PLN
Koszt przypadający na 1 uczestnika netto

8 200,00 PLN
Koszt osobogodziny brutto

43,62 PLN
Koszt osobogodziny netto

43,62 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

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

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