Studia podyplomowe "Big Data - technologie analizy danych"
Studia podyplomowe "Big Data - technologie analizy danych"
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Bazy danych
- Identyfikator projektuMałopolski Pociąg do kariery
- Sposób dofinansowaniawsparcie dla osób indywidualnychwsparcie dla pracodawców i ich pracowników
- Grupa docelowa usługi
Studia podyplomowe Big Data - technologie analizy danych adresujemy do absolwenci studiów wyższych na kierunkach informatycznych, finansowych i ekonomicznych; pracowników zajmujących stanowiska związane z analizą danych lub wdrażaniem systemów usprawniających podejmowanie decyzji.
Usługa również adresowana dla Uczestników Projektu "Małopolski pociąg do kariery - sezon 1" i/lub dla Uczestników Projektu "Nowy start w Małopolsce z EURESem"
- Minimalna liczba uczestników18
- Maksymalna liczba uczestników30
- Data zakończenia rekrutacji04-10-2024
- Forma prowadzenia usługimieszana (stacjonarna połączona z usługą zdalną w czasie rzeczywistym)
- Liczba godzin usługi192
- Podstawa uzyskania wpisu do BURart. 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 uprawnieńStudia podyplomowe
Cel
Cel
Cel edukacyjny
Studia podyplomowe Big data - technologie analizy danych wraz z egzaminem potwierdzają przygotowanie do programowania w języku Python, analizy i wizualizacji dużych zbiorów danych, kreatywnego rozwiązywania problemów.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
---|---|---|
Efekty uczenia się Definiuje pojęcia dotyczące dużych zbiorów danych | Kryteria weryfikacji Przedstawia i wyjaśnia czym są duże zbiory danych | Metoda walidacji Wywiad swobodny |
Efekty uczenia się Projektuje strategię rozwoju i transformacji organizacji w oparciu o dostęp do danych | Kryteria weryfikacji Przedstawia zakres i cel strategii rozwoju organizacji w oparciu o analizę dużych zbiorów danych | Metoda walidacji Wywiad ustrukturyzowany |
Efekty uczenia się Analizuje źródła danych pod kątem rozwoju i transformacji organizacji | Kryteria weryfikacji Tworzy analizy i raporty będące efektem doboru danych | Metoda walidacji Prezentacja |
Efekty uczenia się Projektuje modele rozwiązań biznesowych w oparciu o specyficzne narzędzia i metody | Kryteria weryfikacji Projektuje rozwiązania biznesowe z wykorzystaniem języków programowania i innych narzędzi | Metoda walidacji Wywiad swobodny |
Efekty uczenia się Analizuje wpływ otoczenia społecznego na zachodzące procesy biznesowe | Kryteria weryfikacji Wiąże wpływ otoczenia społecznego z rozwojem nowych technologii | Metoda walidacji Wywiad swobodny |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
Program studiów obejmuje następujące zagadnienia:
Wprowadzenie do Big Data:
Wprowadzenie do dziedziny oraz definicja podstawowych pojęć.
Metody i techniki analityki biznesowej realizowanej w oparciu o duże zbiory danych.
Generatywna sztuczna inteligencja (AI).
Przedsiębiorstwo oparte na danych – proces transformacji:
- Typy danych w organizacji:
a. Dane operacyjne
b. Dane analityczne
c. Dane zewnętrzne
- Podstawy modelowania danych:
a. Dane transakcyjne
b. Dane nieustrukturyzowane
c. Dimensional model (star schema, slowly changing dimensions)
- Metody wykorzystania danych:
a. Analityka
b. Uczenie maszynowe - wprowadzenie
- Kompetencje w organizacji – specjalizacje związane z przetwarzaniem danych – data engineering w tym: streaming, storage, ETL, ELT, data warehousing, data science, MLOps. Specjalizacje pomocnicze: cloud, devops, analityka, modelowanie, analiza biznesowa, UX.
- Transformacja organizacji:
a. Data Adoption
b. Data Discovery
c. Podnoszenie kwalifikacji
d. Machine Learning Discovery
- Platformy przetwarzania danych:
a. ETL i ELT– scenariusze użycia, konteksty, technologie
b. Przykłady platform z zastosowaniem narzędzi (platforma z Change Data Capture + data warehouse – Fivetran + Snowflake)
c. Sposoby zarządzania platformami (cloud, Infrastructure as Code)
- Domenowe podejście do danych – Prawo Conwaya, wstęp do Domain Driven Design, Data Mesh
Systemy baz danych. Język SQL:
Wprowadzenie do relacyjnych baz danych.
Podstawy SQL.
Przygotowanie danych do analizy:
Podstawowe funkcje programu Excel.
Tabele przestawne.
Power Query - czyszczenie i transformacja danych.
Przygotowanie zbioru danych do analizy.
Algorytmy i modele analityki predykcyjnej przy użyciu Big Data:
Analiza zbioru danych z wykorzystaniem technik i metod statystyki opisowej.
Algorytmy grupowania.
Klasyfikacja i regresja.
Wprowadzenie do języka Python:
Wprowadzenie do środowiska pracy w języku Python, zarządzanie pakietami.
Zmienne i podstawowe operatory, operacje wejścia-wyjścia.
Instrukcje warunkowe i iteracyjne.
Struktury danych: listy, słowniki.
Funkcje.
Odczyt/zapis do /z pliku.
Wyjątki
Wprowadzenie do systemów kontroli wersji.
Przygotowanie do certyfikatu Cisco PCAP (Programming Essentials in Python).
Sztuczna inteligencja:
Czym jest sztuczna inteligencja.
Uczenie maszynowe.
Sieci neuronowe.
Uczenie głębokie.
Uczenie w warunkach niepewności.
Wizualizacja danych Big Data:
Wprowadzenie do wizualizacji danych. Charakterystyka procesu oraz podstawowych pojęć.
Zasady i dobre praktyki projektowania efektywnych wizualizacji. Typowe błędy i sposoby ich naprawiania. Rozpoznawanie manipulacji z wykorzystaniem wizualizacji.
Projektowanie systemu wskaźników oraz pulpitów.
Zastosowanie Power BI do Wizualizacji danych.
Python w analizie danych i uczeniu maszynowym:
Inteligentna analiza i eksploracja danych.
Sztuczne sieci neuronowe.
Rozpoznawanie obrazów.
Przetwarzanie tekstu i mowy.
Bazy i hurtownie danych dla Big Data:
Wprowadzenie do bazy i hurtownie danych dla Big Data. Podstawowe techniki i narzędzia.
Programowanie rozwiązań z wykorzystaniem Node.js
Wprowadzenie do języka MongoDB.
Zastosowanie wyrażeń regularnych w przetwarzaniu dużych zbiorów danych.
Implementacja algorytmów typu MapReduce.
Alternatywne metody programowania rozwiązań Big Data - SnowFlake.
Klasyfikacja zbiorów danych i badanie jakości danych.
Generowanie raportów na podstawie danych Big Data.
Chmura AWS i bezpieczeństwo danych
Tworzenie wirtualnych instancji maszyny oraz magazynu pamięci. Usługa EC2 oraz Amazon S3.
Sposoby dostarczania i wyświetlenia treści z wykorzystaniem różnych usług.
Wykorzystanie pamięci do przechowywania danych trwałych oraz tymczasowych
Podstawowe usługi zapewniające bezpieczeństwo w chmurze.
Monitorowanie usług chmurowych.
Usługi bazy danych w chmurze.
Case study
Prezentacja rozwiązań stosowanych w firmach zarządzających dużymi zbiorami danych. Przykłady rozwiązań i projektów wdrożeniowych.
Studia trwają 2 semestry, umożliwiają uzyskanie 30 punktów ECTS. Zajęcia realizowane są w formie mieszanej, około 80% zajęć prowadzonych jest w formie zdalnej. Zajęcia odbywają są średnio co 2 tygodnie w soboty i niedziele, średnio 6 - 8 godzin dziennie (godzina dydaktyczna - 45 minut).
Absolwent studiów podyplomowych uzyskuje świadectwo ukończenie studiów podyplomowych.
Harmonogram zajęć I semestru będzie wprowadzony w I połowie września 2024r.
Harmonogram
Harmonogram
Przedmiot / temat zajęć | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin | Forma stacjonarna |
---|---|---|---|---|---|
Przedmiot / temat zajęć 1 z 27 Wprowadzenie do big data, 4 godz. dydaktyczne | Data realizacji zajęć 05-10-2024 | Godzina rozpoczęcia 08:55 | Godzina zakończenia 12:30 | Liczba godzin 03:35 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 2 z 27 Przedsiębiorstwo oparte na danych - proces transformacji, 4 godz. dydaktyczne | Data realizacji zajęć 05-10-2024 | Godzina rozpoczęcia 13:35 | Godzina zakończenia 17:05 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 3 z 27 Wprowadzenie do big data, 4 godz. dydaktyczne | Data realizacji zajęć 06-10-2024 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 11:30 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 4 z 27 Przedsiębiorstwo oparte na danych - proces transformacji, 4 godz. dydaktyczne | Data realizacji zajęć 06-10-2024 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 5 z 27 Wprowadzenie do języka Python, 4 godz. dydaktyczne | Data realizacji zajęć 19-10-2024 | Godzina rozpoczęcia 08:55 | Godzina zakończenia 12:30 | Liczba godzin 03:35 | Forma stacjonarna Tak |
Przedmiot / temat zajęć 6 z 27 Przygotowanie danych do analizy, 4 godz. dydaktyczne | Data realizacji zajęć 19-10-2024 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Tak |
Przedmiot / temat zajęć 7 z 27 Wprowadzenie do języka Python, 4 godz. dydaktyczne | Data realizacji zajęć 20-10-2024 | Godzina rozpoczęcia 08:55 | Godzina zakończenia 12:30 | Liczba godzin 03:35 | Forma stacjonarna Tak |
Przedmiot / temat zajęć 8 z 27 Systemy baz danych. Język SQL, 4 godz. dydaktyczne | Data realizacji zajęć 20-10-2024 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Tak |
Przedmiot / temat zajęć 9 z 27 Wprowadzenie do języka Python, 4 godz. dydaktyczne | Data realizacji zajęć 23-11-2024 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 11:30 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 10 z 27 Przygotowanie danych do analizy, 4 godz. dydaktyczne | Data realizacji zajęć 23-11-2024 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 11 z 27 Systemy baz danych. Język SQL, 4 godz. dydaktyczne | Data realizacji zajęć 24-11-2024 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 11:00 | Liczba godzin 03:00 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 12 z 27 Wprowadzenie do języka Python, 4 godz. dydaktyczne | Data realizacji zajęć 24-11-2024 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 13 z 27 Sztuczna inteligencja, 4 godz. dydaktyczne | Data realizacji zajęć 07-12-2024 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 11:30 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 14 z 27 Przygotowanie danych do analizy, 4 godz. dydaktyczne | Data realizacji zajęć 07-12-2024 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 15 z 27 Sztuczna inteligencja, 4 godz. dydaktyczne | Data realizacji zajęć 08-12-2024 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 11:00 | Liczba godzin 03:00 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 16 z 27 Algorytmy i modele analityki predykcyjnej przy użyciu Big Data, 4 godz. dydaktyczne | Data realizacji zajęć 08-12-2024 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 17 z 27 Systemy baz danych. Język SQL, 4 godz. dydaktyczne | Data realizacji zajęć 11-01-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 11:30 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 18 z 27 Algorytmy i modele analityki predykcyjnej przy użyciu Big Data, 4 godz. dydaktyczne | Data realizacji zajęć 11-01-2025 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 19 z 27 Wprowadzenie do języka Python, 4 godz. dydaktyczne | Data realizacji zajęć 12-01-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 11:30 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 20 z 27 Algorytmy i modele analityki predykcyjnej przy użyciu Big Data, 4 godz. dydaktyczne | Data realizacji zajęć 12-01-2025 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 21 z 27 Sztuczna inteligencja, 4 godz. dydaktyczne | Data realizacji zajęć 25-01-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 11:30 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 22 z 27 Wprowadzenie do języka Python, 4 godz. dydaktyczne | Data realizacji zajęć 25-01-2025 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 23 z 27 Systemy baz danych. Język SQL, 4 godz. dydaktyczne | Data realizacji zajęć 26-01-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 11:30 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 24 z 27 Wprowadzenie do języka Python, 4 godz. dydaktyczne | Data realizacji zajęć 26-01-2025 | Godzina rozpoczęcia 12:40 | Godzina zakończenia 16:10 | Liczba godzin 03:30 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 25 z 27 Algorytmy i modele analityki predykcyjnej przy użyciu Big Data, 2 godz. dydaktyczne | Data realizacji zajęć 08-02-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 09:40 | Liczba godzin 01:40 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 26 z 27 Wprowadzenie do języka Python, 2 godz. dydaktyczne | Data realizacji zajęć 08-02-2025 | Godzina rozpoczęcia 09:50 | Godzina zakończenia 11:30 | Liczba godzin 01:40 | Forma stacjonarna Nie |
Przedmiot / temat zajęć 27 z 27 Walidacja - egzamin końcowy | Data realizacji zajęć 30-06-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 08:45 | Liczba godzin 00:45 | Forma stacjonarna Nie |
Cena
Cena
Cennik
- Rodzaj cenyCena
- Koszt przypadający na 1 uczestnika brutto6 800,00 PLN
- Koszt przypadający na 1 uczestnika netto6 800,00 PLN
- Koszt osobogodziny brutto35,42 PLN
- Koszt osobogodziny netto35,42 PLN
Prowadzący
Prowadzący
Arkadiusz Gaweł
Magister Informatyki Stosowanej o specjalności Systemy Informatyczne w Zarządzaniu (Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie), Inżynier Informatyki Stosowanej o specjalności Technologie Internetowe (Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie).
Jego zainteresowania naukowe koncentrują się wokół: analityki, analityki internetowej, statystyki, Big Data oraz przetwarzania języka naturalnego. Prowadzi zajęcia dydaktyczne na studiach pierwszego i drugiego stopnia oraz na studiach podyplomowych (od 2023 roku).
dr inż. Teresa Mroczek
W latach 2019-2024 prowadziła zajęcia dydaktyczne na studiach pierwszego i drugiego stopnia oraz na studiach podyplomowych.
Mateusz Liput
Ukończył następujące szkolenia akademii CISCO: Cisco Certified Network Associate (CCNA), CCNA Security, Partner: NDG Linux Essentials. Posiada uprawnienia instruktorskie dla kursów z zakresu DevOps: ETW – Experimenting with REST APIs using Webex Teams, ETW – Network Programmability with Cisco APIC-EM, ETW – Model Driven Programmability; z zakresu sieci komputerowych: CCNA R&S: Routing and Switching Essentials, CCNA R&S: Introduction to Networks, CCNAv7 SRWE (Switching, Routing and Wireless Essentials), CCNAv7 ENSA (Enterprise Networking, Security and Automation), z zakresu Internetu Rzeczy: Introduction to IoT, IoT Fundamentals: Connecting Things, IoT Fundamentals: Big Data; z zakresu cyberbezpieczeństwa: Cybersecurity Essentials, Network Security, CyberOps Associate. Zdobyte certyfikaty branżowe: PCEP – Certified Entry-Level Python Programmer, PCAP – Certified Associate in Python Programming. Wyróżnienia: Cisco Instructor Excellence Expert 2022, Cisco 5 Years of Service.
Prowadzi zajęcia na studiach pierwszego i drugiego stopnia oraz na studiach podyplomowych od 2022 roku.
Wojciech Zięba
Zawodowo pracuje jako analityk danych oraz wykładowca akademicki. Jego główne zainteresowania naukowe koncentrują się na praktycznym podejściu do danych i ich wykorzystaniu, szczególnie skupiając się na wykorzystaniu sztucznej inteligencji, baz danych i narzędzia Power BI.
Od 2023 roku prowadzi zajęcia na studiach podyplomowych.
dr inż. Krzysztof Kąkol
Jest absolwentem Politechniki Gdańskiej na Wydziale Elektroniki, Telekomunikacji i Informatyki. Tam także obronił z wyróżnieniem pracę doktorską w dyscyplinie Informatyka techniczna i telekomunikacja. Od 2023 roku prowadzi zajęcia na studiach podyplomowych WSIiZ.
Tomasz Słodziński
W latach 2019-2024 prowadzi zajęcia dydaktyczne na studiach podyplomowych.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Zapewniamy uczestnikom studiów dostęp do materiałów przekazywanych przez wykładowców poszczególnych przedmiotów drogą elektroniczną oraz na platformie Moodle. Słuchacze otrzymują: prezentacje przygotowane przez wykładowców, skrypty, inne materiały opisowe przygotowane przez wykładowców, zestawy ćwiczeń.
Warunki uczestnictwa
Osoby z wykształceniem wyższym (I lub II stopnia). Rejestracja https://podyplomowe.wsiz.pl/rekrutacja/
Rejestracja na studia podyplomowe odbywa się w formie elektronicznej. Aby zarezerwować miejsce na studiach podyplomowych konieczne jest złożenie kompletu wymaganych dokumentów rekrutacyjnych. Zgłoszenie na studia tylko przez Bazę Usług Rozwojowych nie gwarantuje miejsca w grupie.
Czesne za studia wpisane w karcie usługi nie obejmuje opłaty rekrutacyjnej w wysokości 50 zł. Opłatę rekrutacyjną należy wnieść w chwili rejestracji na studia przez system rekrutacyjny uczelni.
Przydatna jest podstawowa umiejętność programowania w dowolnym języku oraz podstawowa znajomość zagadnień związanych z bazami danych i językiem SQL.
Informacje dodatkowe
Zajęcia dydaktyczne realizowane są średnio co 2 tygodnie w trybie weekendowym po 6-8 godz. zajęć. Zajęcia realizowane w formie stacjonarnej i zdalnej w czasie rzeczywistym z wykorzystaniem platformy Cisco Webex. Sporadycznie zajęcia w formie zdalnej mogą być realizowane w ciągu tygodnia w godzinach wieczornych (2 godziny od 18.10 do 19.50). Zajęcia dydaktyczne realizowane są najczęściej w blokach obejmujących wskazaną liczbę godzin dydaktycznych (45 minut) i przerwę. Przerwy nie są wliczane do czasu zajęć.
Wykładowcy posiadają wymagane wykształcenie i doświadczenie.
Szczegółowy harmonogram zajęć dydaktycznych oraz kadra realizująca zajęcia będzie wprowadzona do Bazy Usług Rozwojowych na co najmniej 6 dni przed rozpoczęciem każdego semestru.
Usługa skierowana do Uczestników Projektu MP.
Warunki techniczne
Warunki techniczne
Zajęcia zdalne prowadzone są z użyciem platformy Cisco Webex. Słuchacz loguje się do platformy Cisco Webex ze swojego konta w Wirtualnej Uczelni. Słuchacz, aby skorzystać z zajęć online musi posiadać stanowisko pracy spełniające poniższe minimalne wymagania:
Komputer/laptop/ z zainstalowanym systemem:
Windows
• Windows 10 lub nowszym
Mac OS
• 10.15 lub nowszym
Urządzenia mobilne:
iOS
• 16 i nowsze
iPadOS
• 16 i nowsze
Android
• 10 i nowsze
Minimalna przepustowość połączenia internetowego:
· Download 4 Mb/s
· Upload 4 MB/s
Niezbędne oprogramowanie umożliwiające uczestnikom dostęp do prezentowanych treści i materiałów
- Przeglądarka internetowa (według wyboru słuchacza)
Adres
Adres
Udogodnienia w miejscu realizacji usługi
- Wi-fi
- Laboratorium komputerowe