Data Scientist. Analityk danych (studia online)
Data Scientist. Analityk danych (studia online)
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Bazy danych
- Grupa docelowa usługi
Studia adresowane do osób, które chcą zdobyć umiejętności z zakresu Data Science.
- Minimalna liczba uczestników20
- Maksymalna liczba uczestników25
- Data zakończenia rekrutacji20-10-2025
- Forma prowadzenia usługizdalna 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
Uczestnik studiów będzie przygotowany do eksploracji dużych wolumenów danych w obszarze finansów, ubezpieczeń, produkcji, logistyki i handlu. Będzie to mieć znaczący wpływ na rozwój firmy i poprawę jej konkurencyjności na rynku. Zdobędziesz wiedzę z wielu obszarów nauki: informatyki, matematyki i statystyki oraz nauczysz się wizualizować dane, analizować je i przekładać te informacje na język korzyści.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
---|---|---|
Efekty uczenia się WIEDZA Analizuje dane i wizualizuje wskaźniki statystyczne z wykorzystaniem R, Pythona, SQL oraz narzędzi statystycznych, stosując techniki analizy danych w różnych dziedzinach, takich jak ekonomia, medycyna i nauki społeczne, z uwzględnieniem baz danych relacyjnych i nierelacyjnych. | Kryteria weryfikacji Oblicza, internetuje, przedstawia graficznie statystyczne wskaźniki empiryczne na bazie eksploracji danych Opisuje techniki analizy danych wykorzystywane m.in. w ekonomii, medycynie, zagadnieniach społecznych. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Kryteria weryfikacji Obsługuje oprogramowanie R, Python i ich możliwości wykorzystania do analizy Obsługuje oprogramowanie z zakresu statystyki i ekonometrii lub statystyki matematycznej oraz SQLa. Wyjaśnia czym są co to są relacyjne i nierelacyjne bazy danych. | Metoda walidacji Prezentacja | |
Metoda walidacji Wywiad ustrukturyzowany | ||
Efekty uczenia się UMIEJĘTNOŚCIProjektuje i interpretuje analizy statystyczne oraz modele decyzyjne, wykorzystując narzędzia Big Data i zaawansowane metody analizy danych w kontekście społecznym, gospodarczym i medycznym. | Kryteria weryfikacji Interpretuje wyniki obliczeń statystycznych. Konstruuje model statystyczny adekwatny do danych eksperymentalnych i przeprowadzić proces decyzyjny Wykorzystuje odpowiednie metody analizy danych w rozwiązywaniu zagadnień społecznych, gospodarczych, zakresu medycyny, ekonomii Obsługuje oprogramowanie Apache Spark/Hadoop. Obsługuje oprogramowanie z zakresu BIG DATA. Konstruuje model statystyczny adekwatny do danych eksperymentalnych i przeprowadzić proces decyzyjny Wykorzystuje odpowiednie metody analizy danych w rozwiązywaniu zagadnień społecznych, gospodarczych, zakresu medycyny, ekonomii Obsługuje oprogramowanie Apache Spark/Hadoop. Obsługuje oprogramowanie z zakresu BIG DATA. | Metoda walidacji Wywiad ustrukturyzowany |
Metoda walidacji Prezentacja | ||
Efekty uczenia się KOMPETENCJE Świadomie i kreatywnie wykorzystuje metody statystyczne oraz podstawy kodowania do rozwiązywania problemów w różnych dziedzinach. | Kryteria weryfikacji Ma świadomość kodowania Ma świadomość przydatności metod statystycznych do rozwiązywania różnorodnych problemów w różnych dyscyplinach Działa kreatywnie | Metoda walidacji Wywiad ustrukturyzowany |
Metoda walidacji Prezentacja |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
LP. | NAZWA PRZEDMIOTU | ŁĄCZNA LICZBA GODZIN ZAJĘĆ | PUNKTY ECTS | w tym liczba godzin kształtujących umiejętności praktyczne, w tym liczba godzin praktyk zawodowych | PUNKTY ECTS | w tym liczba godzin prowadzonych z wykorzystaniem metod i technik kształcenia na odległość | PUNKTY ECTS |
I. | PODSTAWY STATYSTYKI Z ZASTOSOWANIEM R/PYTHON |
|
|
|
|
|
|
1. | Wprowadzenie do zagadnień statystyki opisowej | 8 | 1,0 | 6 | 1 | 8 | 1 |
2. | Wprowadzenie do zagadnień statystyki matematycznej (procedura testowania) | 8 | 1,0 | 6 | 1 | 8 | 1 |
II. | ANALIZA DANYCH W PYTHON |
|
|
|
|
|
|
1. | Składnia, tablice, funkcje, Pandas | 19 | 2,0 | 16 | 1,5 | 19 | 2 |
III. | ANALIZA DANYCH W R |
|
|
|
|
|
|
1. | Środowisko R i RStudio, typy atomowe, wektory, listy, funkcje, data cleaning | 19 | 3,0 | 16 | 2,5 | 19 | 3 |
IV. | ZAAWANSOWANE METODY WIZUALIZACJI (Plotly, Dash, R Shiny) - R/Python |
|
|
|
|
|
|
1. | Budowa interaktywnych raportów/aplikacji | 18 | 3,0 | 15 | 2,5 | 18 | 3 |
V. | PODSTAWY SQL |
|
|
|
|
|
|
1. | Diagramy ERD, Normalizacja, SQL DDL, SQL DML | 18 | 3,0 | 15 | 2,5 | 18 | 3 |
VI. | UCZENIE MASZYNOWE W PRAKTYCE (R/PYTHON) |
|
|
|
|
|
|
1. | Algorytmy uczenia maszynowe z nadzorem (regresja liniowa, lasy losowe, xgboost, analiza szeregów czasowych) | 18 | 3,0 | 14 | 2,5 | 18 | 3 |
VII. | WPROWADZENIE DO ALGORYTMÓW GŁĘBOKIEGO MASZYNOWEGO – DEEP LEARNING (KERAS, TESNORFLOW) |
|
|
|
|
|
|
1. | Sieci neuronowe w przetwarzaniu danych numerycznych, kategorycznych oraz obrazów | 16 | 2,0 | 12 | 1,5 | 16 | 2 |
VIII. | ANALIZA DANYCH ZA POMOCĄ SPARKA (INTEGRACJA Z PYTHON I R) |
|
|
|
|
|
|
1. | Przetwarzanie danych oraz modelowanie w integracji z Pythonem oraz R | 12 | 2,0 | 10 | 2 | 12 | 2 |
IX. | ZAAWANSOWANY SQL |
|
|
|
|
|
|
1. | DDL/DML. Zaawansowany quering | 10 | 1,0 | 8 | 1 | 10 | 1 |
2. | Integracja SQL z Python | 10 | 1,0 | 9 | 1 | 10 | 1 |
X. | NIERELACYJNE BAZY DANYCH (NOSQL)-NP. MONGODB, ELASTIC, NOE4J. WPROWADZNIE DO BAZY DANYCH TYPU NOSQL |
|
|
|
|
|
|
1. | Querying przykładowych baz noSQL | 12 | 1,0 | 9 | 1 | 12 | 1 |
XI. | UMIEJĘTNOŚCI INTERPERSONALNE ANALITYKA |
|
|
|
|
|
|
1. | Psychologia budowania wizerunku. Sztuka perswazji i wystąpień publicznych | 7 | 1,0 | 6 | 1 | 7 | 1 |
2. | Sposoby prezentacji oraz raportowania | 7 | 1,0 | 6 | 1 | 7 | 1 |
XII. | GIT - PODSTAWY | 2 | 1,0 | 2 | 1 | 2 | 1 |
XIII. | PROJEKT |
|
|
|
|
|
|
1. | Seminarium projektowe | 8 | 4,0 | 8 | 4 | 8 | 4 |
| Forma zaliczenia |
|
|
|
|
|
|
| Test końcowy | 1 | - | 1 | - | 1 | - |
| Egzamin końcowy | 1 | - | 1 | - | 1 | - |
| Razem | 194 | 30 | 160 | 27 | 194 | 30 |
- Czas trwania 9 miesięcy nauki, 10-11 zjazdów, 2 semestry, soboty i niedziele od 8.00 d 16.00.
- Liczba godzin studiów to 194 h, gdzie 1 h=45 minut zajęć. Przerwy nie są wliczane w liczbę godzin zajęć.
- Ukończenie studiów: wymagane zaliczenie testu końcowego, prac projektowych, obrona projektu.
Harmonogram
Harmonogram
Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
---|---|---|---|---|---|
Przedmiot / temat zajęć 1 z 2 Spotkanie z opiekunem merytorycznym | Prowadzący Krzysztof Ziółkowski | Data realizacji zajęć 25-10-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 2 z 2 Plan zajęć będzie wprowadzony na 2 tygodnie przed I zjazdem | Prowadzący Krzysztof Ziółkowski | Data realizacji zajęć 26-10-2025 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 16:00 | Liczba godzin 08:00 |
Cena
Cena
Cennik
Rodzaj ceny | Cena |
---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 7 900,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 7 900,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 41,15 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 41,15 PLN |
Prowadzący
Prowadzący
Krzysztof Ziółkowski
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Materiały elektroniczne zamieszczane na platformie moodle.
Przedstawiona powyżej cena obejmuje obecnie obowiązującą promocje w czesnym oraz obejmuje system płatności 10 rat.
Istnieje możliwość dodania ceny na życzenie - w systemie płatności 1, 2 i 12 rat.
W tym celu prosimy o kontakt z biurem rekrutacji wskazanym powyżej rekrutacjasp@gdansk.merito.pl
Warunki uczestnictwa
Szczegółowe informacje na temat rekrutacji znajdują się pod linkiem:
https://www.merito.pl/gdansk/studia-i-szkolenia/studia-podyplomowe/zasady-rekrutacji
Wymagania: posiadanie sprzętu elektronicznego z dostępem do internetu, monitor, klawiatura.
Uczelnia zapewnia dostęp do platformy TEAMs.
Informacje dodatkowe
Szczegółowe informacje o aktualnej cenie znajdują się pod linkiem
https://www.merito.pl/gdansk/studia-i-szkolenia/studia-podyplomowe/kierunki/data-scientist-analityk-danych/ceny
Uczestnik studiów otrzymuje świadectwo ukończenie studiów podyplomowych zgodnie z Rozporządzeniem Ministra Nauki z dnia 18 lipca 2024 r. zmieniające rozporządzenie w sprawie dokumentów wydawanych w związku z przebiegiem lub ukończeniem studiów podyplomowych i kształcenia specjalistycznego.
Warunki techniczne
Warunki techniczne
Wymagania: posiadanie sprzętu elektronicznego z dostępem do internetu, monitor, klawiatura.
Uczelnia zapewnia dostęp do platformy TEAMs.