Analiza Danych – Data Science z elementami AI
Analiza Danych – Data Science z elementami AI
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Bazy danych
- Grupa docelowa usługi
- Dla osób bez doświadczenia technicznego: Jeśli dopiero zaczynasz swoją przygodę z programowaniem, program poprowadzi Cię krok po kroku, zaczynając od podstaw Pythona.
- Dla specjalistów z różnych branż: Program został opracowany z myślą o pracownikach takich sektorów jak finanse, marketing, logistyka, produkcja czy IT, którzy chcą wprowadzać nowoczesne rozwiązania analityczne w swoich organizacjach.
- Dla osób planujących zmianę ścieżki zawodowej: Jeśli chcesz wejść w dynamicznie rozwijającą się dziedzinę data science i AI, te studia przygotują Cię do nowej roli zawodowej.
- Dla absolwentów kierunków technicznych i matematycznych: Program stanowi doskonałe uzupełnienie dotychczasowych kompetencji, rozwijając wiedzę o praktyczne umiejętności analityczne i programistyczne.
- Dla menedżerów i liderów projektów: Studia te mogą być doskonałą okazją do zrozumienia potencjału narzędzi analitycznych i sztucznej inteligencji, co ułatwi podejmowanie decyzji i zarządzanie zespołami data science.
- Minimalna liczba uczestników18
- Maksymalna liczba uczestników30
- Data zakończenia rekrutacji12-10-2025
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi176
- 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
Celem studiów jest nabycie praktycznych umiejętności programowania w Pythonie oraz analizy danych z wykorzystaniem AI i technologii chmurowych. Uczestnicy poznają EDA, przygotowanie danych, statystykę, uczenie maszynowe, NLP, przetwarzanie obrazów i pracę w Azure. Program kończy się projektem analitycznym obejmującym cały proces: od analizy danych po wdrożenie modelu w chmurze.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
---|---|---|
Efekty uczenia się Wiedza:1. Rozróżnia podstawowe i zaawansowane techniki eksploracyjnej analizy danych (EDA) oraz ich zastosowanie w procesie analizy danych. 2. Charakteryzuje różne algorytmy uczenia maszynowego, w tym modele klasyfikacyjne i regresyjne, oraz ich zastosowanie w analizie danych. 3. Opisuje zasady działania i zastosowania usług chmurowych, takich jak Azure Machine Learning i Azure Cognitive Services, w kontekście analizy danych. | Kryteria weryfikacji Definiuje techniki EDA oraz charakteryzuje ich zastosowanie w praktycznych scenariuszach analizy danych. | Metoda walidacji Test teoretyczny |
Metoda walidacji Prezentacja | ||
Kryteria weryfikacji Uzasadnia wybór odpowiednich algorytmów uczenia maszynowego do konkretnych problemów analitycznych. | Metoda walidacji Test teoretyczny | |
Metoda walidacji Prezentacja | ||
Kryteria weryfikacji Charakteryzuje funkcjonalności usług chmurowych i ich integrację w procesie analizy danych. | Metoda walidacji Prezentacja | |
Metoda walidacji Test teoretyczny | ||
Efekty uczenia się Umiejętności:1. Projektuje i implementuje modele uczenia maszynowego z wykorzystaniem bibliotek takich jak scikit-learn i TensorFlow. 2. Organizuje proces przetwarzania i przygotowania danych, w tym czyszczenie, transformację i standaryzację, z wykorzystaniem bibliotek pandas i numpy. 3. Tworzy wizualizacje danych za pomocą bibliotek matplotlib i seaborn, dostosowując je do potrzeb analitycznych. | Kryteria weryfikacji Projektuje modele ML i implementuje je w środowisku programistycznym, uwzględniając odpowiednie techniki przetwarzania danych. | Metoda walidacji Test teoretyczny |
Metoda walidacji Prezentacja | ||
Kryteria weryfikacji Organizuje dane do analizy, stosując odpowiednie techniki przetwarzania i przygotowania danych. | Metoda walidacji Test teoretyczny | |
Metoda walidacji Prezentacja | ||
Kryteria weryfikacji Projektuje wizualizacje danych, wybierając odpowiednie typy wykresów i dostosowując je do prezentowanych informacji. | Metoda walidacji Test teoretyczny | |
Metoda walidacji Prezentacja | ||
Efekty uczenia się Kompetencje społeczne:1. Współpracuje w zespole projektowym, efektywnie komunikując się i dzieląc wiedzą w kontekście analizy danych. 2. Przestrzega zasad etyki zawodowej i ochrony danych osobowych w procesie analizy danych. 3. Inicjuje działania mające na celu ciągłe doskonalenie kompetencji w obszarze analizy danych i uczenia maszynowego. | Kryteria weryfikacji Organizuje pracę zespołową, wykazując umiejętność efektywnej komunikacji i współpracy w realizacji projektów analitycznych. | Metoda walidacji Test teoretyczny |
Metoda walidacji Prezentacja | ||
Kryteria weryfikacji Ocenia zgodność działań analitycznych z obowiązującymi standardami etycznymi i prawnymi dotyczącymi ochrony danych. | Metoda walidacji Test teoretyczny | |
Metoda walidacji Prezentacja | ||
Kryteria weryfikacji Planuje rozwój zawodowy, identyfikując obszary do doskonalenia i podejmując odpowiednie działania edukacyjne. | Metoda walidacji Test teoretyczny | |
Metoda walidacji Prezentacja |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
- Wprowadzenie do Pythona dla Data Science (16 godz.)
- Eksploracyjna Analiza Danych (EDA) (16 godz.)
- Przetwarzanie i przygotowanie danych z Pythonem (16 godz.)
- Podstawy statystyki (16 godz.)
- Uczenie Maszynowe w Pythonie (16 godz.)
- Klasyfikacja i analiza klasteryzacji w Pythonie + Azure Machine Learning (16 godz.)
- Zaawansowane algorytmy Uczenia Maszynowego + Azure (16 godz.)
- Przetwarzanie Danych Tekstowych (NLP) z Pythonem (16 godz.)
- Wprowadzenie do sztucznej inteligencji (AI) i Sieci Neuronowych + Azure Cognitive Services (16 godz.)
- Wprowadzenie do algorytmów głębokiego uczenia maszynowego (16 godz.)
- Seminarium projektowe (8 godz.)
- Prezentacja projektu (6 godz.)
- Test końcowy (2 godz.)
_____
INFORMACJE DODATKOWE:
- Czas trwania studiów (liczbę semestrów): 2 semestry
- Liczbę możliwych do zdobycia punktów ECTS: 30 pkt. ECTS
- Liczbę godzin: 176 godzin (lekcyjnych)
- Harmonogram uwzględnia przerwy.
- Informację o sposobie walidacji: Egzamin końcowy, projekt i jego obrona
- Rodzaj dokumentu potwierdzającego ukończenie studiów: Świadectwo ukończenia studiów podyplomowych
- Szczegółowy harmonogram zajęć może ulec modyfikacjom w zakresie realizowanych przedmiotów oraz osób realizujących zajęcia. Zmianie nie ulegają: terminy zjazdów oraz łączna liczba godzin dydaktycznych w ramach studiów podyplomowych.
- Harmonogram zjazdów zostanie opublikowany na stronie internetowej uczelni i w Bazie Usług Rozwojowych (BUR) co najmniej 2 tygodnie przed rozpoczęciem zajęć.
- Godziny zajęć w harmonogramie podawane są jako godziny zegarowe. Liczba godzin w programie podawana jest w godzinach dydaktycznych. Przelicznik: 176 godzin dydaktycznych = 132 godzin zegarowych.
- Program studiów ma 144 godziny praktyczne oraz 32 godziny teoretyczne.
ORGANIZACJA ZJAZDÓW:
Zjazdy odbywają się średnio jeden lub dwa razy w miesiącu:
- sobota w godzinach 8:00–18:00,
- niedziela w godzinach 8:00–18:00,
- w wyjątkowych sytuacjach zajęcia mogą odbyć się również w piątek w godzinach 16:00-21:00.
Harmonogram
Harmonogram
Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
---|---|---|---|---|---|
Brak wyników. |
Cena
Cena
Cennik
Rodzaj ceny | Cena |
---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 7 350,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 7 350,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 41,76 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 41,76 PLN |
Prowadzący
Prowadzący
Kamil Musiał
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Podczas każdego zjazdu uczestnicy programu otrzymują zestaw materiałów dydaktycznych udostępnionych na platformie Microsoft Teams. Treści i forma materiałów są przygotowywane przez wykładowców i dostosowywane do tematyki prowadzonych zajęć, np. prezentacje obejmujące realizowaną tematykę, czy bazy danych.
Platforma Microsoft Teams stanowi główne narzędzie komunikacji Uczelni WSB Merito. Jej celem jest uproszczenie formalności oraz usprawnienie przepływu informacji między studentami a uczelnią. Dzięki niej uczestnicy studiów mają całodobowy dostęp – z dowolnego miejsca na świecie – do:
- harmonogramu zajęć,
- materiałów dydaktycznych,
- informacji o zmianach w planie zajęć, ogłoszeń i bieżących aktualności.
Warunki uczestnictwa
Zapisów na studia podyplomowe można dokonać zgodnie z obowiązującym regulaminem za pośrednictwem strony internetowej Uniwersytetu WSB Merito, wybierając jedną z dostępnych filii:
- Chorzów
- Poznań
- Szczecin
- Warszawa
Rejestracja odbywa się poprzez formularz online dostępny pod adresem: https://www.merito.pl/rekrutacja/krok1, a także poprzez osobiste dostarczenie kompletu wymaganych dokumentów do Biura Rekrutacji wybranej filii uczelni.
Kryteria kwalifikacyjne do udziału w programie:
- ukończone studia wyższe I lub II stopnia,
- spełnienie warunków określonych w procedurze rekrutacyjnej.
Informacje dodatkowe
- Cena usługi nie obejmuje opłaty wpisowej oraz opłaty końcowej.
- Usługa kształcenia świadczona przez Uniwersytet WSB Merito jest zwolniona z podatku VAT zgodnie z art. 43 ust. 1 pkt 26 ustawy z dnia 11 marca 2004 r. o podatku od towarów i usług (Dz.U. 2023 poz. 1570). Zwolnienie obejmuje usługi edukacyjne realizowane przez uczelnie wyższe na podstawie przepisów ustawy Prawo o szkolnictwie wyższym i nauce.
REALIZACJA PROJEKTÓW:
Uniwersytet WSB Merito w Poznaniu realizuje projekty szkoleniowe w ramach współpracy z instytucjami rynku pracy tj.:
- Wojewódzki Urząd Pracy w Toruniu – Kierunek Rozwój,
- Wojewódzki Urząd Pracy w Krakowie – Małopolski Pociąg do Kariery,
- Wojewódzki Urząd Pracy w Szczecinie – Zachodniopomorskie Bony Szkoleniowe,
- Projekt „Zawodowa reaktywacja” – realizowany w Łodzi.
Warunki techniczne
Warunki techniczne
Uczestnik programu zdobywa nową wiedzę oraz praktyczne umiejętności dzięki zajęciom prowadzonym na platformie Microsoft Teams. Komunikuje się z wykładowcami i pozostałymi uczestnikami studiów w czasie rzeczywistym (w trybie synchronicznym), co umożliwia aktywne uczestnictwo i bieżącą interakcję.
Wymagania techniczne:
Aby uczestniczyć w zajęciach online, potrzebne są:
- minimalne wymagania sprzętowe: 2 GB RAM, procesor i5, niezbędne oprogramowanie: system operacyjny: windows min. 7, iOS, linux.
- komputer wyposażony w głośniki i mikrofon (wbudowane lub zewnętrzne),
- stabilne połączenie z Internetem, minimalne wymagania dot. parametrów łącza sieciowego: 30 Mbit/s
- słuchawki (zalecane, choć opcjonalne),
- kamera internetowa (opcjonalna, lecz przydatna podczas aktywnych form zajęć).