Studia Podyplomowe Analiza danych – Big Data

Studia podyplomowe trwają 2 semestry i prowadzone są w formie studiów niestacjonarnych (zajęcia w soboty i niedziele). Program studiów obejmuje 228 godzin zajęć (wykłady i ćwiczenia). Zajęcia prowadzone są w laboratorium komputerowym na Wydziale Zarządzania w Sopocie.

Program studiów zaczyna się od wprowadzenia do tematyki big data i analizy statystycznej. Słuchacze poznają m.in. etapy i metody analiz big data, najważniejsze źródła wartości analiz dla odbiorcy. Bardzo ważnym aspektem w analizie dużych zbiorów danych jest oprogramowanie. Na studiach podyplomowych Analiza danych – Big Data kładziemy nacisk na dwa środowiska programistyczne: R oraz Python, będące obecnie najpopularniejszymi językami programowania obliczeń. W pierwszym semestrze zajęcia praktyczne prowadzone są w środowisku R, w drugim zaś w R i Pythonie. Dla obu języków w pierwszej kolejności prowadzone są zajęcia wprowadzające, na których od podstaw wyjaśniana jest składnia danego języka.

Najważniejszym i najobszerniejszym blokiem zajęć w pierwszym semestrze jest Eksploracja danych i modelowanie statystyczne. Obejmuje on treści związane z przygotowaniem danych do analizy, takie jak: kodowanie danych, agregację cech/jednostek, imputację braków danych, transformację zmiennych i przypadków, wykrywanie obserwacji nietypowych, redukcję wymiarowości, analizę jakości danych. W dalszej kolejności słuchacze nabywają umiejętności konstruowania modeli statystycznych dla różnego typu zmiennych objaśnianych (ciągłych, binarnych, porządkowych); są to m.in. uogólnione modele liniowe (regresja wieloraka, regresja logistyczna), modele czasu trwania, modele nieparametryczne (drzewa klasyfikacyjne i regresyjne). Słuchacze na bieżąco wykorzystują poznaną wiedzę poprzez pracę nad rzeczywistym projektem badawczym (jest to praca w grupach, której rezultaty są prezentowane i bronione na egzaminie ustnym).

W drugim semestrze główny blok zajęciowy tworzą Zaawansowane metody data mining. Obejmują one szereg metod służących klasyfikacji i regresji (głównie sztuczne sieci neuronowe, ale też lasy losowe, drzewa wzmacniane, naiwny klasyfikator Bayesa, metodę k najbliższych sąsiadów). Sporo uwagi jest poświęcane na analizę danych nieustrukturyzowanych (text mining, analizę sieci społecznościowych). W ramach tego bloku słuchacze również pracują w grupach nad rzeczywistym problemem badawczym oraz prezentują swoje projekty i bronią je na egzaminie ustnym.

https://wzr.ug.edu.pl/rekrutacja/studia-podyplomowe/analiza-danych-big-data/program

Z przyczyn niezależnych od Wykonawcy (np. losowych) harmonogram szkolenia może zostać nieznacznie zmieniony. Wszystkie informacje dostępne w jednostce szkolącej zostaną przekazane Operatorowi.

https://wzr.ug.edu.pl/rekrutacja/studia-podyplomowe/analiza-danych-big-data

Od kandydatów na studia wymagamy znajomości podstaw statystyki opisowej i wnioskowania statystycznego oraz przynajmniej niewielkiego doświadczenia w programowaniu (w dowolnym języku). Pomocna w przyswajaniu treści programowych będzie też znajomość podstaw algebry liniowej (rachunek macierzowy) i analizy matematycznej.

Studia podyplomowe skierowane są do osób posiadających co najmniej kwalifikacje pierwszego stopnia studiów na dowolnym kierunku.