Data Scientist. Analityk danych
Data Scientist. Analityk danych
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 uczestników15
- Maksymalna liczba uczestników25
- Data zakończenia rekrutacji13-10-2026
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi194
- 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 2024 r. poz. 1571, z późn. zm.)
- Zakres uprawnieńStudia podyplomowe
Cel
Cel
Cel edukacyjny
Celem studiów jest przekazanie uczestnikom praktycznych umiejętności z zakresu gromadzenia, przetwarzania oraz analizy i wizualizacji dużych wolumenów danychEfekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| UMIEJĘTNOŚCI 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. | Wyjaśnia podstawowe pojęcia statystyki opisowej i matematycznej Charakteryzuje metody analizy danych w Pythonie i R Opisuje algorytmy uczenia maszynowego i ich zastosowania Rozróżnia typy baz danych (SQL i NoSQL) oraz ich zastosowania Wyjaśnia metody wizualizacji danych i raportowania | Wywiad ustrukturyzowany |
| Prezentacja | ||
| Test teoretyczny z wynikiem generowanym automatycznie | ||
| UMIEJĘTNOŚCI potrafi analizować i przetwarzać dane, budować modele analityczne oraz wykorzystywać narzędzia programistyczne do rozwiązywania problemów biznesowych. | Analizuje dane z wykorzystaniem języków Python lub R Tworzy zapytania SQL oraz pracuje z bazami danych Buduje i interpretuje modele uczenia maszynowego Przygotowuje wizualizacje i raporty z analizy danych Przetwarza i integruje dane z różnych źródeł (np. Spark, NoSQL) | Wywiad ustrukturyzowany |
| Prezentacja | ||
| KOMPETENCJE jest gotów do pracy zespołowej, komunikowania wyników analiz oraz ciągłego rozwoju w obszarze data science. | Komunikuje wyniki analiz w sposób zrozumiały dla odbiorców Współpracuje w zespole projektowym przy realizacji analiz danych Wykazuje gotowość do ciągłego rozwijania kompetencji analitycznych i technologicznych | Prezentacja |
| Wywiad ustrukturyzowany |
Kwalifikacje i kompetencje
Kwalifikacje
Kwalifikacje niewłączone do ZSK
Uznane kwalifikacje
Informacje
- Nazwa Podmiotu prowadzącego walidacjęUniwersytet WSB Merito w Gdańsku
- Nazwa Podmiotu certyfikującegoUniwersytet WSB Merito w Gdańsku
Program
Program
LP. | NAZWA PRZEDMIOTU | ŁĄCZNA LICZBA GODZIN ZAJĘĆ | ŁĄCZNA LICZBA PUNKTÓW ECTS | Liczba godzin praktycznych | Liczba godzin teoretycznych |
I. | PODSTAWY STATYSTYKI Z ZASTOSOWANIEM R/PYTHON |
|
|
|
|
1. | Wprowadzenie do zagadnień statystyki opisowej | 8,00 | 1,00 | 6,00 | 2,00 |
2. | Wprowadzenie do zagadnień statystyki matematycznej (procedura testowania) | 8,00 | 1,00 | 6,00 | 2,00 |
II. | ANALIZA DANYCH W PYTHON |
|
|
|
|
1. | Składnia, tablice, funkcje, Pandas | 19,00 | 2,00 | 16,00 | 3,00 |
III. | ANALIZA DANYCH W R |
|
|
|
|
1. | Środowisko R i RStudio, typy atomowe, wektory, listy, funkcje, data cleaning | 19,00 | 3,00 | 16,00 | 3,00 |
IV. | ZAAWANSOWANE METODY WIZUALIZACJI (Plotly, Dash, R Shiny) - R/Python |
|
|
|
|
1. | Budowa interaktywnych raportów/aplikacji | 18,00 | 3,00 | 15,00 | 3,00 |
PODSTAWY SQL |
|
|
|
| |
1. | Diagramy ERD, Normalizacja, SQL DDL, SQL DML | 18,00 | 3,00 | 15,00 | 3,00 |
V. | UCZENIE MASZYNOWE W PRAKTYCE (R/PYTHON) |
|
|
|
|
1. | Algorytmy uczenia maszynowego z nadzorem (regresja liniowa, lasy losowe, xgboost, analiza szeregów czasowych) | 18,00 | 3,00 | 14,00 | 4,00 |
VI. | WPROWADZENIE DO ALGORYTMÓW GŁĘBOKIEGO UCZENIA MASZYNOWEGO – DEEP LEARNING (KERAS, TESNORFLOW) |
|
|
|
|
1. | Sieci neuronowe w przetwarzaniu danych numerycznych, kategorycznych oraz obrazów | 16,00 | 2,00 | 12,00 | 4,00 |
VII. | ANALIZA DANYCH ZA POMOCĄ SPARKA (INTEGRACJA Z PYTHON I R) |
|
|
|
|
1. | Przetwarzanie danych oraz modelowanie w integracji z Pythonem oraz R | 12,00 | 2,00 | 10,00 | 2,00 |
VIII. | ZAAWANSOWANY SQL |
|
|
|
|
1. | DDL/DML. Zaawansowany quering | 10,00 | 1,00 | 8,00 | 2,00 |
2. | Integracja SQL z Python | 10,00 | 1,00 | 9,00 | 1,00 |
IX. | NIERELACYJNE BAZY DANYCH (NOSQL)-NP. MONGODB, ELASTIC, NOE4J. WPROWADZNIE DO BAZY DANYCH TYPU NOSQL |
|
|
|
|
1. | Querying przykładowych baz noSQL | 12,00 | 1,00 | 9,00 | 3,00 |
X. | UMIEJĘTNOŚCI INTERPERSONALNE ANALITYKA |
|
|
|
|
1. | Psychologia budowania wizerunku. Sztuka perswazji i wystąpień publicznych | 7,00 | 1,00 | 6,00 | 1,00 |
2. | Sposoby prezentacji oraz raportowania | 7,00 | 1,00 | 6,00 | 1,00 |
3. | GIT - PODSTAWY | 2,00 | 1,00 | 2,00 | 0,00 |
XI. | PROJEKT |
|
|
|
|
| Seminarium projektowe | 8,00 | 4,00 | 8,00 | 0,00 |
| FORMA ZALICZENIA |
|
|
|
|
| Test końcowy | 1,00 | 0,50 | 1,00 | 0,00 |
| Egzamin końcowy | 1,00 | 0,50 | 1,00 | 0,00 |
| Razem | 194,0 | 31,0 | 160,0 | 34,00 |
Harmonogram
Harmonogram
| Przedmiot / temat | 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 7 600,00 PLN |
Podmiot uprawniony do zwolnienia z VAT na podstawie art. 43 ust. 1 ustawy o VAT | |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 7 600,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 39,18 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 39,18 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 0,00 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 0,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 0,00 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 0,00 PLN |
Prowadzący
Prowadzący
Krzysztof Ziółkowski
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Liczba godzin w programie nauczania podana jest w godzinach dydaktycznych - 45 min. (194 godz. x 45 min. = 8730 min.)
W harmonogramie zajęć wykazano godziny zegarowe - 60 min. (8730 min. : 60 min. = 145,5 godz.)
Przerwy higieniczne wliczone są w harmonogram zajęć (145,5 godz. + 20 godz. = 165,5 godz.)
Materiały elektroniczne zamieszczane na moodlu/temsach.
Data zakończenia usługi to 27.06.2027, oznacza to, że obrona musi odbyć się najpóźniej w tym dniu.
* UWSB Merito w Gdańsku zastrzega sobie prawo do zmiany terminów zjazdów w tym przesunięcia terminu I zjazdu.
Warunki uczestnictwa
Szczegółowe informacje na temat rekrutacji znajdują się pod linkiem:
https://www.merito.pl/gdansk/studia-i-szkolenia/studia-podyplomowe/zasady-rekrutacji
Szczegóły kierunku dostępne pod linkiem:
https://www.merito.pl/gdansk/studia-i-szkolenia/studia-podyplomowe/data-scientist
Informacje dodatkowe
Dodatkowo wymagany jest zapis przez formularz rekrutacyjny uczelni
https://www.merito.pl/rekrutacja/krok1
W zależności od projektu, w którym uczestnik bierze udział wymagana jest obecność na zajęciach min 80% oraz potwierdzenie listy logowań do usługi.
zwolnienie z VAT na podstawie art.43 Ustawy o Podatku od towarów i usług 1. pkt 26.
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
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
Warunki techniczne uczestnictwa w zajęciach online
Wymagania minimalne:
- Posiadanie sprzętu elektronicznego z dostępem do Internetu o przepustowości co najmniej 5 Mb/s (zalecane 10 Mb/s lub więcej dla stabilnego połączenia).
- Monitor lub ekran umożliwiający komfortowe uczestnictwo w zajęciach.
- Kamera internetowa.
- Mikrofon oraz głośniki lub słuchawki.
Sprzęt zalecany:
- Laptop lub komputer stacjonarny (rekomendowany dla pełnej funkcjonalności platformy).
- Stabilne połączenie internetowe (preferowane połączenie kablowe zamiast Wi-Fi).
- Słuchawki z mikrofonem w celu poprawy jakości dźwięku.
Oprogramowanie:
- Uczelnia zapewnia dostęp do platformy Microsoft Teams (na której realizowane są zajęcia w czasie rzeczywistym – „face to face”) przez czas realizacji studiów,
- Uczelnia zapewnia dostęp do pakietu Microsoft Office 365.