Studia podyplomowe "Big Data - technologie analizy danych"

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:

1. Typy danych w organizacji:

a. Dane operacyjne

b. Dane analityczne

c. Dane zewnętrzne

1. Podstawy modelowania danych:

a. Dane transakcyjne

b. Dane nieustrukturyzowane

c. Dimensional model (star schema, slowly changing dimensions)

1. Metody wykorzystania danych:

a. Analityka

b. Uczenie maszynowe - wprowadzenie

1. 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.
2. Transformacja organizacji:

a. Data Adoption

b. Data Discovery

c. Podnoszenie kwalifikacji

d. Machine Learning Discovery

1. 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)

1. 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, 36 godzin zajęć prowadzonych jest w formie stacjonarnej, a pozostałe w formie zdalnej. Zajęcia odbywają są średnio co 2 tygodnie w soboty i niedziele, średnio 6 - 8 godzin dziennie (godzina dydaktyczna - 45 minut).

Przerwy nie są wliczane do czasu zajęć dydaktycznych.

Walidacja: każdy przedmiot na studiach podyplomowych kończy się zaliczeniem, zaliczeniem na ocenę lub egzaminem. Po zakończeniu zajęć dydaktycznych i uzyskaniu wszystkich zaliczeń słuchacz zdaje egzamin końcowy w formie ustnej w którym uczestniczy walidator (osoba nie biorąca udziału w procesie dydaktycznym).

Absolwent studiów podyplomowych uzyskuje świadectwo ukończenie studiów podyplomowych.

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.

Osoby z wykształceniem wyższym (I lub II stopnia). Rejestracja https://podyplomowe.wsiz.pl/rekrutacja/

Rejestracja na studia podyplomowe odbywa się w formie elektronicznej. w terminie od 1 kwietnia 2026r. 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.

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.

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)