Usługa - Studia podyplomowe: Data Science, edycja 2021/22

Program studiów, zawiera zarówno zagadnienia teoretyczne związane z całym procesem przetwarzania danych i narzędziami uczenia maszynowego, jak i w przeważającej części zajęcia warsztatowe. Podczas zajęć szczególny nacisk położony jest na proces przygotowania danych, gdyż z punktu widzenia dalszej analizy ma to kluczowe znaczenie. Chcemy nauczyć nie tylko korzystania z narzędzi i programowania skryptów przetwarzających dane, ale też uświadomić uczestnikom , co kryje się za poszczególnymi etapami przetwarzania danych i poleceniami, które wydają. Co ma zapewnić uczestnikom przedmiot „Przegląd metod uczenia maszynowego”.

Absolwenci obu specjalności: "Developer" i "Analityk danych", wspólnie zdobywają na I semestrze wiedzę niezbędną do zrozumienia mechanizmów składowania i przetwarzania dużej ilości danych, statystycznej i wielowymiarowej analizy danych oraz wiedzę na temat metod i narzędzi uczenia maszynowego. Nabywają także w podstawowym zakresie umiejętności posługiwania się językiem R, Python i SQL, aby później kontynuować dalszą naukę w zależności od specjalności.   

Uczestnik na II semestrze specjalności „Developer” zdobędzie wiedzę w zakresie wykorzystania sztucznych sieci neuronowych, deep learningu oraz umiejętności wykorzystania tej wiedzy do implementacji algorytmów przetwarzania danych w środowisku produkcyjnym Hadoop/Spark oraz języka R/Python. Wyróżnikiem studiów jest szerokie omówienie tematu „Sztucznych Sieci Neuronowych i Deep Learningu” - na specjalności „Developer” - jako kluczowych narzędzi w dzisiejszych rozwiązaniach produkcyjnych.

Natomiast uczestnik specjalności „Analityk danych” zdobędzie wiedzę w zakresie wykorzystania narzędzi data science w biznesie (finansowe, e-commerce, medyczne i social media), big data, przetwarzania wstępnego i transformacji danych, a także rozwiązań wykorzystujących Data Science. Dopełnieniem będą umiejętności pracy z wykorzystaniem języka R, raportowania i wizualizacja danych oraz wprowadzenie do wybranych środowisk analitycznych. Z kolei na specjalności „Analityk danych” najsilniejszym elementem jest nauka języka R w szerokim zakresie oraz wykorzystania API w przetwarzaniu danych, głównie w rozpoznawaniu obrazów i przetwarzaniu języka naturalnego.

Studia podyplomowe "Data Science" trwają dwa semestry.

Plan studiów

Plan studiów „Data Science” obejmuje 268 godzin zajęć, prowadzonych w formie wykładów, warsztatów i pracowni komputerowych. Kierunek posiada dwie specjalności „Data Science – Developer” i „Data Science – Analityk danych”. Zajęcia wspólne dla obu specjalności to około 140h (głównie na I sem.), kolejne 140h to ww. specjalizacje. Zakres tematów dotyczy następujących zagadnień:

I SEMESTR

1. Statystyczna analiza danych (wykład/pracownia: 16h/8h)

2. Przetwarzanie danych – bazy, hurtownie i big data (wykład/pracownia; 8h)

3. Wprowadzenie do Uczenia Maszynowego (wykład/pracownia: 16h)

4. Wybrane metody matematyczne w analizie danych (wykład/pracownia: 8h/8h)

5. Data Science z językiem Phytom 1 (pracownia: 16h)

6. Język R w przetwarzaniu danych (pracownia: 16h)

7. Technologie i środowisko Hadoop Spark - Wstęp (wykład/pracownia: 4h/12h)

8. Podstawowe narzędzia raportowania - Arkusz kalkulacyjny i wprowadzenie do SQL (pracownia: 20h)

9. Seminarium - Prezentacje projektów (wykład/pracownia: 4h)

II SEMESTR

1. Problemy biznesowe i rozwiązania wykorzystujące data sciene (wykład/pracownia: 12h)

2. Przegląd metod Uczenia Maszynowego (wykład: 16h)

3. Seminarium - Prezentacje projektów (wykład: 4h)

4. Data Science z językiem Python 2 (pracownia: 24h)

5. Technologie i środowisko Hadoop (wykład/pracownia: 8h/16h)

6. Sztuczne Sieci Neuronowe i Deep Learning (wykład/pracownia: 16h/20h)

7. Kontenery w nowoczesnych środowiskach programistycznych i produkcyjnych – Docker, Kubernetes, Kafka

8. Hadoop Machine Learning Frameworks (pracownia: 8h)

9. Rynek badań, analiz, i data science w Polsce i na świecie (wykład:8 h)

10. Język R jako narzędzie wizualizacji i raportowania (pracownia: 16h)

11. Interfejsy API w przetwarzaniu danych – rozpoznawanie obrazu i przetwarzanie języka naturalnego (wykład/pracownia: 8h/16h)

12. Zaawansowane narzędzia analityczne (pracownia: 20h)

13. Język SQL dla Data Science (wykład/pracownia: 8h/16h)

14. Dedykowane narzędzia analityczne (pracownia: 8h)

Zajęcia realizowane są w systemie niestacjonarnym. Program przewiduje 9-10 dwudniowych zjazdów w semestrze (sobota-niedziela). Podczas każdego zjazdu zaplanowane jest średnio po 16 godzin dydaktycznych odbywających się w godzinach 9 – 18.