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

Logo Politechnika Białostocka

4.3/5 z 258 ocen

Tytuł Studia podyplomowe: Data Science, edycja 2021/22

Numer usługi 2021/02/03/7712/928505

Dostawca usług Politechnika Białostocka

Miejsce usługi Białystok

Dostępność Usługa otwarta

Status usługi opublikowana

PLN

6 400,00 zł netto za osobę

6 400,00 zł brutto za osobę

23,88 zł netto za osobogodzinę

23,88 zł brutto za osobogodzinę

Zapisz się
Zapisany 1 uczestnik

Informacje o usłudze

Pokaż szczegóły
Sposób dofinansowania:

wsparcie dla osób indywidualnych

wsparcie dla przedsiębiorców i ich pracowników

Grupa docelowa usługi:

Podstawowym celem studiów jest pomoc w zdobyciu kwalifikacji i nowej wiedzy nawet dla osób, które dotychczas nie miały styczności z ww. tematami. Ważnym elementem studiów, który wykracza poza wykształcenie wyższe jest statystyka. Program zawiera omówienie zagadnień dotyczących tego przedmiotu.

Specjalność „Analityk danych” jest skierowana do osób, które chcą w przyszłości pracować przy analizie i wizualizacji danych, wykorzystaniu API do tworzenia aplikacji. Znajomość metod statystycznych będzie atutem, ale nie jest koniecznością. Wiedzę tą będzie musiał uczestnik przyswoić na studiach. Dla specjalności „Developer” konieczne jest posiadanie średniej wiedzy z programowania obiektowego, w szczególności co umiejętności programowania w co najmniej jednym języku wysokiego poziomu, np. C++, CSharp, Java, Python.

Minimalna liczba uczestników: 15
Maksymalna liczba uczestników: 30
Data zakończenia rekrutacji: 30-10-2021
Liczba godzin usługi: 268
Podstawa uzyskania wpisu do świadczenia usługi: art. 11 ust. 1 pkt 2 ustawy z dnia 20 lipca 2018 r. Prawo o szkolnictwie wyższym i nauce oraz Statut Politechniki Białostockiej
Zakres uprawnień: STUDIA PODYPLOMOWE

Ramowy program usługi

Pokaż program

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.

Harmonogram usługi

Przedmiot / temat zajęćData realizacji zajęćGodzina rozpoczęciaGodzina zakończeniaLiczba godzin
Przedmiot / temat zajęć
semestr zimowy - zjazd 01
Data realizacji zajęć
16-10-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 01
Data realizacji zajęć
17-10-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 02
Data realizacji zajęć
23-10-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 02
Data realizacji zajęć
24-10-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 03
Data realizacji zajęć
06-11-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 03
Data realizacji zajęć
07-11-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 04
Data realizacji zajęć
13-11-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 04
Data realizacji zajęć
14-11-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 05
Data realizacji zajęć
27-11-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 05
Data realizacji zajęć
28-11-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 06
Data realizacji zajęć
04-12-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 06
Data realizacji zajęć
05-12-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 07
Data realizacji zajęć
11-12-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 07
Data realizacji zajęć
12-12-2021
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 08
Data realizacji zajęć
16-01-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 08
Data realizacji zajęć
17-01-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 09
Data realizacji zajęć
12-02-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 09
Data realizacji zajęć
13-02-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 10
Data realizacji zajęć
19-02-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr zimowy - zjazd 10
Data realizacji zajęć
20-02-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 01
Data realizacji zajęć
05-03-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 01
Data realizacji zajęć
06-03-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 02
Data realizacji zajęć
19-03-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 02
Data realizacji zajęć
20-03-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 03
Data realizacji zajęć
02-04-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 03
Data realizacji zajęć
03-04-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 04
Data realizacji zajęć
09-04-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 04
Data realizacji zajęć
10-04-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 05
Data realizacji zajęć
07-05-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 05
Data realizacji zajęć
08-05-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 06
Data realizacji zajęć
14-05-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 06
Data realizacji zajęć
15-05-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 07
Data realizacji zajęć
28-05-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 07
Data realizacji zajęć
29-05-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 08
Data realizacji zajęć
04-06-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 08
Data realizacji zajęć
05-06-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 09
Data realizacji zajęć
18-06-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 09
Data realizacji zajęć
19-06-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 10
Data realizacji zajęć
25-06-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00
Przedmiot / temat zajęć
semestr letni - zjazd 10
Data realizacji zajęć
26-06-2022
Godzina rozpoczęcia
09:00
Godzina zakończenia
18:00
Liczba godzin
09:00

Główny cel usługi

Pokaż

Cel edukacyjny

Dostarczenie uczestnikowi wiedzy w zakresie podstaw, idei i narzędzi przetwarzania maszynowego (ang. machine learning), sztucznej inteligencji i przetwarzania dużych ilości danych (ang. big data). Uczestnik pozna szczegóły procesu przygotowania danych, narzędzie trenowania i budowy klasyfikatorów oraz wybranych zagadnień dotyczących analizy i wizualizacji danych. Na specjalności "Analityk danych" - analizy danych za pomocą języka R i API, a "Developer" - ekosystemu Hadoop i deep learning.

Efekty uczenia się

Po uzyskaniu pozytywnych ocen z zaliczeń z przedmiotów (lub projektów) przewidzianych w programie kształcenia uczestnicy otrzymują świadectwo ukończenia studiów podyplomowych.

Uczestnik nabywa wiedzę i zdobywa umiejętności opisane w poniższej tabeli.

Symbol

Efekty uczenia się dla studiów podyplomowych

Odniesienie do charakterystyk drugiego stopnia określonych na podstawie art. 7 ust. 3 Ustawy z dnia 22 grudnia 2015 r. o Zintegrowanym Systemie Kwalifikacji na poziomie 6 PRK

Odniesienie do charakterystyk drugiego stopnia określonych na podstawie art. 7 ust. 4 Ustawy z dnia 22 grudnia 2015 r. o Zintegrowanym Systemie Kwalifikacji na poziomie 6 PRK

WIEDZA: absolwent zna i rozumie

DS_W01

podstawowe pojęcia i metody dotyczące Uczenia Maszynowego (Machine Learning)

P6S_WG, P6S_WK

P6Z_WT, P6Z_WZ, P6Z_WO

DS_W02

podstawowe pojęcia statystycznej analizy danych oraz wybrane metody matematyczne w analizie danych

P6S_WG, P6S_WK

P6Z_WT, P6Z_WZ, P6Z_WO

DS_W03

pojęcia dotyczące idei i działania Sztucznych Sieci Neuronowych oraz metod i narzędzi Deep Learning

P6S_WG, P6S_WK

P6Z_WT, P6Z_WZ, P6Z_WO

DS_W04

struktury danych, instrukcje, kod w języku Python i R

P6S_WG, P6S_WK

P6Z_WO

DS_W05

metody gromadzenia danych oraz wybrane narzędzia zaawansowanej analizy danych, wizualizacji i analizy danych oraz danych z sieci społecznych

P6S_WG, P6S_WK

P6Z_WT, P6Z_WZ, P6Z_WO

DS_W06

ideę, sposób działania i wybrane frameworki ekosystemu Hadoop oraz narzędzia budowania nowoczesnych środowiskach programistycznych i produkcyjnych dla celów przetwarzania danych

P6S_WG, P6S_WK

P6Z_WZ, P6Z_WO

UMIEJĘTNOŚCI: absolwent potrafi

DS_U01

wykorzystać podstawowe pojęcia i metody dotyczące Uczenia Maszynowego w projektowaniu procesu przygotowania i analizy danych w samodzielnej pracy lub w projekcie zespołowym

P6S_UW, P6S_UK, P6S_UU, P6S_UO

P6Z_UI, P6Z_UN, P6Z_UO

DS_U02

przeprowadzić podstawowe operacje  statystycznej analizy danych oraz zastosować wybrane metody matematyczne w analizie danych w samodzielnej pracy lub w projekcie zespołowym

P6S_UW, P6S_UK, P6S_UU, P6S_UO

P6Z_UI, P6Z_UN, P6Z_UO

DS_U03

wykorzystać podstawowe narzędzia i frameworki Sztucznych Sieci Neuronowych oraz metod i narzędzi Deep Learning

P6S_UW, P6S_UU

P6Z_UI, P6Z_UN, P6Z_UO

DS_U04

operować na poziomie podstawowym językiem Python i R w przygotowaniu, przetwarzaniu i wizualizacji danych oraz wykorzystać frameworki Machine Learning w analizie danych

P6S_UW

P6Z_UI, P6Z_UN, P6Z_UO

DS_U05

wykorzystać wybrane narzędzia zaawansowanej analizy danych oraz sieci społecznych w analizie danych

P6S_UW, P6S_UU

P6Z_UI, P6Z_UN, P6Z_UO

DS_U06

skonfigurować środowisko przetwarzania danych Hadoop z wykorzystaniem wybranych frameworków oraz produkcyjne środowisko pracy  dla celów przetwarzania danych

P6S_UW, P6S_UU

P6Z_UI, P6Z_UN, P6Z_UO

KOMPETENCJE SPOŁECZNE: absolwent jest gotów do

DS_S01

korzystania z wiedzy ekspertów odnośnie specjalizowanych narzędzi w pracy samodzielnej i zespołowej

P6S_KK, P6S_KO, P6S_KR

P6Z_KP, P6Z_KO

DS_S02

do wejścia na rynek pracy jako Junior Data Scientist i dbania o dorobek w zakresie Data Science

P6S_KR, P6S_KK, P6S_KO

P6Z_KP, P6Z_KO, P6Z_KW

DS_S03

myślenia i działania w sposób przedsiębiorczy w swojej pracy zawodowej

P6S_KO

P6Z_KO

Czy usługa prowadzi do nabycia kompetencji? Tak
Brak wyników.
Koszt przypadający na 1 uczestnika netto 6 400,00 zł
Koszt przypadający na 1 uczestnika brutto 6 400,00 zł
Koszt osobogodziny netto 23,88 zł
Koszt osobogodziny brutto 23,88 zł

Adres realizacji usługi

Pokaż adres

ul. Wiejska 45A, 15-351 Białystok, woj. podlaskie

Zajęcia poprowadzą

Więcej informacji
Zdjęcie Magdalena Topczewska

Magdalena Topczewska

Od 7 lat związany z dostarczaniem wiedzy dla firm i instytucji. Specjalizuje się w badaniach jakościowych i ilościowych.
Posiada doświadczenie w całym szeregu metod badawczych. Pasjonat technologii służących do analizy Big Data. Na co dzień tłumaczy zależności i zjawiska zachodzące w ponad 10 TB danych pozyskanych z mediów społecznościowych, prowadząc badania w firmie Sotrender.
Absolwent Uniwersytetu im. Adama Mickiewicza w Poznaniu
Prowadził zajęcia na Studiach Podyplomowych w poprzednich edycjach.

Zdjęcie Jan Zając

Jan Zając

Badacz internetu, a zwłaszcza mediów społecznościowych. Współtwórca Sotrendera, narzędzia wspierającego lepsze decyzje w marketingu w social media, nagrodzonego Aulerem w 2013 r. i wyróżnionego w konkursie Innowator Mazowsza. Prezes Zarządu firmy badawczo-doradczej SmartNet Research&Solutions. Adiunkt na Wydziale Psychologii Uniwersytetu Warszawskiego. Autor kilkunastu publikacji naukowych i kilkudziesięciu raportów badawczych. Absolwent UW i SGH, stypendysta Uniwersytetu Bocconi w Mediolanie i Uniwersytetu w Leuven. Częsty prelegent na konferencjach i warsztatach branżowych. Trener Polskiego Towarzystwa Badaczy Rynku i Opinii. Prowadził zajęcia na Studiach Podyplomowych w poprzednich edycjach.

Zdjęcie Dominik Batorski

Dominik Batorski

Od 2001 roku zajmuje się badaniem sieci społecznych oraz procesów zachodzących w sieciach, takich jak dyfuzja innowacji i wpływ społeczny. Wykorzystuje analizę sieciową zarówno w pracy naukowej, jak i biznesowo.
Jest założycielem firmy SmartNet Research & Solutions i współtwórcą Sotrendera – narzędzia analitycznego do monitoringu i optymalizacji marketingu w mediach społecznościowych. Analizował sieci komunikacyjne (gadu-gadu i sieci telefonii komórkowej), serwisy społecznościowe (grono.net, NK.pl, Facebook, Twitter), powiązania między firmami (zarządy i rady nadzorcze spółek), powiązania wewnątrzorganizacyjne (relacje między pracownikami), polityczne i medialne (współczytelnictwo i współoglądalność).
Absolwent Instytutu Stosowanych Nauk Społecznych UW
Prowadził zajęcia z analizy sieciowej w Instytucie Socjologii UW.
Prowadził zajęcia w poprzednich edycjach na Studiach Podyplomowych.

Kontakt

Pokaż
Zdjęcie Magdalena Topczewska

Magdalena Topczewska

email: m.topczewska@pb.edu.pl

tel: (+48) 602 373 635

Informacje dodatkowe

Pokaż szczegóły

Informacje dodatkowe

Po zapisaniu się na usługę kandydat na studia powinien złożyć  następujące dokumenty:

  • podanie o przyjęcie na studia – ankieta osobowa (dostępne na stronie studiów podyplomowych),
  • kserokopia dyplomu ukończenia studiów wyższych potwierdzona za zgodność z oryginałem przez upoważnionego pracownika PB lub notariusza.

Dokumenty należy składać osobiście w biurze studiów podyplomowych Wydziału Informatyki p. 019 (parter, wejście obok bankomatu), lub przesłać pocztą na adres:

Studia Podyplomowe Wydziału Informatyki

Politechnika Białostocka

15-351 Białystok, ul. Wiejska 45A

Szczegółowe informacje:

http://datascience.wi.pb.edu.pl/

Ciasteczka>