4.3/5 z 258 ocen
Numer usługi 2021/02/03/7712/928505
Dostawca usług Politechnika Białostocka
Miejsce usługi Białystok
Dostępność Usługa otwarta
Status usługi opublikowana
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
Informacje o usłudze
Pokaż szczegółySposób 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 programProgram 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
Sprawdź harmonogramPrzedmiot / temat zajęć | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba 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
PokażCel 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 |
Kwalifikacje
Pokaż kwalifikacjeBrak wyników. |
Cena
Pokaż szczegółyKoszt 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 adresul. Wiejska 45A, 15-351 Białystok, woj. podlaskie
Zajęcia poprowadzą
Więcej informacji
![]() |
Magdalena Topczewska
Od 7 lat związany z dostarczaniem wiedzy dla firm i instytucji. Specjalizuje się w badaniach jakościowych i ilościowych. |
![]() |
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. |
![]() |
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. |
Kontakt
Pokaż
![]() |
Magdalena Topczewska email: m.topczewska@pb.edu.pl tel: (+48) 602 373 635 |
Informacje dodatkowe
Pokaż szczegółyInformacje dodatkowe
Po zapisaniu się na usługę kandydat na studia powinien złożyć następujące dokumenty:
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/