A A A

Log in

pl | en | uk

DATA ANALYSIS – DATA SCIENCE

Zakres tematyczny

Zakres tematyczny obejmuje szereg zagadnień związanych z Analizą danych, Data Science czy Big Data: wprowadzenia do zagadnień Analizy danych, Data Science i Big data; elementy statystyki jako jedno z najważniejszych narzędzi umożliwiających analizę i ocenę danych oraz opracowanie i ocenę wyników; bazy danych (relacyjne, NoSQL) jako technologia umożliwiająca przechowywanie ora przetwarzanie danych; programowanie w wybranych językach, wykorzystywanych w przetwarzaniu i analizie danych: R, SQL, Python; specjalistyczne metody techniki przetwarzania i analizy danych (Hurtownie danych, Eksploracja danych, uczenie maszynowe, przetwarzanie dużych zbiorów danych w środowisku Spark, analiza danych tekstowych – zapisanych w języku naturalnym, analiza sieci społecznych, analiza danych przestrzennych); metody wizualizacji danych i oceny wyników. Ważnym uzupełnieniem tematyki jest wiedza dotycząca prawnych aspektów przetwarzania i analizy danych.

Do kogo adresowane są studia podyplomowe

Oferta Studiów kierowana jest do wszystkich, którzy będą zajmowali się szeroko rozumianą analizą oraz przetwarzaniem, często bardzo dużych zbiorów różnorodnych danych. Pojęcia „Analiza danych” oraz „Data Science” łączą kompetencje z wielu dziedzin, specjalności takich jak: matematyka, statystyka, bazy danych, programowanie. Posiadanie takiej wiedzy oraz kompetencji i umiejętności jest coraz częściej pożądane na rynku IT.

W programie znajdują się zarówno przedmioty pozwalające na zdobycie wiedzy o charakterze ogólnym (statystyka, bazy danych), przedmioty umożliwiające nabycie umiejętności programowania w wybranych językach (R, SQL, Python) jak i przedmioty dotyczące specjalistycznych metod przetwarzania i analizy danych (hurtownie danych, eksploracja danych, uczenie maszynowe, przetwarzanie i analiza danych tekstowych).

Studia podyplomowe Analiza danych – Data Science, przeznaczone są przede wszystkim dla:osób pracujących na stanowiskach związanych z branżą informatyczną zajmujących się analizą danych, z niepełnym, lub bez kierunkowego wykształcenia - takim osobom studia umożliwią uzupełnienie, poszerzenie i uporządkowanie posiadanej wiedzy z zakresu „nauki o danych”, ich przetwarzania i analizy, a co za tym idzie podniesienie kwalifikacji do wykonywania zawodu, co ma szczególne znaczenie w sytuacji dynamicznie zmieniającego się rynku pracy, oraz szybkiego rozwoju nowych technologii; osób odpowiedzialnych za podejmowanie decyzji z wykorzystaniem narzędzi informatycznych, także pracujących w dowolnej branży - takim osobom studia umożliwią zwiększeni wiedzy w dotyczącej analizy danych i jej znaczenia dla podejmowania decyzji, co umożliwi kompetentne uczestnictwo w przygotowaniu i prowadzeniu procesów decyzyjnych w różnych działach i branżach gospodarki.

W szczególności grupą docelową będą osoby, które są zainteresowane, aby nabyta wiedza i umiejętności pozwoliły im na świadome uczestnictwo w procesach wymagających przygotowania, przetwarzania i analizy danych oraz wizualizacji i interpretacji wyników tych analiz.

Kierownik studiów podyplomowych

dr inż. Robert Marcjan, tel.: 12 12 328 33 10, mail: marcjan@agh.edu.pl

Organizator studiów podyplomowych

Wydział Informatyki, Elektroniki i Telekomunikacji, Instytut Informatyki, tel.: 12 328-34-00, mail: informatyka@agh.edu.pl

Osoba do kontaktu

mgr inż. Paulina Mularczyk-Mędrykowska, kom.606 629 097, mail: paula@agh.edu.pl

 

Zobacz pełny opis studiów podyplomowych

Subject Number of hours ECTS points Form of verification
Introduction to data analysis and data science
Lecture: 4
1.0 Assessment O
Statistics
Lecture: 8
Laboratory classes: 16
3.0 Assessment O
Database Systems
Lecture: 8
Laboratory classes: 16
4.0 Assessment O
Python Programming
Lecture: 8
Laboratory classes: 20
4.0 Assessment O
Data Mining
Lecture: 8
Laboratory classes: 12
3.0 Assessment O
Data extraction from Internet sources
Laboratory classes: 8
2.0 Assessment O
Seminar - final project
Seminars: 4
- Assessment O
  • O - Obligatory
  • W - Elective

Subject Number of hours ECTS points Form of verification
Machine learning
Lecture: 8
Laboratory classes: 16
4.0 Assessment O
Data warehouses
Lecture: 4
Laboratory classes: 8
2.0 Assessment O
Analysis of large data sets in the Spark environment
Lecture: 4
Laboratory classes: 12
3.0 Assessment O
Text data analysis
Lecture: 4
Laboratory classes: 4
1.0 Assessment O
Social networks
Lecture: 4
Laboratory classes: 4
1.0 Assessment O
Spatial data analysis
Lecture: 4
Laboratory classes: 4
1.0 Assessment O
Visualization of large data sets
Lecture: 4
Laboratory classes: 8
2.0 Assessment O
Legal aspects of data analysis
Lecture: 4
1.0 Assessment O
Seminar - final project
Seminars: 8
3.0 Assessment O
Final Project
Diploma project: 12
4.0 Assessment O
  • O - Obligatory
  • W - Elective