| Course | Number of hours | ECTS credits | Form of verification | Mandatoriness |
|---|---|---|---|---|
|
Lectures: 4, including sub-activities:
|
1 | Completing the classes | Obligatory |
|
Lectures: 2, including sub-activities:
|
2 | Completing the classes | Obligatory |
|
Lectures: 10, including sub-activities:
|
3 | Completing the classes | Obligatory |
|
Lectures: 10, including sub-activities:
|
3 | Completing the classes | Obligatory |
|
Laboratory classes: 20, including sub-activities:
|
2 | Completing the classes | Obligatory |
|
Lectures: 6, including sub-activities:
|
3 | Completing the classes | Obligatory |
|
Lectures: 6, including sub-activities:
|
3 | Completing the classes | Obligatory |
|
Lectures: 4, including sub-activities:
|
3 | Completing the classes | Obligatory |
| Sum | 152 | 20 |
Major Machine Learning in Data Science
Zakres tematyczny
W zakres studiów wchodzi pogłębiona wiedza teoretyczna i praktyczna z zakresu statystyki z wykorzystaniem języka R, rachunku macierzowego, baz danych relacyjnych oraz NoSQL, zaawansowanych metod eksploracji danych, sieci neuronowych, uczenia głębokiego, uczenia ze wzmocnieniem, uczenia z oraz bez nadzoru, przetwarzania języka naturalnego, analizy dużych zbiorów danych oraz prawnych aspektów analityki danych. Ponadto uczestnicy zapoznają się z narzędziami do analityki danych dostępnymi w bibliotekach języka python, nowoczesnymi metodami wizualizacji danych oraz utrwalą swoje umiejętności przy realizacji laboratoriów i projektów m.in. z analizy danych w life sciences, analizy dużych zbiorów danych oraz opracowania danych sondażowych i pomiarowych. Studia te oferują w jednym miejscu usystematyzowaną wiedzę i umiejętności zdobywane do tej pory przez pracowników na własną rękę na licznych nie związanych ze sobą kursach internetowych i szkoleniach.
Do kogo adresowane są studia podyplomowe
Studia podyplomowe Uczenie maszynowe w analityce danych kierowane są do osób, które posiadają już podstawową wiedzę w zakresie informatyki i analityki danych lub pracują na stanowiskach związanych z szeroko pojętym Data Science. Studia pozwolą uporządkować posiadaną wiedzę i rozszerzyć ją w sposób znaczący o zaawansowane metody sztucznej inteligencji stosowanej do eksploracji i przetwarzania różnych typów danych. W szczególności kierowane są do osób zainteresowanych tematyką uczenia maszynowego oraz Big Data chcących podjąć pracę w międzynarodowych firmach korzystających z rozwiązań opartych na systemach uczących się.
Kierownik studiów podyplomowych
dr Małgorzata Zajęcka, mzajecka@agh.edu.pl
Organizator studiów podyplomowych
Instytut Informatyki AGH, tel.: +48 12 328 34 00, e-mail: informatyka@agh.edu.pl
Osoba do kontaktu
mgr inż. Dominika Knapik-Mróz, tel. +48 785 850 084 , mail: dkm@agh.edu.pl
| Course | Number of hours | ECTS credits | Form of verification | Mandatoriness |
|---|---|---|---|---|
|
Lectures: 14, including sub-activities:
|
4 | Completing the classes | Obligatory |
|
Lectures: 8, including sub-activities:
|
3 | Completing the classes | Obligatory |
|
Lectures: 4, including sub-activities:
|
1 | Completing the classes | Obligatory |
|
Lectures: 4, including sub-activities:
|
2 | Completing the classes | Obligatory |
|
Lectures: 4, including sub-activities:
|
2 | Completing the classes | Obligatory |
|
Lectures: 6, including sub-activities:
|
1 | Completing the classes | Obligatory |
|
Lectures: 2, including sub-activities:
|
1 | Completing the classes | Obligatory |
|
Laboratory classes: 10, including sub-activities:
|
1 | Completing the classes | Obligatory |
|
Laboratory classes: 16, including sub-activities:
|
1 | Completing the classes | Obligatory |
| Sum | 133 | 16 |