2023/2024 Stacjonarne Studia podyplomowe brak

brak

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. Paulina Mularczyk-Mędrykowska, tel. +48 12 328 33 21, mail: paula@agh.edu.pl

 

Zobacz pełny opis studiów podyplomowych

Зимовий сместр, 2023/2024

Предмет Кількість годин Бали ECTS Форма перевірки
Wstęp do zaawansowanej analizy danych i Data Science
Лекція: 4
1 Залік O
Języki programowania w Data Science (R)
Лекція: 2
Лабораторні заняття: 18
2 Залік O
Statystyka
Лекція: 10
Лабораторні заняття: 14
3 Залік O
Rachunek macierzowy
Лекція: 10
Лабораторні заняття: 14
3 Залік O
Języki programowania w Data Science (Python)
Лабораторні заняття: 20
2 Залік O
Eksploracja danych
Лекція: 6
Лабораторні заняття: 14
3 Залік O
Sieci neuronowe i uczenie głębokie
Лекція: 6
Лабораторні заняття: 14
3 Залік O
Bazy danych
Лекція: 4
Лабораторні заняття: 16
3 Залік O

Літній семестр, 2023/2024

Предмет Кількість годин Бали ECTS Форма перевірки
Uczenie maszynowe
Лекція: 14
Лабораторні заняття: 14
4 Залік O
Analiza dużych zbiorów danych
Лекція: 8
Лабораторні заняття: 12
3 Залік O
Sieci społeczne
Лекція: 4
Лабораторні заняття: 4
1 Залік O
Przetwarzanie jezyka naturalnego
Лекція: 4
Лабораторні заняття: 16
2 Залік O
Wizualizacja danych
Лекція: 4
Лабораторні заняття: 12
2 Залік O
Prawne aspekty analizy danych
Лекція: 6
1 Залік O
Praktyczne zastosowania analizy danych
Лекція: 2
Лабораторні заняття: 2
1 Залік O
Analiza danych edukacyjnych
Лабораторні заняття: 10
Проектні заняття: 5
1 Залік O
Hackathon
Лабораторні заняття: 16
1 Залік O