Program studiów DS

Studia są dedykowane absolwentom kierunków ekonomicznych i matematyczno-przyrodniczych pragnących poszerzyć zakres swoich umiejętności w zakresie najnowszych metod analizy danych. Na przestrzeni ostatniej dekady zaobserwowano znaczący spadek kosztu gromadzenia i przetwarzania danych. W związku z tym, poszukiwanymi obecnie na rynku pracy kompetencjami są umiejętności interdyscyplinarnej obróbki i analizy danych. Celem Studiów DS jest odpowiedź na globalny trend zmian na rynku pracy związanego z kreacją nowych zawodów dedykowanych analizie i obróbce danych.

Głównym celem studiów DS jest rozwinięcie kompetencji analitycznych uczestników programu. Rosnąca dostępność ogromnej ilości danych oraz obniżenie kosztu ich magazynowania i przetwarzania sprawia, że jakość procesu analizy danych staje się kluczowa dla podejmowania optymalnych decyzji biznesowych.

Słuchacze studiów DS zdobędą specjalistyczną wiedzę w zakresie programowania, metod uczenia maszynowego, sztucznej inteligencji oraz najbardziej nowoczesnych metod ekonometrycznych niezbędnych dla osiągnięcia sukcesu w otoczeniu rynkowym, w którym analiza danych coraz częściej stanowi o przewadze konkurencyjnej.

Absolwent studiów będzie:

znał język programowania R na poziomie zaawansowanym, w stopniu pozwalającym na automatyzację procesów pozyskania i analizy danych oraz raportowania wyników i samodzielną budowę dedykowanych aplikacji
znał efektywne metody pozyskiwania, budowy i przetwarzania baz danych,
umiał tworzyć zaawansowane wizualizacje danych i wyników analiz,
posiadał niezbędną wiedzę teoretyczną i praktyczną w zakresie metod sztucznej inteligencji, uczenia maszynowego i efektywnego przetwarzania dużych zbiorów danych,
umiał budować i walidować modele prognostyczne na podstawie poznanych algorytmów statystycznych i ekonometrycznych.

Program studiów DS zakłada realizację następujących przedmiotów:

I Semestr studiów DS
Lp.	Nazwa przedmiotu/modułu kształcenia	Rodzaj zajęć dydaktycznych¹	Forma zaliczenia²	Liczba godzin³	Punkty ECTS
1	Wstęp do programowania w języku R	Wykłady, Laboratoria	Egzamin	8/20	5
2	Metody wizualizacji	Wykłady, Laboratoria	Egzamin	10/10	4
3	Tworzenie aplikacji w R	Wykłady, Laboratoria	Egzamin	12/10	4
4	Metody optymalizacji obliczeń	Wykłady, Laboratoria	Egzamin	10/5	3
5	Analiza predykcyjna	Wykłady, Ćwiczenia, Laboratoria	Egzamin	20/5	5
6	Metody uczenia nadzorowanego	Wykłady, Laboratoria	Egzamin	25/10	7
7	Text mining/Natural Language Processing	Wykłady, Laboratoria	Egzamin	15/5	4

Łączna liczba godzin zajęć: 100 godzin zajęciowych, 65 godzin pracy własnej
Łączna liczba punktów ECTS:32

II Semestr studiów DS
Lp.	Nazwa przedmiotu/modułu kształcenia	Rodzaj zajęć dydaktycznych¹	Forma zaliczenia²	Liczba godzin³	Punkty ECTS
1	Metody Optymalizacji Globalnej	Wykłady, Laboratoria	Egzamin	10/5	3
2	Agregacja modeli	Wykłady, Laboratoria	Egzamin	10/5	3
3	Metody uczenia nienadzorowanego	Wykłady, Laboratoria	Egzamin	20/15	6
4	Ekonometria Big Data	Wykłady, Laboratoria	Egzamin	20/5	5
5	Sztuczne Sieci Neuronowe	Wykłady, Laboratoria	Egzamin	10/5	3
6	Metody detekcji anomalii	Wykłady, Laboratoria	Egzamin	10/5	3
7	Studium przypadku	Laboratoria	Egzamin	20	5

Łączna liczba godzin zajęć: 100 godzin zajęciowych, 40 godzin pracy własnej
Łączna liczba punktów ECTS: 28

1· Wykłady/Ćwiczenia/laboratoria/warsztaty.
2· Egzamin – ustny/egzamin testowy/zaliczenie na ocenę/prezentacja rezultatów projektu.
3· Raportowane są dwie liczby: liczba zajęć godzin wykładowych oraz liczba godzin pracy własnej.