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 kształceniaRodzaj zajęć dydaktycznych¹Forma zaliczenia²Liczba godzin³Punkty ECTS
1Wstęp do programowania w języku RWykłady, LaboratoriaEgzamin8/205
2Metody wizualizacjiWykłady, LaboratoriaEgzamin10/104
3Tworzenie aplikacji w RWykłady, LaboratoriaEgzamin12/104
4Metody optymalizacji obliczeńWykłady, LaboratoriaEgzamin10/53
5Analiza predykcyjna Wykłady, Ćwiczenia, LaboratoriaEgzamin20/55
6Metody uczenia nadzorowanegoWykłady, LaboratoriaEgzamin25/107
7Text mining/Natural Language ProcessingWykłady, LaboratoriaEgzamin15/54

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

II Semestr studiów DS
Lp.Nazwa przedmiotu/modułu kształceniaRodzaj zajęć dydaktycznych¹Forma zaliczenia²Liczba godzin³Punkty ECTS
1Metody Optymalizacji GlobalnejWykłady, LaboratoriaEgzamin10/53
2Agregacja modeli Wykłady, LaboratoriaEgzamin10/53
3Metody uczenia nienadzorowanegoWykłady, LaboratoriaEgzamin20/156
4Ekonometria Big DataWykłady, LaboratoriaEgzamin20/55
5Sztuczne Sieci NeuronoweWykłady, LaboratoriaEgzamin10/53
6Metody detekcji anomaliiWykłady, LaboratoriaEgzamin10/53
7Studium przypadkuLaboratoriaEgzamin205

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.