Analiza i inżynieria danych – data science
Termin:
1 paź 2024 - 1 lip 2025
Miejsce:
Online
Czas trwania:
215 godz.
Prowadzący:
Kierownik: dr hab. Adam Lecko, prof. UWM
Pozostałe terminy:
Organizator
Opis i cele
Studia są realizowane zdalnie w czasie rzeczywistym z wykorzystaniem pakietu Google Workspace. Zajęcia są nagrywane i udostępniane słuchaczom.
Absolwent potrafi łączyć różne elementy z zakresu statystki i informatyki: programowania, zastosowania zaawansowanych narzędzi analitycznych, przetwarzania danych. Umie operować językiem programowania wykorzystywanym w analizie danych (Python lub R), ma wiedzę na temat przechowywania danych (w bazach SQL i no-SQL), i ich wizualizacji, umie stosować algorytmy uczenia maszynowego do rozwiązywania praktycznych problemów, zna w podstawowym zakresie narzędzia wykorzystywane w Big Data.
Charakterystyka uczestników
Studia podyplomowe „Analiza i inżynieria danych – data science” są adresowane do osób, które chcą zdobyć lub poszerzyć swoje umiejętności w zakresie analizy i przetwarzania danych. Są one szczególnie polecane:
- Specjalistom IT i analitykom danych, którzy pragną pogłębić swoją wiedzę i umiejętności w obszarze data science.
- Absolwentom kierunków technicznych, matematycznych, ekonomicznych lub pokrewnych, którzy chcą przekwalifikować się na specjalistów ds. analizy danych.
- Pracownikom działów badawczych i rozwojowych oraz menedżerom, którzy zamierzają wykorzystywać dane do podejmowania decyzji biznesowych.
- Osobom, które chcą zdobyć praktyczne umiejętności programowania w Pythonie i R, oraz narzędzi do wizualizacji i analizy danych.
- Każdemu, kto jest zainteresowany karierą w obszarze Big Data, Machine Learning i sztucznej inteligencji, niezależnie od dotychczasowego doświadczenia zawodowego.
Program
Semestr 1
- Wprowadzenie do data science
- Wizualizacja danych i techniki data mining
- Systemy baz danych
- Podstawy pakietu R
- Power BI
Semestr 2
- Zaawansowane programowanie w języku Python
- Metody i techniki sztucznej inteligencji
- Analiza danych w praktyce
- Inżynieria big data
Zastosowane metody
Realizacja wszystkich przedmiotów odbywa się zdalnie w czasie rzeczywistym, z użyciem pakietu Google Workspace
Dodatkowe informacje organizacyjne
Sekretarz
mgr Kinga Lecko
tel. 664 315 525
e-mail: psi@matman.uwm.edu.pl
Organizator: Wydział Matematyki i Informatyki
Uczestnik otrzymuje:
Świadectwo ukończenia studiów podyplomowych w zakresie Analizy i inżynierii danych - data science
Wiedza:
Absolwent zna i rozumie:
- statystyczne podstawy analizy danych
- metody i techniki programowania
- zasady dotyczące projektowania, tworzenia i zarządzania systemami baz danych
- kluczowe metody uczenia maszynowego
- podstawowe narzędzia i techniki eksploracji danych
- techniki obliczeniowe oraz techniki programowania, wspomagające pracę analityka
- sposoby ilustracji obliczeń symbolicznych za pomocą pakietów oprogramowania
- pojęcia dotyczące wizualizacji danych na komputerze
- budowę i funkcjonalność narzędzi wykorzystywanych do zdalnego nauczania
Umiejętności:
Absolwent potrafi:
- dobrać odpowiedni model statystyczny do analizy danych oraz implementować go w praktyce przy pomocy oprogramowania
- podać różne przykłady rozkładów prawdopodobieństwa dyskretnych i ciągłych i omówić wybrane eksperymenty losowe oraz modele matematyczne, w jakich te rozkłady występują; zna zastosowania praktyczne podstawowych rozkładów
- posługiwać się charakterystykami statystycznymi populacji
- projektować i uzasadnić poprawność działania programu z uwzględnieniem złożoności algorytmów i zapisać go w języku wysokiego poziomu
- implementować poznane algorytmy w zakresie zagadnień związanych z wizualizacją komputerową
- posługiwać się właściwie dobranymi środowiskami programistycznymi do projektowania, tworzenia, modyfikacji i zarządzania bazami danych
- analizować złożoność struktur i baz danych, proponować stosowne procedury, ocenić ich poprawność oraz implementować je w wybranym języku programowania
- dobrać metody do skonstruowania modelu klasyfikującego dla zadanej bazy wiedzy
- stosować poznane metody i narzędzia kształcenia zdalnego
Kompetencje społeczne:
Absolwent jest gotów do:
- oceny możliwości wykorzystania dotychczasowych osiągnięć technologii w swoim zawodzie
- zachowania się w sposób profesjonalny, przestrzegania zasad etyki zawodowej i poszanowania różnorodności poglądów
- przestrzegania praw autorskich
- zrozumienia ograniczenia własnej wiedzy i umiejętności, rozumiejąc potrzebę dalszego kształcenia
- komunikacji i konsultacji ze specjalistami w swojej dziedzinie
- uznania zawodu informatyka oraz analityka danych jako roli społecznej i rozumie problemy związane z poufnością danych
- formułowania i przekazywania społeczeństwu informacji i opinii dotyczących osiągnięć nauk ścisłych