Data Science – Analiza danych od podstaw

Wybrany termin:

Termin:

3 paź 2026 - 30 cze 2027

Miejsce:

Wrocław

Czas trwania:

238 godz.

Cena:

9400,00 zł

Prowadzący:
kierownik studiów: dr inż. Natalia Piórkowska

Pozostałe terminy:

W tym momencie brak dostepnych innych terminów

Studia mają charakter praktyczno‑techniczny i są ukierunkowane na rozwój kompetencji w obszarze analizy danych, programowania oraz uczenia maszynowego.

Program obejmuje cały proces pracy z danymi: od ich pozyskiwania i przetwarzania, przez analizę statystyczną, aż po budowę modeli predykcyjnych i ich wdrażanie. Łączy teorię z praktyką poprzez liczne ćwiczenia i projekty oparte na rzeczywistych problemach biznesowych.

Cel studiów

  1. zdobycie kompetencji w Data Science i analizie danych
  2. nauka programowania w Pythonie
  3. opanowanie metod statystycznych i ML
  4. przygotowanie do budowy modeli predykcyjnych
  5. rozwój kompetencji projektowych i zespołowych
  6. przygotowanie do pracy jako analityk danych / data scientist


Usługa:
Studia podyplomowe
Poziom:
Zaawansowany
  1. osoby początkujące w Data Science
  2. osoby chcące się przebranżowić do IT
  3. osoby zainteresowane analizą danych i AI
  4. osoby z podstawową znajomością obsługi komputera
  5. osoby chcące rozwijać kompetencje analityczne


  1. Wprowadzenie do Data Science
  2. Podstawy programowania w Pythonie
  3. Bazy danych i SQL
  4. Statystyka i analiza danych
  5. Uczenie maszynowe – podstawy
  6. Przetwarzanie danych i feature engineering
  7. Zaawansowane metody analizy danych
  8. Praktyczne aspekty pracy Data Scientist
  9. Projekt grupowy
  10. Praca końcowa
  1. wykłady teoretyczne
  2. laboratoria (praktyczna praca z danymi)
  3. projekty zespołowe i indywidualne
  4. analiza przypadków
  5. ćwiczenia programistyczne
  6. praca na rzeczywistych danych
  7. prezentacje projektów

Koordynator:

Mateusz Nowicki

tel. 71 340 75 18

e-mail: mateusz.nowicki@pwr.edu.pl

Uczestnik otrzymuje:

świadectwo ukończenia studiów podyplomowych

Wiedza:

Absolwent:

  1. zna podstawowe metody analizy danych
  2. zna język Python i biblioteki (NumPy, Pandas, Matplotlib)
  3. zna zasady działania baz danych i SQL
  4. zna statystykę i wnioskowanie statystyczne
  5. zna metody uczenia maszynowego
  6. zna proces przygotowania danych
  7. zna podstawy deep learningu
  8. zna MLOps i pracę w chmurze


Umiejętności:

Absolwent potrafi:

  1. programować w Pythonie
  2. pracować z bazami danych (SQL)
  3. analizować i wizualizować dane
  4. budować modele uczenia maszynowego
  5. przygotowywać dane (cleaning, feature engineering)
  6. stosować metody zaawansowane (klasteryzacja, szeregi czasowe)
  7. pracować zespołowo nad projektami
  8. prezentować wyniki analiz
  9. samodzielnie rozwijać kompetencje


Kompetencje społeczne:

Absolwent:

  1. krytycznie ocenia wyniki analiz
  2. działa zgodnie z zasadami etyki danych
  3. podejmuje decyzje oparte na danych
  4. adaptuje się do zmian technologicznych


Pozostałe korzyści:

kompetencje w zakresie Data Science i AI

doświadczenie projektowe

przygotowanie do pracy jako:

  1. analityk danych
  2. data scientist (junior)
  3. specjalista ML
  4. konsultant analityki


Inni oglądali również