Data Science
Terminy:
Organizator
Opis i cele
Studia Data Science 艂膮cz膮 umiej臋tno艣ci statystyczne, analityczne i programistyczne, odpowiadaj膮c na rosn膮ce zapotrzebowanie rynku na specjalist贸w w dziedzinie analizy danych. Celem jest przygotowanie do przetwarzania du偶ych zbior贸w danych, wykrywania wzorc贸w i analizowania skomplikowanych problem贸w biznesowych przy u偶yciu nowoczesnych narz臋dzi i metod.
Charakterystyka uczestnik贸w
- Osoby, kt贸re chc膮 zdoby膰 wiedz臋 i umiej臋tno艣ci z zakresu Data Science, rozpoczynaj膮c swoj膮 przygod臋 w tej dziedzinie
- Osoby pragn膮ce p艂ynnie wej艣膰 w 艣wiat analizy danych, niezale偶nie od wcze艣niejszego do艣wiadczenia
- Osoby stawiaj膮ce pierwsze kroki w Data Science, kt贸re chc膮 zbudowa膰 solidne fundamenty dla przysz艂ej kariery
Program
- 艢rodowisko pracy analityka danych i wst臋p do programowania w j臋zyku Python
- Metody wizualizacji danych
- Data Science i metody uczenia maszynowego
- Seminarium projektowe
- Inteligentna analiza danych
- Metody uczenia g艂臋bokiego
- Praca ko艅cowa
Zastosowane metody
- Wyk艂ady
- 膯wiczenia praktyczne
- Projekty
- Analiza przypadk贸w
- Seminaria
Dodatkowe informacje organizacyjne
Osoba kontaktowa: Anna Bejmert
Telefon: +48 42 631-36-00
E-mail: anna.bejmert@p.lodz.pl
Wydzia艂 Fizyki Technicznej, Informatyki i Matematyki Stosowanej
Uczestnik otrzymuje:
艢wiadectwo uko艅czenia studi贸w podyplomowych
Wiedza:
- Znajomo艣膰 艣rodowiska pracy analityka danych i podstaw programowania w Pythonie
- Wiedza na temat metod wizualizacji danych
- Znajomo艣膰 metod uczenia maszynowego i g艂臋bokiego
- Umiej臋tno艣膰 analizy inteligentnych danych
- Wiedza na temat projekt贸w ko艅cowych w Data Science
Umiej臋tno艣ci:
- Przetwarzanie danych i programowanie w Pythonie
- Wizualizacja danych i raportowanie wynik贸w
- Stosowanie metod uczenia maszynowego do analizy danych
- Rozwi膮zywanie rzeczywistych problem贸w analitycznych
- Praca nad projektami i prezentacja wynik贸w
Kompetencje spo艂eczne:
- Umiej臋tno艣膰 pracy w zespole
- Krytyczna ocena i prezentacja projekt贸w
- Rozumienie skomplikowanych problem贸w biznesowych
Pozosta艂e korzy艣ci:
Absolwent zdobywa umiej臋tno艣ci w zakresie analizy danych, programowania w Pythonie, metod uczenia maszynowego oraz wizualizacji danych. Jest przygotowany do pracy jako Data Scientist w r贸偶nych sektorach, takich jak finanse, energetyka, bankowo艣膰, ubezpieczenia, marketing i inne.