Data Science: Metody, narz臋dzia, zastosowania
Terminy:
W tym momencie brak dostepnych termin贸w
Organizator
Opis i cele
Studia koncentruj膮 si臋 na wsp贸艂czesnych metodach i narz臋dziach pozyskiwania i analizy danych z zastosowaniem podej艣cia statystycznego i uczenia maszynowego. Uczestnicy poznaj膮 j臋zyki programowania R i Python oraz narz臋dzia do analizy danych, takie jak wnioskowanie statystyczne, analiza regresji, klasyfikacja, analiza danych jako艣ciowych, analiza graf贸w i wiele innych. Celem studi贸w jest przekazanie wiedzy oraz umiej臋tno艣ci w zakresie statystycznej analizy danych, eksploracyjnej analizy danych oraz uczenia maszynowego.
Charakterystyka uczestnik贸w
Studia s膮 skierowane do os贸b, kt贸re:
- Posiadaj膮 elementarn膮 wiedz臋 z zakresu statystyki i rachunku prawdopodobie艅stwa.
- Interesuj膮 si臋 analiz膮 danych w r贸偶nych obszarach takich jak finanse, zarz膮dzanie, marketing, produkcja, logistyka, s艂u偶ba zdrowia, energetyka, administracja publiczna, media spo艂eczno艣ciowe.
- Wykorzystuj膮 metody analizy danych w pracy badawczej, poszukuj膮 zaawansowanych metod wspieraj膮cych procesy decyzyjne oraz projektuj膮 systemy przetwarzania i analizy danych.
Program
- Wprowadzenie do programowania w j臋zykach R i Python
- Podstawy relacyjnych baz danych
- Przetwarzanie dokument贸w i wielkich zbior贸w danych
- Elementy wnioskowania statystycznego
- Statystyczne metody wielowymiarowej analizy danych
- Podstawy uczenia maszynowego i eksploracyjnej analizy danych
- Eksploracyjna analiza dokument贸w tekstowych
- Eksploracyjna analiza sieci
- Modele uczenia maszynowego
Zastosowane metody
- Wyk艂ady
- 膯wiczenia praktyczne
- Zaj臋cia w laboratorium komputerowym
- Nauczanie zdalne (w zale偶no艣ci od preferencji uczestnik贸w)
Dodatkowe informacje organizacyjne
Mened偶er kierunku: mgr Renata W贸jcik
Telefon: +48 12 293 75 96
E-mail: renata.wojcik@uek.krakow.pl
Uczestnik otrzymuje:
Certyfikat uko艅czenia studi贸w podyplomowych.
Wiedza:
- Zrozumienie podstaw statystyki i rachunku prawdopodobie艅stwa.
- Znajomo艣膰 metod wnioskowania statystycznego i analizy danych.
Umiej臋tno艣ci:
- Umiej臋tno艣膰 korzystania z j臋zyk贸w R i Python do analizy danych.
- Zdolno艣膰 do przetwarzania danych z relacyjnych baz danych i r贸偶norodnych format贸w.
- Umiej臋tno艣膰 analizy dokument贸w tekstowych i modeli grafowych.
- Budowanie i testowanie modeli uczenia maszynowego.
Kompetencje spo艂eczne:
- Umiej臋tno艣膰 pracy zespo艂owej w kontek艣cie analizy danych.
- Rozwijanie zdolno艣ci do podejmowania decyzji opartych na analizie danych.
- Zdolno艣膰 do komunikacji wynik贸w analizy danych w spos贸b zrozumia艂y dla innych.