Inżynieria Danych – Big Data

Offer image

Terminy:

W tym momencie brak dostepnych terminów

Podyplomowe Studia Inżynieria Danych – Big Data mają na celu wykształcenie umiejętności wykorzystywania wartości drzemiącej w Big Data przez wszechstronne, informatyczne przygotowanie do analizy dużych wolumenów danych. 

Usługa:
Studia podyplomowe
Poziom:
Zaawansowany

Podyplomowe Studia Inżynieria Danych – Big Data adresowane są do wszystkich chętnych z każdej branży, w szczególności z obszaru finansów, bankowości, ubezpieczeń, produkcji, marketingu, handlu, usług, opieki zdrowotnej, branży energetycznej oraz obszaru ICT, zainteresowanych pogłębieniem wiedzy o Big Data, a w szczególności:

  • decydentów,
  • analityków
  • oraz specjalistów.

Blok I. Teoretyczne i praktyczne podstawy inżynierii danych – Big Data

  • Big Data – filozofia, technologia, analityka
  • Budowa i eksploatacja baz danych
  • Hurtownie danych – teoria i praktyka
  • Przetwarzanie w chmurze
  • Wizualizacja i raportowanie danych

Blok II. Środowisko programistyczne dla inżynierii danych – Big Data

  • Zaawansowany SQL
  • Analiza danych i symulacje w języku Python
  • Analityka predykcyjna w GNU R
  • Hadoop i Spark

Blok III. Case Studies

  • Case study: R na rynku energetycznym
  • Case study: Python na rynku bankowym
  • Case study: jakość danych

Zajęcia prowadzone są w małych grupach, co pozwala na indywidualne podejście do uczestników. Program skupia się na praktycznym wykorzystaniu wiedzy, wspieranym przez doświadczonych ekspertów oraz aplikacje takie jak Oracle, SAS, Hadoop, Python, GNU R i Microsoft Azure.

Sekretarz studiów: mgr Danuta Polak

  • Tel.: +48 603 191 175
  • E-mail: DPOLAK@SGH.WAW.PL

Uczestnik otrzymuje:

Dyplom ukończenia studiów podyplomowych SGH

Wiedza:

  • Zaawansowana znajomość filozofii i technologii Big Data.
  • Umiejętność budowy i eksploatacji baz danych oraz hurtowni danych.
  • Zrozumienie przetwarzania w chmurze oraz wizualizacji danych.

Umiejętności:

  • Zaawansowane umiejętności programistyczne w SQL, Python, GNU R.
  • Umiejętność przeprowadzania analiz danych i symulacji.
  • Praktyczne doświadczenie w pracy z Hadoop i Spark.

Kompetencje społeczne:

  • Umiejętność pracy w zespole nad projektami Big Data.
  • Skuteczna komunikacja i prezentacja wyników analiz danych.
  • Zdolność do strategicznego planowania i doskonalenia modeli biznesowych.