Przetwarzanie danych – Big Data

Absolwent otrzymuje świadectwo ukończenia studiów podyplomowych

• Znajomość narzędzi pracy analityka danych, takich jak Linux, Bash, Git, PowerShell.
• Zrozumienie zaawansowanych koncepcji SQL, w tym możliwości analitycznych i optymalizacji zapytań.
• Znajomość podstaw języka Python, bibliotek pandas i numpy, oraz umiejętność pracy z narzędziami Jupyter do analizy i wizualizacji danych.
• Zrozumienie architektury i zadań hurtowni danych oraz umiejętność konstruowania procesów ETL.
• Znajomość dobrych praktyk raportowania danych i umiejętność przygotowywania raportów w różnych narzędziach.
• Znajomość podstawowych pojęć związanych z teorią estymacji, testowania hipotez i analizy regresji w kontekście uczenia maszynowego.
• Zrozumienie podstaw przetwarzania rozproszonego, w tym MapReduce, Hadoop, Spark oraz architektur chmurowych (IaaS, PaaS, SaaS, FaaS).
• Znajomość podstaw uczenia głębokiego, konstrukcji sieci neuronowych i wykorzystania bibliotek Keras, TensorFlow oraz H2O.
• Zrozumienie podstaw przetwarzania danych w chmurze, jeziora danych, oraz różnych formatów danych takich jak AVRO, Parquet, CSV.
• Znajomość technologii przetwarzania strumieniowego danych, narzędzi typu NoSQL (Kafka, Flume, HBase, Cassandra) oraz ich zastosowań.

• Umiejętność formułowania złożonych zapytań SQL oraz optymalizacji zapytań.
• Umiejętność pracy z narzędziami do analizy danych w Pythonie (pandas, numpy, matplotlib) oraz tworzenia interaktywnych aplikacji.
• Umiejętność modelowania i tworzenia hurtowni danych, w tym konstruowania procesów ETL.
• Umiejętność przygotowywania raportów danych i wyboru odpowiednich narzędzi do wizualizacji danych.
• Umiejętność przeprowadzania analizy regresji, klasyfikacji danych oraz redukcji wymiaru w kontekście uczenia maszynowego.
• Umiejętność pracy z systemami rozproszonymi, w tym Hadoop, Spark oraz usługami chmurowymi.
• Umiejętność konstruowania i ewaluacji modeli uczenia głębokiego oraz zastosowania ich w praktyce.
• Umiejętność przetwarzania danych w chmurze oraz pracy z jeziorem danych i różnymi formatami danych.
• Umiejętność przetwarzania strumieniowego danych oraz pracy z bazami NoSQL.
• Umiejętność pracy w zespole nad projektami z wykorzystaniem zaawansowanych technologii danych.

• Umiejętność pracy w zespołach projektowych.
• Zdolność do krytycznej oceny i wyboru odpowiednich narzędzi oraz rozwiązań analitycznych.
• Zdolność do ciągłego samokształcenia się i adaptacji do zmian w dziedzinie analizy danych.
• Zdolność do efektywnej komunikacji wyników analiz danych i raportowania.
• Zdolność do pracy samodzielnej i zarządzania własnym czasem pracy nad projektami danych.
• Zrozumienie etycznych i społecznych implikacji związanych z wykorzystaniem uczenia maszynowego i danych osobowych.
• Umiejętność współpracy z różnorodnymi specjalistami z dziedziny danych i technologii informacyjnych.
• Umiejętność rozwiązywania problemów związanych z przetwarzaniem dużych zbiorów danych i analizą danych.
• Zdolność do analizy i interpretacji wyników eksperymentów i modeli danych.
• Zdolność do samodzielnego podejmowania decyzji i odpowiedzialności za projekty danych.