Przetwarzanie danych – Big Data
Termin:
1 paź 2024 - 4 cze 2025
Miejsce:
Poznań
Czas trwania:
250 godz.
Prowadzący:
Kierownik Studiów: dr inż. Anna Stachowiak
Pozostałe terminy:
Organizator
Opis i cele
Studia podyplomowe Przetwarzanie danych – Big Data przygotowują do podjęcia zadań związanych z przetwarzaniem dużych i złożonych zbiorów danych, wraz z ich analizą, eksploracją, wizualizacją i zarządzaniem, a także z metodami sztucznej inteligencji i przetwarzania w chmurze. Studia pozwolą Ci rozpocząć lub rozwinąć karierę jako data scientist, data engineer, i w innych obszarach data oraz AI. Podczas zajęć praktycznych i wykonywanych projektów uczestnicy studiów zostaną zapoznani z dostępnymi rozwiązaniami technologicznymi i najnowszymi koncepcjami przetwarzania danych oraz z metodami sztucznej inteligencji. Najlepsi specjaliści, zarówno z uczelni, jak i czołowych firm IT przekażą unikalną wiedzę teoretyczną i praktyczną, i zainspirują do dalszego rozwoju.
Charakterystyka uczestników
Studia kierowane są do absolwentów kierunków informatycznych i pokrewnych, a także do osób zawodowo związanych z informatyką, pragnących poszerzyć swoją wiedzę w kierunku zagadnień związanych z przetwarzaniem danych. Studia są atrakcyjną propozycją dla firm pragnących podnieść i uaktualnić kompetencje swoich pracowników.
Program
Semestr I:
- Narzędzia pracy analityka
- Zaawansowany SQL
- Analiza i wizualizacja danych w Pythonie
- Hurtownie danych
- Raportowanie danych
- Uczenie maszynowe
- Przetwarzanie rozproszone
Semestr II:
- Uczenie głębokie
- Przetwarzanie danych w chmurze
- Inżynieria danych w Pythonie
- Przetwarzanie strumieniowe i NoSQL
- Generatywna sztuczna inteligencja
- Data Governance
- Laboratorium inżynierii danych w chmurze
Zastosowane metody
Podczas zajęć praktycznych i wykonywanych projektów uczestnicy studiów zostaną zapoznani z dostępnymi rozwiązaniami technologicznymi i najnowszymi koncepcjami przetwarzania danych oraz z metodami sztucznej inteligencji.
Dodatkowe informacje organizacyjne
Jednostka organizacyjna: Wydział Matematyki i Informatyki
tel. +48 61 829 5308
fax +48 61 829 5315
e-mail: wmi@amu.edu.pl
Uczestnik otrzymuje:
Absolwent otrzymuje świadectwo ukończenia studiów podyplomowych
Wiedza:
- 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.
Umiejętności:
- 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.
Kompetencje społeczne:
- 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.