Beta

Uczenie maszynowe w analityce danych

Offer image

Terminy:

W tym momencie brak dostepnych termin贸w

Opis i cele

Uczenie maszynowe w analityce danych kierowane s膮 do os贸b, kt贸re posiadaj膮 ju偶 podstawow膮 wiedz臋 w zakresie informatyki i analityki danych lub pracuj膮 na stanowiskach zwi膮zanych z szeroko poj臋tym Data Science. Studia pozwol膮 uporz膮dkowa膰 posiadan膮 wiedz臋 i rozszerzy膰 j膮 w spos贸b znacz膮cy o zaawansowane metody sztucznej inteligencji stosowanej do eksploracji i przetwarzania r贸偶nych typ贸w danych. W szczeg贸lno艣ci kierowane s膮 do os贸b zainteresowanych tematyk膮 uczenia maszynowego oraz Big Data chc膮cych podj膮膰 prac臋 w mi臋dzynarodowych firmach korzystaj膮cych z rozwi膮za艅 opartych na systemach ucz膮cych si臋.

Us艂uga:
Studia podyplomowe
Poziom:
Zaawansowany
Kategorie:
Technologia i聽IT
Analiza Danych

Charakterystyka uczestnik贸w

Studia uczenie maszynowe w analityce danych kierowane s膮 do os贸b, kt贸re posiadaj膮 ju偶 podstawow膮 wiedz臋 w zakresie informatyki i analityki danych lub pracuj膮 na stanowiskach zwi膮zanych z szeroko poj臋tym Data Science. Studia pozwalaj膮 uporz膮dkowa膰 posiadan膮 wiedz臋 i rozszerzy膰 j膮 w spos贸b znacz膮cy o zaawansowane metody sztucznej inteligencji stosowanej do eksploracji i przetwarzania r贸znych typ贸w danych. W szczeg贸lno艣ci kierowane s膮 do os贸b zainteresowanych tematyk膮 uczenia maszynowego oraz Big Data chc膮cych podj膮膰 prac臋 w mi臋dzynarodowych firmach korzystaj膮cych z rozwi膮za艅 opartych na systemach ucz膮cych si臋.

Program

I Semestr:

  1. Wst臋p do zaawansowanej analizy danych i Data Science
  2. J臋zyki programowania w Data Science (R)
  3. Statystyka
  4. Rachunek macierzowy
  5. J臋zyki programowania w DataScience (Python)
  6. Eksploracja danych
  7. Sieci neuronowe i deep learning
  8. Bazy danych

II Semestr:

  1. Uczenie maszynowe
  2. Analiza du偶ych zbior贸w danych
  3. Sieci spo艂eczne
  4. Przetwarzanie j臋zyka naturalnego
  5. Wizualizacja danych
  6. Prawne aspekty analizy danych
  7. Praktyczne zastosoania analizy danych
  8. Analiza danych edukacyjnych
  9. Hackathon

Zastosowane metody

Studia uczenie maszynowe w analityce danych to 2-semestralne studia obejmuj膮ce 285 godz. zaj臋膰, z kt贸rych a偶 191 godzin to praktyczne zaj臋cia laboratoryjne oraz projektowe.

Dodatkowe informacje organizacyjne

Studia odbywaj膮 si臋 w formie zdalnej

Sekretariat studi贸w: mgr in偶. Domiinka Knapik-Mr贸z

e-mail: dkm@agh.edu.pl

tel: +48 12 328 33 21

Strona studi贸w:

https://podyplomowe.informatyka.agh.edu.pl/oferta/uczenie-maszynowe/

Uczestnik otrzymuje:

Dyplom uko艅czenia studi贸w AGH

Wiedza:

Absolwent studi贸w podyplomowych Uczenie maszynowe w analityce danych b臋dzie posiada艂 wiedz臋 teoretyczn膮 i praktyczn膮 w zakresie metod wnioskowania statystycznego, baz danych, eksploracji danych, uczenia maszynowego, sieci neuronowych, algorytm贸w przetwarzania i rozumienia j臋zyka naturalnego, analizy du偶ych zbior贸w danych oraz prawnych aspekt贸w analityki danych.

Umiej臋tno艣ci:

B臋dzie potrafi艂 wykorzysta膰 posiadan膮 wiedz臋 do rozwi膮zywania z艂o偶onych problem贸w z zakresu uczenia maszynowego i analityki danych przez dob贸r i zastosowanie w艂a艣ciwych metod i algorytm贸w. Absolwent b臋dzie potrafi艂 pos艂ugiwa膰 si臋 nowoczesnymi technikami i j臋zykami programowania oraz dostosowa膰 istniej膮ce komponenty i rozwi膮zania na potrzeby konkretnego projektu. 

Kompetencje spo艂eczne:

B臋dzie r贸wnie偶 posiada艂 umiej臋tno艣膰 pracy w zespole nad wi臋kszymi projektami maj膮cymi d艂ugofalowy charakter.