Zaawansowane metody analizy danych i Data Mining w biznesie
Terminy:
W tym momencie brak dostepnych terminów
Organizator
Opis i cele
Gromadzenie i analiza danych stają się fundamentalne w większości branż. Dane mogą pomóc firmom podejmować decyzje w różnych kwestiach. Data science to nie tylko zbieranie i analizowanie informacji, to umiejętność przewidywania przyszłości i weryfikowania skutków podjętych w przeszłości decyzji.
Charakterystyka uczestników
Studia podyplomowe „Zaawansowane metody analizy danych i Data Mining w biznesie” są skierowane do:
- Specjalistów IT – osób pracujących w obszarze technologii, które chcą rozwijać umiejętności w zakresie zaawansowanej analizy danych i wykorzystania narzędzi do przetwarzania dużych zbiorów danych.
- Analityków danych – profesjonalistów zajmujących się przetwarzaniem i interpretacją danych, pragnących pogłębić swoją wiedzę w zakresie metod data mining i uczenia maszynowego.
- Inżynierów danych – osób odpowiedzialnych za projektowanie i implementację rozwiązań bazodanowych, które chcą poszerzyć swoje umiejętności w zakresie nowoczesnych technologii przetwarzania danych.
- Menedżerów i decydentów – pracowników działów analitycznych i badawczych, którzy potrzebują narzędzi do lepszego rozumienia i wykorzystywania danych w procesie podejmowania decyzji biznesowych.
- Absolwentów kierunków technicznych – osób z wykształceniem w dziedzinach takich jak matematyka, informatyka czy inżynieria, które chcą specjalizować się w analityce danych i zastosowaniu metod data science w praktyce biznesowej.
Program
Semestr 1
- Wprowadzenie do narzędzi analitycznych
- Bazy danych
- Eksploracja i wizualizacja danych
- Elementy data mining
Semestr 2
- Programowanie zaawansowane
- Wprowadzenie do uczenia maszynowego
- Uczenie maszynowe w praktyce
- Wprowadzenie do Big Data
Zastosowane metody
Realizacja wszystkich przedmiotów odbywa się zdalnie w czasie rzeczywistym, z użyciem pakietu Google Workspace
Dodatkowe informacje organizacyjne
Sekretarz
mgr Kinga Lecko
tel. 664 315 525
e-mail: psi@matman.uwm.edu.pl
Organizator: Wydział Matematyki i Informatyki
Uczestnik otrzymuje:
Świadectwo ukończenia studiów podyplomowych
Wiedza:
Absolwent zna i rozumie:
- metody projektowania, analizowania i programowania algorytmów oraz ich zastosowania
- podstawowe struktury danych, wykonywane na nich operacje i ich zastosowania
- konstrukcje programistyczne oraz pojęcia składni i semantyki języków programowania
- zagadnienia na temat zarządzania informacją, w tym dotyczącą składowania i wyszukiwania informacji oraz modelowania danych
- sposoby pozyskiwania i prezentowania danych statystycznych, zna opisowe charakterystyki zjawisk masowych i metody analizy dynamiki zjawisk masowych
Umiejętności:
Absolwent potrafi:
- pisać, uruchamiać i testować programy w wybranym środowisku programistycznym
- przeprowadzić analizę danych statystycznych i podstawowe wnioskowania statystyczne z wykorzystaniem oprogramowania
- zastosować zaawansowane techniki obliczeniowe oraz wybrane pakiety obliczeniowe
- projektować zaawansowane struktury danych i ich wydajne implementacje
- pozyskiwać informacje z literatury, baz wiedzy, Internetu oraz innych wiarygodnych źródeł, integrować je, dokonywać ich interpretacji oraz wyciągać wnioski i formułować opinie
- przygotować dokumentacje, opracowania i raporty w języku polskim i języku obcym
- pracować z odbiorcami tworzonych rozwiązań informatycznych i analitycznych, aktywnie uczestnicząc w dyskusji o potrzebach, możliwych rozwiązaniach i zasadach pozyskania, przetwarzania danych oraz ich wykorzystania
Kompetencje społeczne:
Absolwent jest gotów do:
- oceny możliwości wykorzystania dotychczasowych osiągnięć technologii w swoim zawodzie
- zachowania się w sposób profesjonalny, przestrzegania zasad etyki zawodowej i poszanowania różnorodności poglądów
- zrozumienia ograniczenia własnej wiedzy i umiejętności, rozumiejąc potrzebę dalszego kształcenia, w tym zdobywania wiedzy pozadziedzinowej
- komunikacji i konsultacji ze specjalistami w swojej dziedzinie, a także z innymi osobami związanymi zawodowo
- uznania zawodu analityka danych jako roli społecznej i rozumie problemy związane z poufnością danych