Zaawansowane metody analizy danych i Data Mining w biznesie

Wybrany termin:

Termin:

1 paź 2024 - 1 lip 2025

Miejsce:

Online

Czas trwania:

210 godz.

Prowadzący:

Kierownik: dr hab. Adam Lecko, prof. UWM

Termin niedostępny

Pozostałe terminy:

W tym momencie brak dostepnych innych terminów

Organizator

Nazwa:

UWM w Olsztynie

Email:

Pokaż e-mail

Telefon:

Pokaż telefon

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.

Usługa:

Studia podyplomowe

Poziom:

Zaawansowany

Kategorie:

Technologia i IT

Analiza Danych

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

Pozostałe korzyści:

Istnieje możliwość otrzymania dofinansowania

Ta informacja nie stanowi oferty handlowej w rozumieniu ustawy z dnia 23 kwietnia 1964 r. Kodeks cywilny (Dz.U. 1964 nr 16 poz. 93 ze zm.) oraz ustawy z dnia 30 maja 2014 r. o prawach konsumenta (Dz.U. 2014 poz. 827 ze zm.).