Studia podyplomowe - Inżynieria danych - Analiza Danych

Podyplomowe Studia Inżynieria Danych – Big Data mają na celu wykształcenie umiejętności wykorzystywania wartości drzemiącej w Big Data przez wszechstronne, informatyczne przygotowanie do analizy dużych wolumenów danych.

Studia podyplomowe „Inżynieria Danych - Data Science” odpowiadają na potrzeby rynku pracy w zakresie analizy dużych wolumenów danych i wykorzystywania specjalistycznych narzędzi do modelowania, eksploracji, raportowania i wizualizowania danych. Celem jest rozwijanie umiejętności w zakresie statystyki, programowania, baz danych oraz metod eksploracyjno-predykcyjnych.

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.

Studia rozwijają kompetencje w budowie nowoczesnych systemów AI (ponad klasyczny Data Science).Cel:projektowanie i wdrażanie systemów AIbudowa systemów agentowych i wykorzystanie LLMautomatyzacja procesów analitycznychrozwój kompetencji w pracy z danymi i MLnauka wdrażania AI zgodnie z regulacjami (AI Act)

Studia podyplomowe Analiza Danych - Data Science to 2-semestralne studia obejmujące 224 godz. zajęć, z których aż 152 godzin to praktyczne zajęcia laboratoryjne. Celem studiów jest przygotowanie kadr do udziału w procesach przetwarzania i analizy duży zbiorów różnorodnych danych. Współczesny świat generuje olbrzymie ilości różnorodnych danych, których umiejętne przetwarzanie, analiza i wyciąganie wniosków może dostarczyć istotnych informacji niezbędnych w różnorakich procesach decyzyjnych w gospodarce i nauce. Pojęcia/zawody „Analityk danych” oraz „Data Scientist” łączą kompetencje i umiejętności z wielu dziedzin, specjalności takich jak: matematyka, statystyka, bazy danych, programowanie. Wymagają też znajomości i umiejętności praktycznego wykorzystania nowoczesnych narzędzi informatycznych wykorzystywanych do przetwarzania danych. Studia podyplomowe „Analiza danych – Data Science” dostarczają zarówno wiedzy o charakterze podstawowym, teoretycznym, szerokiej znajomości nowoczesnych metod i technik przetwarzania i analizy danych jak i umiejętności wykorzystania tej wiedzy w praktyce.

Studia podyplomowe Analiza Danych - Data Science to 2-semestralne studia obejmujące 224 godz. zajęć, z których aż 152 godzin to praktyczne zajęcia laboratoryjne. Celem studiów jest przygotowanie kadr do udziału w procesach przetwarzania i analizy duży zbiorów różnorodnych danych. Współczesny świat generuje olbrzymie ilości różnorodnych danych, których umiejętne przetwarzanie, analiza i wyciąganie wniosków może dostarczyć istotnych informacji niezbędnych w różnorakich procesach decyzyjnych w gospodarce i nauce. Pojęcia/zawody „Analityk danych” oraz „Data Scientist” łączą kompetencje i umiejętności z wielu dziedzin, specjalności takich jak: matematyka, statystyka, bazy danych, programowanie. Wymagają też znajomości i umiejętności praktycznego wykorzystania nowoczesnych narzędzi informatycznych wykorzystywanych do przetwarzania danych. Studia podyplomowe „Analiza danych – Data Science” dostarczają zarówno wiedzy o charakterze podstawowym, teoretycznym, szerokiej znajomości nowoczesnych metod i technik przetwarzania i analizy danych jak i umiejętności wykorzystania tej wiedzy w praktyce.

Studia podyplomowe rozszerzają zagadnienia przedstawione na poziomie podstawowym Data Science. Celem jest wyposażenie uczestników w zaawansowane metody, techniki i narzędzia analizy danych, z dużym naciskiem na programistyczne techniki i narzędzia analityczne, zwłaszcza język Python. Uczestnicy nauczą się radzić sobie z różnymi zadaniami data science oraz zdobywać przewagę konkurencyjną w różnych dziedzinach.

Studia przygotowują do pracy z nowoczesnymi systemami analitycznymi oraz wykorzystaniem dużych modeli językowych (LLM) w analizie danych.Cel:przygotowanie do pracy z platformami analitycznymi (np. SAS Viya)nauka wykorzystania LLM w pracy analitykarozwój umiejętności:analizy danychbudowy modelipodejmowania decyzji biznesowychStudia uczą:statystyki i metod odkrywania wiedzyuczenia maszynowegoprogramowania (Python, R, SQL)tworzenia dashboardówautomatyzacji procesów analitycznych

Zapraszamy do udziału w studiach podyplomowych - Inżynieria Ruchu i Planowanie Transportu. Ich podstawowym celem jest przekazanie wiedzy oraz umiejętności w zakresie:analiz i prognozowania ruchuplanowania infrastruktury transportowej i efektywnego jej wykorzystaniaorganizacji ruchukształtowania sieci publicznego transportu pasażerskiego dla obszarów gmin, miast i regionów z uwzględnieniem uwarunkowań prawnych, środowiskowych i ekonomicznych oraz zasad inżynierii ruchu

Studia podyplomowe GIS mają na celu pogłębienie i usystematyzowanie wiedzy z zakresu systemów informacji geograficznej. Uczestnicy nauczą się pozyskiwania i konwersji danych, analizy danych wektorowych i rastrowych, wizualizacji danych oraz zaawansowanych metod jak tworzenie własnych skryptów w Pythonie, geostatystyka, analizy sieciowe, obsługa danych LiDAR i przetwarzanie danych z dronów.

Celem studiów jest:budowanie i wzmacnianie profesjonalizmu jako analityka społeczno‑ekonomicznego,rozwój kompetencji analizy problemów społeczno‑ekonomicznych,zdobycie umiejętności tworzenia raportów, analiz i rekomendacji,rozwój zdolności przetwarzania danych i pracy koncepcyjnej,przygotowanie do realizacji projektów badawczych i analitycznych.Program koncentruje się na:analizie danych i problemów,tworzeniu dokumentów strategicznych,projektowaniu działań publicznych,komunikacji eksperckiej.

Studia dostarczają uczestnikom wiedzy na temat podstaw i idei przetwarzania maszynowego (machine learning), sztucznej inteligencji i przetwarzania dużych ilości danych (big data). Studenci poznają proces przygotowania danych, metody przetwarzania oraz analizę i wizualizację danych. Studia oferują dwie specjalizacje: „Data Science – Developer” i „Data Science – Analityk danych”. Program obejmuje naukę języków R, Python i SQL oraz technologie takie jak Hadoop i Spark, a także głębokie uczenie (deep learning) i sieci neuronowe.

Studia podyplomowe „Rachunkowość 4.0 – cyfryzacja i AI” przygotowują do pracy w nowoczesnych działach finansowo-księgowych wykorzystujących cyfrowe technologie. Program łączy klasyczną wiedzę z zakresu rachunkowości z praktycznymi kompetencjami cyfrowymi.Celem studiów jest przygotowanie słuchaczy do:pracy z systemami finansowo-księgowymi i ERP,obsługi e-dokumentów i e-deklaracji,automatyzacji i robotyzacji procesów księgowych,wykorzystania sztucznej inteligencji w analizie danych finansowych,udziału w cyfrowej transformacji procesów rachunkowych w organizacjach.Zajęcia mają charakter praktyczny – uczestnicy pracują na realnych systemach i narzędziach wykorzystywanych w nowoczesnej księgowości.

Studia podyplomowe mają na celu zapoznanie słuchaczy z kompleksową problematyką wykorzystania metod archeologicznych w śledztwach dotyczących zbrodni wojennych, zbrodni przeciwko ludzkości, zbrodni komunistycznych oraz współczesnej przestępczości kryminalnej. Szczególna uwaga jest poświęcona prowadzeniu oględzin na miejscu zdarzenia z uwzględnieniem interdyscyplinarnego instrumentarium kryminalistycznego i archeologicznego, oraz procedurom prowadzenia oględzin na miejscu katastrof i wypadków masowych.

Celem nauczania jest uzupełnienie i/lub zaktualizowanie wiedzy słuchaczy w zakresie metod i technologii wytwarzania oprogramowania oraz przygotowanie do pełnienia podstawowych ról w projekcie informatycznym. Program studium skoncentrowany jest na zagadnieniach mających kluczowe znaczenie dla powodzenia rzeczywistych projektów informatycznych: wymaganiach, projektowaniu, implementacji, zapewnianiu jakości oraz zarządzaniu.