STUDIA PODYPLOMOWE / Informatyka

Big Data – technologie analizy danych

ZAPISZ SIĘ NA STUDIA

CZAS TRWANIA STUDIÓW

192 godz.

2 semestry

CZESNE

3 400 PLN za semestr

raty miesięczne

FORMA STUDIÓW

hybrydowa

około 80% zajęć online

PIERWSZE ZAJĘCIA

jesień 2024

Wybierz studia, które przygotują cię do pracy z dużymi bazami danych, czyli tzw. Big Data!

Obecny rynek pracy obfituje w stanowiska związane z analizowaniem danych oraz umiejętnościami pracy z dużymi bazami danych. W trakcie edukacji poznasz najważniejsze współczesne narzędzia i technologie związane z zagadnieniami Big Data: język programowania Python (wraz z przygotowaniem do certyfikatu CISCO PCAP – Programming Essentials in Python), bazy danych SQL oraz NOSQL: SnowFlake i Mongo DB, chmurę obliczeniową AWS, Power BI. Ponadto uczestnicy studiów będą mieli możliwość zapoznać się z technologiami dotyczącymi uczenia maszynowego Keras i Tensorflow.

Studia przygotowują słuchaczy do wymagań obecnego rynku pracy, kształtując szczególnie pożądane kompetencje: umiejętność logicznego myślenia, programowanie w języku Python, analiza i wizualizacja dużych zbiorów danych, kreatywne rozwiązywanie problemów. W trakcie zajęć będzie przydatne, chociaż nie wymagane, doświadczenie w pracy z technologiami: podstawowa umiejętność programowania w dowolnym języku oraz podstawowa znajomość zagadnień związanych z bazami danych i językiem SQL.


Adresat studiów Big Data – technologie analizy danych

  • absolwenci studiów wyższych na kierunkach informatycznych, finansowych i ekonomicznych,
  • pracownicy, zajmujący stanowiska związane z analizą danych lub wdrażaniem systemów usprawniających podejmowanie decyzji.

Absolwenci otrzymują:

  • Świadectwo ukończenia studiów podyplomowych

Wybrane przedmioty

  • Wprowadzenie do Big Data
  • Przedsiębiorstwo oparte na danych – proces transformacji
  • Systemy baz danych. Język SQL
  • Przygotowanie danych do analizy
  • Algorytmy i modele analityki predykcyjnej przy użyciu Big Data
  • Wprowadzenie do języka Python
  • Sztuczna inteligencja
  • Wizualizacja danych Big Data
  • Język Python w analizie danych i uczeniu maszynowym
  • Bazy i hurtownie danych dla Big Data
  • Chmura AWS i bezpieczeństwo danych
  • Case study

PRZEDMIOT

LICZBA GODZIN

ZAGADNIENIA

Wprowadzenie do Big Data

8

Wprowadzenie do dziedziny Big Data oraz definicja podstawowych pojęć.
Generatywna sztuczna inteligencja (AI).

Przedsiębiorstwo oparte na danych - proces transformacji

8

Typy danych w organizacji: operacyjne, analityczne, zewnętrzne.
Podstawy modelowania danych: transakcyjne, nieustrukturyzowane, dimensional model.
Metody wykorzystania danych: analityka i wprowadzenie do uczenia maszynowego.
Kompetencje w organizacji – specjalizacje związane z przetwarzaniem danych – data engineering w tym: streaming, storage, ETL, ELT, data warehousing, data science, MLOps. Specjalizacje pomocnicze: cloud, devops, analityka, modelowanie, analiza biznesowa, UX.
Transformacja organizacji: data adoption, data discovery, podnoszenie kwalifikacji, Machine Learning Discovery.
Platformy przetwarzania danych: ETL i ELT - scenariusze użycia, konteksty technologie; przykłady platform z zastosowaniem narzędzi; sposoby zarządzania platformami.
Domenowe podejście do danych – Prawo Conwaya, wstęp do Domain Driven Design, Data Mesh.

Systemy baz danych. Język SQL

16

Wprowadzenie do relacyjnych baz danych.
Podstawy SQL.

Przygotowanie danych do analizy

16

Podstawowe funkcje programu Excel.
Tabele przestawne.
Power Query - czyszczenie i transformacja danych.
Przygotowanie zbioru danych do analizy.

Algorytmy i modele analityki predykcyjnej przy użyciu Big Data

12

Analiza zbioru danych z wykorzystaniem technik i metod statystyki opisowej.
Algorytmy grupowania.
Klasyfikacja i regresja.

Wprowadzenie do języka Python

28

Wprowadzenie do środowiska pracy w języku Python, zarządzanie pakietami.
Zmienne i podstawowe operatory, operacje wejścia-wyjścia.
Instrukcje warunkowe i iteracyjne.
Struktury danych: listy, słowniki.
Funkcje.
Odczyt/zapis do /z pliku.
Wyjątki
Wprowadzenie do systemów kontroli wersji.
Przygotowanie do certyfikatu Cisco PCAP (Programming Essentials in Python).

Sztuczna inteligencja

12

Czym jest sztuczna inteligencja.
Uczenie maszynowe.
Sieci neuronowe.
Uczenie głębokie.
Uczenie w warunkach niepewności.

Wizualizacja danych Big Data

20

Wprowadzenie do wizualizacji danych. Charakterystyka procesu oraz podstawowych pojęć.
Zasady i dobre praktyki projektowania efektywnych wizualizacji. Typowe błędy i sposoby ich naprawiania. Rozpoznawanie manipulacji z wykorzystaniem wizualizacji.
Projektowanie systemu wskaźników oraz pulpitów.
Zastosowanie Power BI do Wizualizacji danych

Język Python w analizie danych i uczeniu maszynowym

20

Inteligentna analiza i eksploracja danych.
Sztuczne sieci neuronowe.
Rozpoznawanie obrazów.
Przetwarzanie tekstu i mowy.

Bazy i hurtownie danych dla Big Data

28

Wprowadzenie do bazy i hurtownie danych dla Big Data. Podstawowe techniki i narzędzia.
Programowanie rozwiązań z wykorzystaniem Node.js
Wprowadzenie do języka MongoDB.
Zastosowanie wyrażeń regularnych w przetwarzaniu dużych zbiorów danych.
Implementacja algorytmów typu MapReduce.
Alternatywne metody programowania rozwiązań Big Data - SnowFlake.
Klasyfikacja zbiorów danych i badanie jakości danych.
Generowanie raportów na podstawie danych Big Data.

Chmura AWS i bezpieczeństwo danych

16

Tworzenie wirtualnych instancji maszyny oraz magazynu pamięci. Usługa EC2 oraz Amazon S3.
Sposoby dostarczania i wyświetlenia treści z wykorzystaniem różnych usług.
Wykorzystanie pamięci do przechowywania danych trwałych oraz tymczasowych
Podstawowe usługi zapewniające bezpieczeństwo w chmurze.
Monitorowanie usług chmurowych.
Usługi bazy danych w chmurze.

Case study

8

Prezentacja przykładowych rozwiązań stosowanych w firmach zarządzających dużymi zbiorami danych

RAZEM:

192

OPINIA OPIEKUNA KIERUNKU

Big Data – technologie analizy danych

Analityk Big Data, czyli osoba zajmująca się przetwarzaniem i analizą ogromnych zbiorów danych, to bardzo przyszłościowy zawód. Obecnie każda branża pracuje na dużych ilościach danych. Zadaniem analitykę jest wydobycie z nich wartościowych informacji. Aby osiągnąć ten cel, potrzebna jest praktyczna znajomość specjalistycznych narzędzi.

Po uzyskaniu odpowiednio przetworzonych danych, analityk dokonuje ich interpretacji oraz tworzy z raporty z wynikami. Oznacza to, że osoba pragnącą realizować się na stanowisku tego typu, powinna wykazywać się wysoko rozwiniętymi predyspozycjami do analizy, wnioskowania oraz logicznego myślenia.

Pracownicy zajmujący się wykorzystaniem Big Data są potrzebni w działalności każdej branży, ponieważ dzięki odpowiednio wykorzystanej informacji firmy mogą podążać za trendami rynkowymi oraz minimalizować ryzyko swojej działalności. Obecnie wykorzystywanie uczenia maszynowego jest szczególnie istotne w takich dziedzinach jak opieka medyczna, handel, energetyka, transport, a także w badaniach i nauce. Warto dać sobie szansę i uzyskać kompetencje analityka.

dr inż. Barbara Fryc

Doktor nauk technicznych w dyscyplinie informatyka. Jej zainteresowania naukowe skupiają się wokół problematyki programowania komputerów (w szczególności w językach C++ i Java), wnioskowania, systemów ekspertowych, zbiorów przybliżonych i zbiorów rozmytych.

DLACZEGO TEN KIERUNEK?

Opinie absolwentów

WYBIERZ KIERUNEK

Big Data – technologie analizy danych

CZAS TRWANIA STUDIÓW

192 godz.

2 semestry

CZESNE

3 400 PLN za semestr

raty miesięczne

FORMA STUDIÓW

hybrydowa

około 80% zajęć online

PIERWSZE ZAJĘCIA

jesień 2024