Znak Politechniki Warszawskiej

Big Data. Analiza danych

Organizator
Wydział Elektryczny, Instytut Sterowania i Elektroniki Przemysłowej
Adres

00-662 Warszawa, ul. Koszykowa 75, Gmach Elektryczny, pokój GE322
tel. 22 234 7618
e-mail: podyplomowe@isep.pw.edu.pl

WWW
Strona informacyjna studiów
Kierownik

dr inż. Włodzimierz Dąbrowski; tel. 234 7075

Charakterystyka

Studiaadresowane są do osób, które zajmują się problematyką przetwarzania dużych zbiorów danych, analityką biznesową, Busienss Intelligence, odkrywaniem danych i wiedzy. i chciałyby pogłębić swoją wiedzę, umiejętności i poznać narzędzia big data i analizy danych.

Studia są prowadzone metodami projektowymi z bardzo dużą liczbą warsztatów. Z tego powodu zajęcia prowadzone są w niewielkich grupach. Zajęcia prowadzone są przez nauczycieli akademickich z dużym doświadczeniem dydaktycznym oraz przez praktyków, którzy na co dzień zajmują się budowaniem systemów big data i analizą danych na potrzeby przedsiębiorstw. Od kandydatów nie oczekujemy wiedzy bazowej ani doświadczenia informatycznego.

Nad merytorycznym poziomem studiów czuwa Rada Programowa składająca się z ekspertów akademickich  oraz Rada Merytoryczna gromadząca wybitnych i doświadczonych praktyków z przemysłu.

Studia powinny zainteresować: analityków biznesowych, analityków danych, architektów rozwiązań Big Data i innych.

Studia oferują unikatowy program nauczania wynikający z połączenia wiedzy pracowników naukowych PW i doświadczenia przedstawicieli firm branży Big Data i Business Intelligence.

Studenci naszych studiów otrzymują dostęp do oprogramowania za pośrednictwem skonfigurowanych maszyn wirtualnych.

Program studiów obejmuje:

Semestr pierwszy

Semestr pierwszy skupia się na teoretycznym aspekcie analizy danych oraz na obszarze Big Data. Studenci zdobędą podstawową wiedzę teoretyczną w zakresie analizy statystycznej oraz algorytmów uczenia maszynowego. Będą również wprowadzeni w rynek Business Intelligence oraz poznają narzędzia i technologie będące filarami wiedzy w zakresie Big Data.

Semestr drugi

Semestr drugi skupia się na pogłębianiu wiedzy o analizie statystycznej i uczeniu maszynowym od strony praktycznej. Studenci poznają biblioteki programistyczne oraz narzędzia współpracy między naukowcami. Obok segmentu analitycznego znajdują się przedmioty ułatwiające wykorzystanie dotąd nabytej wiedzy w biznesie i młodych zespołach projektowych. Studenci analizują też, wraz z doświadczonymi praktykami, przykładowe case-study, bazujące na rzeczywistych problemach i wdrożeniach systemów klasy Big Data w przemyśle.

W drugim semestrze możliweajest przygotowanie pracy końcowej (praca dyplomowa) na wybrany temat poszerzający tematykę studiów i zainteresowaniastudentauczestnika. Praca wykonywana jest pod opieką wykładowcy studium. Uzyskaniedyplomuświadectwaukończenia studiówpodyplomowychmożliwe jest też bez konieczności przygotowania pracy dyplomowej, na podstawie egzaminu końcowego.

Zajęcia prowadzone są przez doświadczonych praktyków.

Tematyka zajęć

  • Big Data dla Business Intelligence
  • Analiza statystyczna
  • Analiza populacji
  • Algorytmy Uczenia Maszynowego
  • Odkrywanie danych i wiedzy
  • Uczenie Maszynowe
  • Wizualizacja danych
  • Praktyczne aspekty Data Science
  • Zarządzanie Data Science
  • Praca ze środowiskiem Apache Spark
  • Analiza danych w biznesie
  • Seminarium dyplomowe
Czas trwania
Dwa semestry, 204 godziny
Zasady naboru
Przyjęcia w kolejności zgłoszeń. W studiach mogą uczestniczyć osoby, które ukończyły studia wyższe 1. lub 2. stopnia (licencjackie, inżynierskie, magisterskie).
Opłaty
Opłata za studia wynosi 7950 PLN i powinna być wniesiona przez studenta przed rozpoczęciem studiów. Na pisemną prośbę studenta opłata może być rozłożona na dwie raty, które powinny być płatne przed rozpoczęciem poszczególnych semestrów.
Dodatkowe informacje

Zajęcia odbywają się w systemie zjazdów sobotnio – niedzielnych, około 7 zjazdów w semestrze oraz w sieci Internet.

W czasie studiów studenci mogą uczestniczyć w programach studenckich Microsoft  DreamSpark, IBM Academic Initiative