Opis studiów

W pierwszych dwóch dekadach XXI wieku dał się zaobserwować gwałtowny wzrost zapotrzebowania na analizę dużych zbiorów danych. Rozwój technologii internetowych oraz informacyjnych i komunikacyjnych w połączeniu z jakościową zmianą zachodzącą w technice, naukach ścisłych, przyrodniczych, ekonomicznych, społecznych, a także w medycynie – spowodował możliwość kolekcjonowania danych rzędu terabajtów lub nawet petabajtów na potrzeby studium pojedynczych przypadków. Takie ilości danych nie są możliwe do przeanalizowania metodami klasycznymi.

Z drugiej strony reguły oraz informacje, które mogą być w nich zawarte – gdy odpowiednio wykorzystane – w sposób istotny mogą przyczynić się do poprawy jakości życia jednostki, jednostki jako pacjenta, społeczeństwa, organizacji korporacyjnej, mogą wreszcie być kluczowe przy odkrywaniu nowych praw przyrody i struktury materii zarówno w skali mikro jak i makroświata. Wraz ze wzrostem objętości zgromadzonych danych obserwujemy rozwój nowej nauki określanej jako Data Science, a wraz z rozwojem technologicznym tworzą się możliwości ich analizy z wykorzystaniem niekonwencjonalnych metod inżynierii dużych zbiorów danych zwanych Big Data.

Studia podyplomowe kierowane są do osób pragnących zdobyć kompetencje w analizie i przetwarzaniu dużych ilości danych na potrzeby biznesu, nauki, medycyny oraz w innych przestrzeniach aktywności z przeznaczeniem do wykorzystania w roli narzędzi wsparcia podejmowanych decyzji.

Studia są przeznaczone zarówno dla informatyków, jak i dla specjalistów z innych dziedzin, którzy chcą stosować rozwiązania szeroko rozumianej Data Science wspomagające ich codzienną pracę zawodową w szczególności przy podejmowaniu decyzji.

Idealni kandydaci to osoby posiadające podstawową wiedzę informatyczną, mające doświadczenie z narzędziami informatycznymi i zamierzające uzupełnić swoje wykształcenie o znajomość technik Big Data.

Słuchacze studiów podyplomowych zapoznają się z wiodącymi technologiami wykorzystywanymi w analizie dużych ilości danych, zarówno darmowymi jak i komercyjnymi implementacjami. Główny nacisk położony zostanie na otwarte technologie Apache: Cassandra, HBase, MLlib, Spark, Mahaut. Ponadto zaprezentowane zostaną możliwości chmury obliczeniowej Microsoft Azure Machine Learning a także w zarysie technologie oferowane przez platformy Google Cloud oraz Viya w ramach SAS Cloud Analytics Services. Szczególny nacisk położymy na podnoszenie kompetencji w ramach programowania w językach Python oraz R do zastosowań w analizie dużych zbiorów danych. Studenci będą ponadto poznawać teorię oraz stosować w praktyce zaawansowane algorytmy uczenia maszynowego.

Kandydaci na studia podyplomowe powinni być absolwentami studiów I lub II stopnia kierunków informatycznych lub pokrewnych, ekonomicznych, technicznych. Rekomendowana jest podstawowa znajomość: teorii relacyjnych baz danych, metod statystycznych, programowania np. w języku Python, użytkowania systemów klasy UNIX. Wymagana znajomość języka angielskiego przynajmniej na poziomie B2.