Informacje ogólne

Ważne wydarzenia

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.

Dowiedz się więcej!

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.

• 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.

• Kandydaci na studia podyplomowe powinni być absolwentami studiów I lub II stopnia kierunków informatycznych lub pokrewnych, ekonomicznych, technicznych. Rekomendowana jest podstawowa znajomość: dowolnego języka programowania (np. Python, Java, C++), użytkowania systemów klasy UNIX (np. Linux, Solaris, MacOS), teorii relacyjnych baz danych, metod statystycznych. Wymagana znajomość języka angielskiego przynajmniej na poziomie B2.

• 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.

Godziny otwarcia

Poniedziałek 8.00–17.00
Wtorek 8.00–17.00
Środa 8.00–17.00
Czwartek 8.00–17.00
Piątek 8.00–16.00

Centrum Kształcenia Podyplomowego

Obsługa kandydatek i kandydatów na studia w PJATK odbywa się stacjonarnie, telefonicznie i mailowo.

Dokumenty można dostarczać drogą elektroniczną – wgrywając skany na swoim indywidualnym koncie rekrutacyjnym.

Informacja o przetwarzaniu danych osobowych osób rekrutujących się na studia w PJATK

Kontakt

Biuro Centrum Kształcenia Podyplomowego
pokój nr 13 w budynku B
tel. (+48) 512 497 506
tel. (+48) 504 640 530
tel. (+48) 22 58 44 596
tel. (+48) 22 58 44 597

e-mail: podyplomowe@pja.edu.pl
ul. Koszykowa 86
02-008 Warszawa

prof. dr hab. Grzegorz Marcin Wójcik

specjalizuje się w neuroinformatyce obliczeniowej oraz ilościowej elektroencefalografii (EEG). Uzyskał stopień doktora nauk fizycznych (2004), habilitację w dziedzinie biocybernetyki i inżynierii biomedycznej (2013) oraz tytuł profesora w dyscyplinie informatyki technicznej i telekomunikacji (2024). Obecnie kieruje Katedrą Systemów Inteligentnych i Data Science w Polsko-Japońskiej Akademii Technik Komputerowych w Warszawie.
Prof. Wójcik prowadził liczne badania nad zastosowaniem sztucznej inteligencji (AI) i obliczeń neuronowych w modelowaniu układu wzrokowego ssaków, wykorzystując zaawansowane techniki analizy danych i modelowania systemów biologicznych. Przez wiele lat zajmował się również analizą sygnałów EEG z zastosowaniem metod uczenia maszynowego, zaawansowanej statystyki oraz konwolucyjnych sieci neuronowych, koncentrując się na rozpoznawaniu chorób i zaburzeń psychicznych, analizie procesów związanych z oceną wiarygodności źródeł oraz podejmowaniem decyzji w warunkach stresu i obciążenia psychicznego.
Jego dorobek naukowy obejmuje publikacje z zakresu obliczeń neuronalnych (w tym neuromorficznych), uczenia maszynowego oraz symulacji wielkoskalowych układów neuronów biologicznych. Szczególne miejsce zajmuje w nich analiza EEG procesów kognitywnych i wyższych funkcji psychicznych z wykorzystaniem metodologii data science. Prof. Wójcik współpracował z wieloma międzynarodowymi ośrodkami badawczymi, takimi jak Uniwersytet Oksfordzki, Uniwersytet w Edynburgu, Uniwersytet w Stirling, Uniwersytet Hebrajski w Jerozolimie oraz Uniwersytet Ben Guriona w Beer Szewie. Posiada również bogate doświadczenie w zarządzaniu złożonymi projektami badawczymi o wysokim stopniu zaawansowania technologicznego, zwłaszcza w obszarze systemów obliczeniowych i neuroinformatyki.

Kontakt: gmwojcik@pjwstk.edu.pl