Wybierz język
pl gb

Opinie słuchaczy

Poniżej prezentujemy opinie byłych słuchaczy naszych studiów podyplomowych. Zostały one zamieszczone w kolejności alfabetycznej wg nazwisk Autorów opinii.

Studia podyplomowe z "Data science" na WNE są ciekawą propozycją dla osób chcących ugruntować bądź poszerzyć swoją wiedzę z zakresu metod ilościowych praktycznie stosowanych w świecie biznesu i nauki. Zajęcia nie są proste i raczej nie polecałbym tym, którzy poszukują łagodnego wstępu do tematyki data science. Praktyka zawodowa lub zaplecze teoretyczne w postaci studiowania ścisłych kierunków są przydatne. Omawiając różne metody i modele prognostyczne, wykładowcy szybko (aczkolwiek dokładnie), omawiali elementarne pojęcia i przechodzili do bardziej zaawansowanej problematyki. W moim przypadku, żeby skorzystać z weekendowej porcji wiedzy przekazywanej na studiach, potrzebowałem poświęcić sporo czasu na indywidualną naukę. Bardzo pomocne były przy tym pieczołowicie przygotowane materiały dydaktyczne - kody wraz z obszernymi opisami, przykładowe zbiory danych oraz ćwiczenia do samodzielnego wykonania. Za taką jakość materiałów, kadrze studiów należą się brawa. Kolejną mocną stroną tych studiów, jest spora ilość zajęć fakultatywnych, dzięki czemu można dostosować program do swoich zainteresowań lub potrzeb. Podczas zajęć wykorzystuje się R, które jest nauczane od podstaw, ale zdecydowanie większy nacisk kładzie się na wyjaśnienie podstaw teoretycznych poszczególnych metod i algorytmów, aniżeli na naukę samego programowania w R.

Podsumowując, są to niełatwe, aczkolwiek dobrze przygotowane studia, dla osób chcących zawodowo zajmować się data science, z których słuchacze mogą wynieść wiele praktycznej wiedzy, proporcjonalnie do stopnia przygotowania i włożonego wysiłku w naukę.

Marcin Basiuk (uczestnik I edycji, rok akademicki 2017/2018)

Wysoko oceniam studia podyplomowe Data Science w zastosowaniach biznesowych. Program zajęć jest sensownie ułożony - według mnie wyczerpuje wszystkie zagadnienia Data Science, z którymi obecnie się pracuje. Ja widzę duży plus w tym, że studia uczą pracy w jednym narzędziu - dzięki temu można solidnie podejść do omawiania zagadnień pracy z danymi bez ryzyka zamieszania związanego z nauką dwóch języków od podstaw. Studia są świetnie zarządzane: każdy z bloków zajęć jest oceniany przez uczestników i na podstawie tych ocen bardzo szybko są wyciągane wnioski, co jeszcze można ulepszyć.

Zajęcia prowadzone są w formie warsztatowej i w taki sposób, żeby przedstawić praktyczne zastosowanie danej metody. Wykładowcy przekazują słuchaczom wiedzę, po które metody (czasem zbiory metod) sięgnąć w konfrontacji z konkretnymi problemami biznesowymi.

Podsumowując, jestem bardzo zadowolona z udziału w studiach podyplomowych na WNE UW. Wyszłam z praktyczną znajomością programu R i obfitym zbiorem wartościowych materiałów, do których stale zaglądam.

Justyna Komorowska (uczestniczka I edycji, rok akademicki 2017/2018)

Po paru latach kariery w Business Intelligence zorientowałem się, że duży nacisk w firmach kładziony jest na samą konfigurację systemów do wyświetlania raportów, natomiast kuleje prawidłowe wnioskowanie na ich podstawie oraz wizualizacja. W obliczu rosnącego zapotrzebowania na specjalistów z tzw. data science szukałem sposobu na odświeżenie wiedzy ze studiów i powrót na bardziej analityczną ścieżkę kariery. Studia podyplomowe Data Science w zastosowaniach biznesowych na WNE UW zdawały się dopasowane do moich potrzeb, i rzeczywiście takie się okazały.

Przede wszystkim studia świetnie przygotowują uczestników do pracy z danymi w R. O ile wcześniej miałem już styczność z samym programem, to prowadzący zajęcia umiejętnie przybliżają najważniejsze funkcje i nowoczesne pakiety przy pomocy ćwiczeń oraz rekomendacji wynikających z wieloletniej praktyki. Dostarczone do zajęć materiały należą do tych, z których niemal codziennie korzystam w pracy. Ponadto, znaczna część studiów poświęcona jest tematom analitycznym, czyli zarówno odświeżeniem wiedzy z “klasycznej” statystyki jak i wykorzystaniem obecnie popularnych algorytmów predykcyjnych w problemach ekonomicznych. To stanowi dużą zaletę wobec oferty uczelni konkurencyjnych, ukierunkowanych bardziej na aspekt informatyczny tych metod.

Napisanie pracy dyplomowej z jednej strony może okazać się dużym wysiłkiem, acz z drugiej stanowi świetną okazję do napisania projektu o tematyce, który może zainteresować chociażby lepszego pracodawcę :). To stanowi przewagę nad kursami online, które nie pozwalają na taką personalizację, a przede wszystkim nie umożliwiają interakcji z doświadczonym promotorem. Podsumowując, bardzo polecam niniejsze studia podyplomowe i zachęcam do zapoznania się z ich ofertą w szczególności osoby, które mają pomysł na wykorzystanie omawianych metod w swojej praktyce zawodowej.

Jarosław Kupisz (uczestnik I edycji, rok akademicki 2017/2018)

Na studia podyplomowe Data Science w zastosowaniach biznesowych wybrałam się, by się nauczyć pakietu R. Ku mojemu zaskoczeniu, dostałam dużo, dużo więcej. Dla mnie najważniejsze zalety tego kursu to ciekawe i różnorodne tematy poszczególnych zajęć, dobra proporcja między teorią i praktycznymi ćwiczeniami, świetne materiały oraz zaangażowani wykładowcy.

Co uzyskałam przede wszystkim? Korzystając ze zgromadzonych notatek mogę wykorzystywać R w codziennej pracy z obróbką danych, ich analizą statystyczną i wizualizacją wyników. I oczywiście dalej się go uczyć. Uporządkowałam i odświeżyłam swoją wiedzę na temat poszczególnych metod analizy statystycznej danych. Poznałam nowe metody i narzędzia "drążenia" danych. Uzyskane w trakcie kursu informacje i materiały z pewnością będą dla mnie inspiracją i podstawą do rozwoju zawodowego w ciągu najbliższych kilku lat, a już w tej chwili pozwoliły mi przeorientować swoją karierę zawodową. Serdecznie polecam, warto.

Katarzyna Nałysz-Safuryn (uczestniczka I edycji, rok akademicki 2017/2018)

Analiza dużych zbiorów danych to kluczowa umiejętność, która znajduje zastosowanie prawie we wszystkich gałęziach gospodarki. Biorąc pod uwagę znaczenie tej umiejętności dla mojej przyszłości poszukiwałem studiów z pogranicza analizy danych i statystyki. Do momentu uruchomienia studiów podyplomowych na Uniwersytecie Warszawskim ówczesna oferta różnych uczelni nie odpowiadała mojemu zapotrzebowaniu. Przy wyborze studiów zależało mi na tym, aby nauka nie była wyłącznie skupiona na kwestiach teoretycznych, ale przede wszystkim na praktycznych. Po zakończeniu studiów na WNE UW mogę powiedzieć, że cel ten został w pełni zrealizowany.

Uszczegóławiając, zajęcia podzielone są na część teoretyczną i praktyczną, pod koniec której wykonywane są ćwiczenia. Materiały są przygotowane w sposób przystępny, bez przeładowania teorią, wzbogacone o dodatkowe uzupełnienia, umożliwiające poszerzenie określonego tematu. Podczas zajęć koncentrowano się na intuicyjnym wyjaśnieniu poszczególnych algorytmów i narzędzi statystycznych. Wykładowcy posiadają odpowiednią wiedzę i chętnie odpowiadają na pytania, w tym te związane z praktycznymi problemami.

Z perspektywy czasu oceniam, że studia na WNE UW pozwoliły na poszerzenie moich umiejętności i stanowią dobrą bazę do dalszego rozwoju. Bogatszy o doświadczenia, stwierdzam że gdybym dokonywał ponownego wyboru studiów podyplomowych z tematyki Data Science, podjąłbym taką samą decyzję i zdecydował się na WNE UW.

Łukasz Rydzykowski (uczestnik I edycji, rok akademicki 2017/2018)

Studia podyplomowe DSwR pozwoliły mi, jako osobie, która miała dosyć podstawową wiedzę (wyniesioną jeszcze ze studiów licencjackich) z programowania w R, poszerzyć znacznie zakres umiejętności, zarówno tych typowo programistycznych, dotyczących pisania samego kodu, jak i tych bardziej merytorycznych, powiązanych z szeroko pojętą analizą i wizualizacją danych oraz algorytmami Machine Learning. Jedno i drugie to cechy obecnie bardzo pożądane przez pracodawców i niezwykle cenione na rynku pracy kojarzonym z Data Science. Wiedzę nabytą na studiach DSwR wykorzystuję i doskonalę w praktyce w pracy zawodowej, co oznacza, że materiał przekazywany na studiach nie ma jedynie wymiaru teoretycznego. W moim przypadku szczególnie przydatne okazały się zajęcia z tworzenia aplikacji w Shiny, R Markdown oraz wszystkie zajęcia dotyczące modeli ML. Materiał prezentowany na studiach jest dosyć obszerny (kody, ćwiczenia, część teoretyczna) i pełne jego przyswojenie wymaga dodatkowej, samodzielnej pracy, jednak sposób przekazywania wiedzy przez wykładowców oraz możliwość kontaktu z nimi poza zajęciami niezwykle ułatwia zrozumienie poruszanych zagadnień. Bardzo pozytywnym aspektem jest również konieczność przygotowania pracy dyplomowej, co pozwala ugruntować i poszerzyć zdobytą na studiach wiedzę. Reasumując, studia DSwR polecam nie tylko osobom, które chcą zacząć przygodę z R i nauczyć się programowania, ale również tym, którzy kładą szczególny nacisk na praktyczne aspekty zastosowania wspomnianego oprogramowania w problemach biznesowych.

Marek Stelmach (uczestnik I edycji, rok akademicki 2017/2018)

Studia podyplomowe „Data Science w zastosowaniach biznesowych” pozwoliły mi na odświeżenie mojej wiedzy teoretycznej z zakresu statystyki i ekonometrii. Choć wcześniej pracowałem z programem R i RStudio to studia wzbogaciły i uporządkowały moją wiedzę praktyczną z zakresu wizualizacji danych, tworzenia interaktywnych aplikacji internetowych z wykorzystaniem programu R oraz Machine Learning. Zajęcia prowadzone w formie warsztatowej pozwalały lepiej zrozumieć przedstawianą teorię oraz dały możliwość poeksperymentowania z prawdziwymi przypadkami, a udostępniony kod do danego pakietu stwarza możliwość powrócenia i przypomnienie jego działania nawet po zakończeniu studiów.

Polecam studia osobom, które chcą poszerzyć swoją wiedzę oraz umiejętności statystyczne i ekonometryczne, a także wzbogacić swój warsztat analityczny o możliwości programu R.

Marek Sylwestrzak (uczestnik I edycji, rok akademicki 2017/2018)

Od kilku lat interesuję się szeroko pojętą analizą danych, naturalnym kierunkiem rozwoju było Data Science. Długo szukałem uczelni, która umożliwi zgłębienie tego obszaru w sposób spójny i ustrukturyzowany. W związku z powyższym oczekiwania wobec studiów podyplomowych „Data Science w zastosowaniach biznesowych. Warsztaty z wykorzystaniem programu R” były niezwykle wysokie. Chciałem przede wszystkim poznać techniki, narzędzia i proces, który przedstawi możliwości od początkowego etapu gromadzenia danych do budowania modeli predykcyjnych, ich strojenia oraz wykorzystania do faktycznego prognozowania wartości oczekiwanej. Okazało się, że otrzymałem o wiele więcej. Po pierwsze, solidną wiedzę statystyczną, przekazaną w przystępnej formie. Po drugie, podstawę wiedzy matematycznej, która w obszarze Data Science jest niezbędna. Po trzecie, zestaw metod, przykładów i dobrych praktyk, które pozwalają płynnie posługiwać się środowiskiem związanym z językiem R, a jednocześnie mogą być wykorzystane w rzeczywistych zastosowaniach biznesowych. Wszystko to przekazane przez wykładowców i jednocześnie ekspertów z olbrzymią wiedzą, sprawnych dydaktyków z doświadczeniem w biznesie, którzy na zajęciach wykorzystywali różne dane, będące odzwierciedleniem rzeczywistych zjawisk i aplikacji (w tym: dane finansowe, biznesowe, z urzędów statystycznych czy badań społecznych).

Michał Warszycki (uczestnik I edycji, rok akademicki 2017/2018)

Program studiów podyplomowych został zrealizowany w 100%. Jego zakres obejmuje zarówno podstawową obsługę pakietu R, jak i zaawansowane kwestie dotyczące ML, co w mojej ocenie w niemal 100% wyczerpuje tę obszerną dziedzinę wiedzy.

Ogromną zaletą kursu jest połączenie wiedzy teoretycznej (stanowiącej wstęp do zajęć) oraz praktycznej realizowanej w formie warsztatów. Materiały dydaktyczne przygotowane są w sposób wyczerpujący i umożliwiają nie tylko uporządkowanie wiedzy, ale stanowią również dużą pomoc przy rozwiązywaniu napotkanych problemów w pracy zawodowej.

Studia polecam osobom, które nie znają programu R i zagadnień ML, ale również tym, które mają już pewien zasób wiedzy w temacie, ponieważ kurs pozwala na poznanie programu „od podstaw“, ale również na usystematyzowaniu i poszerzeniu posiadanej wiedzy. W mojej ocenie nawet osoby, które znają i na co dzień pracują w R będą usatysfakcjonowane.

Łukasz Woronkiewicz (uczestnik I edycji, rok akademicki 2017/2018)

Nie mając pewności, czy studia podyplomowe „Data Science w zastosowaniach biznesowych” zostaną uruchomione na Uniwersytecie Warszawskim, rozpoczęłam analogiczne studia na innej uczelni. Jednak, gdy po semestrze UW oficjalnie otworzyło nabór na te studia, bez wahania się na nie przeniosłam i nigdy tej decyzji nie żałowałam, choć ten krok pociągał za sobą wyższe nakłady czasu i środków z mojej strony. Różnica w jakości studiów w pełni to zrekompensowała.

Zajęcia na WNE były rewelacyjnie przygotowane. Pomimo, że zakres przerabianego materiału niejednokrotnie był olbrzymi i wymagający, prowadzący zajęcia byli w stanie przekazać swoją wiedzę w bardzo jasny i uporządkowany sposób, ilustrując teorię odpowiednimi przykładami praktycznymi. Co ważne, nie były to tylko techniczne umiejętności pedagogiczne, ale również ogromna chęć przekazania wiedzy. Ten serdeczny stosunek wobec słuchaczy charakteryzował również kontakty z Kierownikiem studiów, który starał się być zawsze dla nas dostępny i brał pod uwagę nasze zdanie, wprowadzając odpowiednie zmiany, co było dla mnie ewenementem.

Kolejną istotną kwestią był fakt, że zajęcia prowadzone były wyłącznie w programie R, który jako pierwszy język programowania jest bardzo intuicyjny i nie nastręcza większych problemów. Dzięki czemu, nie rozpraszała nas wielość różnorakich aplikacji i mogliśmy się skupić na meritum studiów.

Edyta Wróbel-Bieńko (uczestniczka I edycji, rok akademicki 2017/2018)

Studia podyplomowe „Data Science w zastosowaniach biznesowych” pozwoliły mi wzbogacić wiedzę w zakresie technik wykorzystywanych w analizie danych na wszystkich jej etapach od wstępnej obróbki danych, poprzez dobór odpowiedniej metody badawczej do przeprowadzenia analizy i końcowej oceny wyników modeli. Dzięki właściwej proporcji części teoretycznej i praktycznej kursu uczestnictwo w zajęciach pozwala na poznanie założeń poszczególnych modeli jak i zalet i ograniczeń każdej z metod i na dobór właściwego algorytmu do zagadnienia badawczego. Na uwagę zasługuje bardzo dobrze ustrukturalizowany program i kolejność omawianych modułów, przez co uczestnik kursu krok po kroku prowadzony jest poprzez kolejne zagadnienia tak, że wiedza nabyta i usystematyzowana we wcześniejszych etapach jest wykorzystywana w następnych. Bardzo ciekawie i przystępnie prowadzone są wykłady z Machine Learning.

Zajęcia prowadzone w formie warsztatów pozwalają poznać język programowania R, nabyć dobre praktyki programistyczne oraz przełożyć poznane algorytmy na sprawnie działający kod. Dzięki stosowanym podejściom strukturalnym i obiektowym kod można wykorzystywać, bardzo wygodnie modyfikować i dopasowywać do własnych potrzeb.

Kurs mogę śmiało polecić zarówno programistom stawiającym swoje pierwsze kroki w „Data Science” jak i osobom nie znającym języka R, a chcącym odświeżyć swoją wiedzę ze statystyki i ekonometrii. Dzięki bardzo doświadczonej i w pełni zaangażowanej kadrze dydaktycznej oraz doskonałej organizacji i programowi studiów kładących nacisk na praktyczną implementację omawianych zagadnień, każdy z uczestników będzie mógł znacząco poszerzyć swoją wiedzę i rozwinąć umiejętności analityczne i programistyczne tak bardzo przydatne we własnych publikacjach naukowych, jak i doceniane przez pracodawców.

Łukasz Zaprawa (uczestnik II edycji, rok akademicki 2018/2019)

Zapisałam się na studia podyplomowe „Data Science w zastosowaniach biznesowych. Warsztaty z wykorzystaniem programu R” w celu odświeżenia i rozszerzenia swojej wiedzy, nabytej podczas studiów magisterskich na Wydziale Nauk Ekonomicznych UW. Dziś z perspektywy czasu oceniam tę decyzję jako jak najbardziej słuszną. Rozwój samego programu R w ciągu ostatnich kilku lat jest imponujący, a studia te dały mi wgląd w szeroki wachlarz zastosowań biznesowych różnych pakietów R. Jeśli chodzi o program studiów, został on opracowany i podzielony na kursy w taki sposób, aby usatysfakcjonować zarówno osoby stykające się z Data Science po raz pierwszy, jak i te bardziej zaawansowane. Na każdych zajęciach omawialiśmy nie tylko teoretyczne, ale również praktyczne zastosowania różnorodnych metod, łącznie z ich potencjalnymi ograniczeniami. Materiały, przygotowywane przez prowadzących na najwyższym poziomie, wykorzystuję do dziś nie tylko podczas samej pracy w R. Podsumowując, studia podyplomowe „Data Science” polecam każdemu zainteresowanemu nabyciem nowej i rozszerzeniem dotychczasowej wiedzy – rozwój technologii w dzisiejszych czasach jest bardzo szybki, więc warto być na bieżąco.

Agnieszka Żurawska (uczestniczka I edycji, rok akademicki 2017/2018)