Program studiów

Studia składają się z 2 semestrów. Semestr 1 ma charakter wprowadzający, średniozaawansowany, natomiast semestr 2 w całości poświęcony jest zaawansowanym zajęciom specjalistycznym.

Wszystkie zajęcia mają charakter praktyczny, dzięki czemu studia przygotowują do podjęcia pracy na stanowiskach związanych z szeroko rozumianą analizą danych, budowaniem i walidacją modeli predykcyjnych, wspomaganiem podejmowania decyzji na podstawie danych.

Praca dyplomowa składana na zakończenie studiów może być przygotowana w formie tradycyjnej lub alternatywnie w postaci aplikacyjnej (stworzenie i opisanie zbudowanej webowej aplikacji analitycznej) albo artykułu naukowego.

Łączna liczba godzin wynosi 226.

Szczegółowy program w pliku PDF

Semestr I (zimowy)

  1. Wprowadzenie do środowiska R. / Wprowadzenie do Pythona  – 9 godzin

  2. Wczytywanie danych z różnych źródeł – 9 godzin

  3. Zaawansowane programowanie – 18 godzin
  4. Statystyczna analiza danych – 18 godzin
  5. Wizualizacja danych – 9 godzin
  6. Przygotowanie danych do analiz – 9 godzin
  7. Regresja liniowa i logistyczna – 18 godzin
  8. Machine learning 1 – 18 godzin

  9. Indywidualne konsultacje dotyczące przygotowania pracy dyplomowej - 5 godzin

Semestr II (letni)

  1. Machine learning 2 – 18 godzin

  2. Unsupervised Learning – 18 godzin
  3. Natural Language Processing – 18 godzin

  4. Deep Learning – 18 godzin

  5. Zajęcia fakultatywne – do wyboru 4 * 9 godzin (np. Analiza danych przestrzennych, Efektywne wykorzystywanie ChatuGPT, Modelowanie tematów i analiza sentymentu, Raporty i prezentacje w Quarto, Tworzenie aplikacji webowych, Web scrapping, Wprowadzenie do dużych modeli językowych, Wprowadzenie do reinforcement learning, Wprowadzenie do systemów agentowych, Wprowadzenie do szeregów czasowych, Wytłumaczalna sztuczna inteligencja)

  6. Indywidualne konsultacje dotyczące przygotowania pracy dyplomowej - 5 godzin