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. Przygotowanie danych do analiz – 9 godzin

4. Wizualizacja danych – 9 godzin

5. Statystyczna analiza danych – 18 godzin

6. Unsupervised Learning – 18 godzin

7. Zaawansowane programowanie – 18 godzin

8. Regresja liniowa i logistyczna – 18 godzin

9. Indywidualne konsultacje dotyczące przygotowania pracy dyplomowej - 5 godzin

Semestr II (letni)

1. Machine learning 1 – 18 godzin

2. Machine learning 2 – 18 godzin

3. Natural Language Processing – 18 godzin

4. Deep Learning – 18 godzin

5. Zajęcia fakultatywne – do wyboru 4 * 9 godzin (np. Raporty i prezentacje w R Markdown, Web scrapping, Statystyka bayesowska, Wprowadzenie do szeregów czasowych, Analiza danych przestrzennych, Explainable Artificial Intelligence, Tworzenie aplikacji webowych, Algorytmiczne strategie inwestycyjne)

6. Indywidualne konsultacje dotyczące przygotowania pracy dyplomowej - 5 godzin