Wykładowcy
Wykładowcami na studiach podyplomowych "Data Science w zastosowaniach biznesowych. Warsztaty z wykorzystaniem programu R" są są pracownicy naukowi WNE UW, mający wieloletnie doświadczenie w prowadzeniu szkoleń i projektów analitycznych dla biznesu i dla instytucji publicznych oraz biznesowi praktycy i specjaliści w analizach ilościowych.
dr hab. Piotr Wójcik, prof. ucz.
Profesor uczelni na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego. Ekspert w zakresie wykorzystania oprogramowania R oraz SAS do efektywnego przetwarzania danych oraz zaawansowanego modelowania statystycznego i ekonometrycznego. W latach 2008-2019 kierownik i wykładowca studiów podyplomowych „Metody statystyczne w biznesie. Warsztaty z oprogramowaniem SAS”, posiadający także wieloletnie doświadczenie zawodowe analityka ilościowego w branży finansowej, telekomunikacyjnej i badań marketingowych. Autor licznych publikacji naukowych, w tym współautor podręcznika poświęconego programowi R („Metody ilościowe w R. Aplikacje ekonomiczne i finansowe”). Naukowo zajmuje się analizami regionalnej konwergencji oraz wykorzystaniem narzędzi statystycznych do projektowania automatycznych strategii inwestycyjnych na danych wysokiej częstotliwości. Wykonawca i kierownik projektów badawczych finansowanych przez Narodowe Centrum Nauki i Ministerstwo Rozwoju Regionalnego.
dr hab. Katarzyna Kopczewska, prof. ucz.
Profesor uczelni na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego. Ekspert w zakresie wykorzystania oprogramowania R w analizach ekonomicznych i finansowych. Autor licznych publikacji naukowych, w tym współautor podręczników poświęconym programowi R („Metody ilościowe w R. Aplikacje ekonomiczne i finansowe” oraz „Ekonometria i statystyka przestrzenna w R”). Naukowo zajmuje się analizami przestrzennymi w procesach gospodarczych i biznesie, rozwijając metodologię modelowania przestrzennego i regionalnego. Kierownik i członek wielu projektów badawczych, w tym finansowanych z funduszy europejskich, przez Narodowe Centrum Nauki i Ministerstwo Rozwoju Regionalnego. Ekspert oceniający wnioski m.in. dla Narodowego Centrum Nauki, Komisji Europejskiej (Horyzont 2020), regionalnych i krajowych Programów Operacyjnych.
Adiunkt na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego. Prowadzi zajęcia dla doktorantów z wykorzystaniem R. Autor wielu publikacji w międzynarodowych czasopismach naukowych. Odbył staż naukowy na Cornell University. Jego zainteresowania badawcze dotyczą analizy preferencji konsumentów przy użyciu modeli ekonometrycznych. W szczególności, rozwija metodologię modelowania wyborów dyskretnych.
Adiunkt na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego. Kierownik studiów magisterskich „Data Science and Business Analytics”. Specjalizuje się w ekonometrii, statystyce oraz uczeniu maszynowym, a ponadto ma szeroką wiedzę w zakresie ekonomii, finansów i biznesu. Posiada ponad 10-letnie doświadczenie w budowaniu zaawansowanych rozwiązań analitycznych w praktyce. Specjalizuje się w wykonywaniu projektów dotyczących budowy zawansowanych modeli predykcyjnych (R, Python, SAS, Spark). W pracy naukowej koncentruje się na porównywaniu skuteczności różnych metod predykcyjnych i segmentacyjnych (modele ekonometryczne, algorytmy baggingowe i boostingowe, sieci neuronowe, metody klasteryzację etc.) w zastosowaniach biznesowych oraz wykorzystaniu narzędzi wytłumaczalnego uczenia maszynowego (XAI) do ich analizy.
Adiunkt na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego. Posiada wykształcenie ekonomiczne i prawnicze. Stosuje oprogramowanie R oraz Python w modelowaniu z zakresu supervised machine learning, unsupervised machine learning i text mining. Kierownik i główny wykonawca szeregu projektów finansowanych przez Ministerstwo Nauki i Szkolnictwa Wyższego oraz Narodowe Centrum Nauki. Entuzjasta aplikowania zaawansowanych narzędzi ekonometrycznych i machine learningu do problemów wpisujących się w nurt ekonomii instytucjonalnej i ekonomicznej analizy prawa. Wizytował wiodące uczelnie zagraniczne, m.in. ETH Zurich (Visiting Professor) oraz National University of Singapore (Visiting Senior Fellow).
Adiunkt na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego. Niezależny analityk danych i konsultant w zakresie zastosowań R oraz SAS w wielowymiarowej analizie danych. Od 2012 r. kierownik studiów magisterskich „Quantitative Finance”. Koordynuje działalność grupy badawczej Quantitative Finance Research Group. Jego zainteresowania badawcze koncentrują się na analizie zmienności, wycenie instrumentów pochodnych a także na tworzeniu automatycznych strategii inwestycyjnych. Wykonawca wielu projektów badawczych o charakterze zarówno naukowym jak i komercyjnym. Entuzjasta rozwiązań open-source.
Adiunkt na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego. Przez kilka semestrów prowadziła kursy i szkolenia na Uniwersytecie Warszawskim z wykorzystania R do analizy danych. Kierownik i wykonawca w kilku grantach badawczych, zarówno krajowych jak i międzynarodowych, finansowanych m. in. przez Narodowe Centrum Nauki. Autorka publikacji naukowych w międzynarodowych recenzowanych czasopismach. Jej zainteresowania badawcze dotyczą zagadnień mikroekonomicznych, a w szczególności zajmuje się wyceną ekonomicznej wartości dóbr nierynkowych.
Doktorant na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego, współorganizator studiów podyplomowych. Od trzech lat prowadzi kursy i szkolenia z zakresu wykorzystania Excela i języka VBA do analizy danych na Uniwersytecie Warszawskim oraz komercyjnie na zlecenia przedsiębiorstw. Metody ilościowe najczęściej wykorzystuje w projektach marketingowych (badania preferencji konsumentów), wycenie nieruchomości i biostatystyce. Członek wielu grantów badawczych, finansowanych m. in. przez Narodowe Centrum Nauki i Polską Agencję Przedsiębiorczości. Ponadto, angażuje się w działalność biznesową – jest współzałożycielem pierwszego w Polsce internetowego domu aukcyjnego Revinart.com. Wolny czas poświęca na działalność społeczną w Stowarzyszeniu Absolwentów WNE oraz fundacji „Polski Instytut Sztuki”.
mgr Krzysztof Drożdżewicz
Magister Wydziału Matematyki i Nauk Informacyjnych Politechniki Warszawskiej. Aktuariusz w Aviva Actuarial Service and Expertise Centre. Manager zespołu zajmującego się estymacją prawdopodobieństw poszczególnych zdarzeń ubezpieczeniowych. Na co dzień pracuje z oprogramowaniem SAS, Python i R. Wcześniej prowadził zajęcia z Rachunku Prawdopodobieństwa, Przetwarzania i analizy danych w systemie SAS oraz Ubezpieczeń na życie w praktyce aktuarialnej na Politechnice Warszawskiej.
Doktorantka w dyscyplinie Ekonomia i Finanse w SDNS UW oraz asystentka naukowo-dydaktyczna na Wydziale Nauk Ekonomicznych UW. Laureatka programu Diamentowy Grant, oraz wykonawczyni w grantach NCN. W rozprawie doktorskiej przygląda się problematyce wpływu lokalizacji wewnątrzmiejskiej na szanse przetrwania i rozwoju startupów technologicznych. W swoich badaniach wykorzystuje przestrzenne metody ilościowe, ze szczególnym naciskiem na narzędzia przestrzennego data science (uczenie maszynowe, głębokie sieci neuronowe, przyczynowe uczenie maszynowe czy wyjaśnialna sztuczna inteligencja). Absolwentka studiów "Data Science and Business Analytics" na WNE UW, a obecnie wykładowczyni na tym samym programie, z doświadczeniem dydaktycznym z zakresu nauki programowania, metod ilościowych oraz sztucznej inteligencji.
mgr Michał Maj
Absolwent Matematyki Finansowej na Politechnice Gdańskiej. Data Scientist z 5 letnim doświadczeniem. Na co dzień zajmuje się tworzeniem rozwiazań Machine i Deep Learningowych z wykorzystaniem technologii R oraz Python. Do jego głównych zainterseowań należą zastosowania Deep Learningu w dziedzinie Computer Vision. Współorganizator Trójmiejskiej Grupy Entuzjastów R.
mgr Przemysław Ryś
Absolwent Wydziału Matematyki, Informatyki i Mechaniki oraz Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego. Entuzjasta zastosowań zaawansowanych metod matematycznych do realnych problemów biznesowych. Na co dzień odpowiedzialny za analizę danych oraz tworzenie i utrzymywanie modeli, wykorzystywanych do zarządzania ryzykiem w Allegro Pay. Największą satysfakcję daje mu łączenie zaawansowanych algorytmów z nowymi rozwiązaniami technologicznymi oraz dzielenie się wiedzą i entuzjazmem z innymi.
Absolwent Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego na kierunku "Informatyka i Ekonometria, specjalność Data Science". Obecnie jako doktorant w Międzydziedzinowej Szkole Doktorskiej przy UW prowadzi badania pod tytułem "Analiza efektywności polskiego systemu sądownictwa przy użyciu narzędzi uczenia maszynowego". Jednocześnie, student ostatniego roku Wydziału Prawa UW. Posiada doświadczenie w budowie modeli ekonometrycznych i uczenia maszynowego, zarówno na płaszczyźnie naukowej, jak i w zastosowaniach biznesowych. Szczególnie zainteresowany specyficznym zbiorem algorytmów uczenia maszynowego - tzw. modelowaniem tematycznym (topic modelling).
Absolwentka Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego na kierunku "Informatyka i Ekonometria, specjalność Data Science". Obecnie jako doktorantka w Szkole Doktorskiej Nauk Społecznych przy UW prowadzi badania pod tytułem „Narracja w badaniach ekonomicznych i demograficznych z wykorzystaniem uczenia maszynowego”. Szczególnie zainteresowana jest uczeniem maszynowym ukierunkowanym na analizę tekstu - tzw. modelowaniem tematycznym (topic modelling), analizą sentymentu oraz Natural Language Processing (NLP). Dodatkowo, jest uczestnikiem grantów badawczych, finansowanych m. in. przez Narodowe Centrum Nauki oraz Unię Europejską.