Wybierz język
pl gb

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.


dr Marcin Chlebus

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.


dr Jacek Lewkowicz

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).


dr Wojciech Hardy

Ekonomista w Instytucie Badań Strukturalnych oraz adiunkt na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego. Wcześniej uczestniczył w projektach naukowych prowadzonych przez GRAPE (Group for Research in APplied Economics), m.in. na temat tzw. "piractwa" internetowego, którą to tematyką zajmuje się w dalszym ciągu w ramach własnego projektu badawczego w IBS, finansowanego przez Narodowe Centrum Nauki. W Instytucie Badań Strukturalnych zajmuje się ponadto tematyką wpływu postępu technologicznego na rynek pracy w Polsce i Europie, zmian umiejętności i zadań na rynkach pracy oraz tematyką późnego przechodzenia na emeryturę. Na Wydziale Nauk Ekonomicznych prowadził także zajęcia z Rachunku Prawdopodobieństwa.


dr Paweł Sakowski

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.


dr Ewa Zawojska

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.


mgr Piotr Ćwiakowski

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.


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.


mgr Maciej Świtała

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).