mgr Arkadiusz Kisiołek

Bogucicka 3
Bud. B; pok. 114
40-228 Katowice

Konsultacje:

W okresie, gdy zajęcia odbywają się zdalnie, konsultacje odbywać się będą mailowo, telefonicznie lub Messenger w dniach i godzinach podanych poniżej.

Konsultacje w semestrze letnim (studia stacjonarne):

27.02 17:00-18:30,  
04.03 08:00- 09:30, 
12.03 11:30-13:00, 
17.03 15:00- 16:30, 
26.03 11:30-13:00, 
01.04 08:20-09:50, 
16.04 11:30-13:00, 
22.04 08:20- 09:50, 
30.04 11:30-13:00, 
06.05 09:05 - 09:50, 
14.05 11:30-13:00, 
20.05 09:05 - 09:50, 
28.05 11:30 - 13:00, 
03.06 09:05 - 09:50,  


Konsultacje w semestrze letnim (studia niestacjonarne):

10.05 10:00 - 10:45, 
24.05 10:00 - 10:45, 
07.06 10:00 - 10:45

Dydaktyka (prowadzone przedmioty)

mgr Arkadiusz Kisiołek prowadzi ćwiczenia z  takich przedmiotów jak:

  • "Technologie informacyjne",
  • "Informatyka",
  • "Informatyka w logistyce",
  • "e-biznes",
  • "Projektowanie procesów",
  • "Business information systems".

Zajmowane stanowiska

  • Kierownik studiów podyplomowych „Bezpieczeństwo i ochrona cyberprzestrzeni”,
  • Opiekun koła naukowego informatyki ekonomicznej Hashtag.

Publikacje

  1. C. M. Olszak, A. Kisiołek, (2020), Big data for customer knowledge management, Information Systems Architecture and Technology. Proceedings of 40th Anniversary International Conference on Information Systems Architecture and Technology - ISAT 2019. Part III / ed. Zofia Wilimowska, Leszek Borzemski, Jerzy Świątek , Springer, s. 244-253.
  2. A. Kisiołek, (2018), Analiza wpisów na portalu Twitter z wykorzystaniem narzędzi big data zawartych w pakiecie R, Studia Ekonomiczne, Uniwersytet Ekonomiczny w Katowicach, nr 362 s. 306-317.
  3. C. M. Olszak, A. Kisiołek, (2018), Big data in analysis of social media based on the example of Twitter, Academic Conferences and Publishing International Limited, s. 208-216.

Do góry

Zainteresowania

Zainteresowania badawcze mgr Arkadiusza Kisiołka skierowane na: wykorzystanie systemów Business Intelligence i Big Data w zastosowaniach ekonomicznych, wykorzystanie technik data mining, takich jak text mining, analiza wydźwięku.