Analiza i modelowanie danych biznesowych

Kierunek w przygotowaniu, więcej informacji wkrótce.

OPIS STUDIÓW

Studia składają się z siedmiu modułów. Pierwszy jest wprowadzeniem słuchaczy w podstawowe zagadnienia związane z analizą danych z wykorzystaniem ogólnodostępnej aplikacji estat.me. Następnie słuchacze poznają niezbędne narzędzia R i Python wykorzystywane w dalszej części do analizy, modelowania i wizualizacji złożonych zbiorów danych.

ADRESACI

Studia skierowane są do osób pragnących nabyć, utrwalić oraz rozszerzyć swoją wiedzę na temat metod analizy i modelowania danych jak również poznać narzędzia informatyczne ogólnodostępne pozwalające na sprawną analizę i wizualizację złożonych zbiorów danych. Uczestnikami studiów mogą być:

  • osoby zamierzające pracować lub pracujące z bazami danych jak również analityków opracowujących raporty w małych i średnich przedsiębiorstwach, jednostkach administracji publicznej i instytucjach sektora medycznego, bankach, firmach telekomunikacyjnych, ubezpieczeniowych, handlowych, energetycznych;
  • absolwenci kierunków humanistycznych, którzy chcą wzbogacić swoje umiejętności o praktyczną znajomość podstawowych oraz zaawansowanych metod ilościowych analizy i wizualizacji  danych oraz umiejętności odkrywania wiedzy na podstawie uzyskanych wyników;
  • absolwenci uczelni ekonomicznych i technicznych posiadających wiedzę z metod ilościowych, ale chcących ugruntować ją i rozszerzyć o znajomość szeroko rozumianych metod oraz narzędzi analizy i modelowania danych;
  • menadżerowie, właściciele i pracownicy małych i średnich przedsiębiorstw, chcący zdobyć nowe lub poszerzyć swoje kwalifikacje w podejmowaniu decyzji biznesowych.

KORZYŚCI

W szczególności słuchacze będą zdobywać wiedzę i doskonalić umiejętności techniki przetwarzania, wizualizacji oraz szeroko rozumianej analizy danych mierzonych na różnych skalach pomiarowych w ujęciu jedno i wielowymiarowym, zjawisk zależnych jak i niezależnych od czasu. Poznają możliwości i techniki analiz statystycznych z wykorzystaniem narzędzi R i Python, z naciskiem na biblioteki umożliwiające wykonanie zaawansowanych analiz jak również integrację środowisk niezbędnych w pracy analityka danych.