Uczenie Maszynowe i Data Science

Kierunek w przygotowaniu, więcej informacji wkrótce.

OPIS STUDIÓW

Celem studiów Uczenie Maszynowe i Data Science jest uzyskanie wiedzy z zakresu sztucznej inteligencji oraz analizy danych. Główną korzyścią jest możliwość zdobycia praktycznych umiejętności programowania w języku Python, a także poznanie algorytmów uczenia maszynowego i ich zastosowania do przetwarzania, analizy oraz wizualizacji danych. Program studiów został wzbogacony o tematykę baz danych, hurtowni danych, narzędzi ETL oraz języka SQL, a także praktycznych zastosowań technologii chmurowych. 

ADRESACI

Adresatami proponowanych studiów podyplomowych są osoby zainteresowane problematyką sztucznej inteligencji oraz analizą danych biznesowych. W szczególności należą do nich: 

  • absolwenci studiów wyższych, którzy chcą poznać aktualne trendy rozwoju sztucznej inteligencji związanej z przetwarzaniem i analizą danych;
  • kadra kierownicza poszukująca rozwiązań informatycznych ukierunkowanych na poprawę konkurencyjności organizacji;
  • praktycy zawodowi szukający obszarów poszerzenia swoich kompetencji zawodowych;
  • osoby chcące zdobyć umiejętności programistyczne;
  • osoby zawodowo związane z branżą IT jak i specjaliści z innych dziedzin, którzy pragną poszerzyć swoją wiedzę w kierunku zagadnień związanych uczeniem maszynowym i data science.

KORZYŚCI

Główną korzyścią osiągniętą z uczestnictwa w zajęciach jest możliwość poznania różnorodnych rozwiązań informatycznych do analizy danych z zastosowaniem algorytmów uczenia maszynowego. W trakcie trwania studiów 56 godzin stanowią wykłady, natomiast 104 godziny przeznaczone są na laboratoria komputerowe.

W szczególności tematyka studiów umożliwia: 

  • zdobycie praktycznych umiejętności programowania w języku Python;
  • poznanie narzędzi do przetwarzania, analizy oraz wizualizacji danych;
  • zaznajomienie się z tematyką sztucznej inteligencji oraz poznanie algorytmów uczenia maszynowego i ich zastosowania do rozwiązywania złożonych problemów analitycznych;
  • zapoznanie się z koncepcją i zastosowaniem relacyjnych baz danych, hurtowni danych, poznanie narzędzi ETL oraz języka SQL;
  • poznanie praktycznych zastosowań technologii chmurowych.