Studia podyplomowe: analiza i inżynieria danych - data science

Celem studiów jest zapoznanie słuchaczy z najbardziej popularnymi technikami, algorytmami, narzędziami i oprogramowaniem stosowanym w Data Science oraz w Big Data.

115 godz.dyd. w semestrze zimowym, 100 godz.dyd. w semestrze letnim* , 9 godz.dyd. walidacji (godzina dydaktyczna = 45 minut).

Forma wszystkich zajęć: ćwiczenia komputerowe. Przerwy nie wliczają się w liczbę godzin usługi.

Na zakończenie absolwent otrzymuje świadectwo ukończenia studiów podyplomowych oraz jako załącznik zaświadczenie zawierające: opis efektów uczenia się, informację o przeprowadzeniu walidacji w oparciu o zdefiniowane w efektach uczenia się kryteria ich weryfikacji, informację o rozdzieleniu procesu kształcenia od walidacji oraz nazwisko osoby przeprowadzającej walidację studiów.

Zjazdy sobotnio-niedzielne online w czasie rzeczywistym na platformie Google Workspace.

===================

WALIDACJA:

Czas walidacji wskazany w harmonogramie dotyczy 1 uczestnika.

Walidacja w formie "Analiza dowodów i deklaracji" dotyczy każdego przedmiotu osobno po zakończeniu jego realizacji i jest sprawdzeniem mini-projektów przesyłanych do walidatora. Walidacja odbędzie się w terminie od 01.03.2026 do 29.04.2026 Terminy walidacji dostępne będą u osoby nadzorującej usługę po stronie dostawcy usługi (Kierownika studiów podyplomowych).

===================

Program studiów zawiera komponent kompetencji cyfrowych.

===================

RAMOWY PROGRAM USŁUGI:

Wprowadzenie do data science (dr inż. Krzysztof Ropiak)

Instalacja i konfiguracja środowiska pracy.

Podstawowe elementy języka programowania: organizacja kodu, podstawowe typy danych, instrukcje warunkowe, pętle.

Organizacja kodu: funkcje, moduły, pakiety oraz dokumentacja kodu.

Obsługa narzędzia Jupyter Notebook.

Podstawowe wykorzystanie pakietów pandas, matplotlib oraz seaborn w środowisku Jupyter Notebook.

Język znaczników Markdown.

Wykorzystanie systemu kontroli wersji Git.

Wizualizacja danych i techniki data mining (dr Piotr Jastrzębski)

Podstawowe metody statystyczne.

Wczytywanie danych z różnych źródeł.

Wybrane techniki data mining.

Analiza sygnałów i szeregów czasowych

Podstawowe metody regresji liniowej i nieliniowej oraz prognozowania szeregów czasowych.

Przetwarzanie danych tekstowych: normalizacja i wektoryzacji.

Przetwarzanie zbiorów - zmiany formatu, brakujące wartości, przekształcanie itp.

Eksploracja danych - filtrowanie, sortowanie, agregacja (biblioteki numpy, pandas).

Wizualizacja danych - przegląd najpopularniejszych bibliotek (matplotlib, seaborn, plotly, bokeh, altair).

Systemy baz danych (dr Paweł Drozda)

Relacyjne bazy danych - język SQL.

Nierelacyjne bazy danych – Cassandra.

Integracja Python z bazami danych.

Programowanie baz danych PL/SQL.

Podstawy pakietu R (mgr inż. Marek Panfiłow)

Instalacja środowiska.

Podstawowe elementy konstrukcyjne języka.

Podstawowe funkcje i ich tworzenie.

Instrukcje sterujące.

Import/eksport danych.

Wizualizacja danych.

Power BI (mgr inż. Karol Wieszczycki)

Importowanie i transformacja danych.

Praca z modelem danych.

Wizualizacja danych.

Raportowanie.

Zaawansowane programowanie w języku Python (dr Piotr Jastrzębski)

Programowanie zorientowane obiektowo.

Moduły i pakiety.

Obsługa plików.

Dekoratory.

Wyrażenia lambda.

Usuwanie błędów, testowanie.

Wyrażenia regularne.

Metody i techniki sztucznej inteligencji (mgr inż. Aleksandra Szpakowska)

Uczenie nadzorowane i regresja liniowa.

Statystyki Bayesowskie.

Drzewa decyzyjne.

Uczenie nienadzorowane.

Sieci neuronowe.

Modele generatywne i autokodery.

Algorytmy i metody uczenia modeli głębokich.

Wybrane problemy klasyfikacji, detekcji, regresji.

Analiza danych w praktyce (mgr inż. Marek Panfiłow)

Realizacja zadań praktycznych.

Doskonalenie techniki prezentacji przeprowadzonej analizy.

Inżynieria big data (dr inż. Krzysztof Ropiak)

Wprowadzenie do inżynierii danych.

Platforma Apache Hadoop.

Podstawy Apache Spark.

Batchowe i strumieniowe przetwarzanie danych.

Budowa przepływów danych z użyciem Apache Airflow.

Przetwarzanie danych w chmurze obliczeniowej.

Infrastruktura big data.

materiały dydaktyczne udostępniane w postaci elektronicznej:

- skrypty z opisem teorii

- prezentacje w formie slajdów

- zadania z rozwiązaniami

- kody skryptów w językach programowania

Warunkiem ubiegania się o przyjęcia na studia podyplomowe jest posiadanie dyplomu ukończenia studiów co najmniej pierwszego stopnia dowolnego kierunku.

==========

Usługa rozwojowa nie jest świadczona przez podmiot pełniący funkcję Operatora lub Partnera Operatora w danym projekcie PSF lub w którymkolwiek Regionalnym Programie lub FERS albo przez podmiot powiązany z Operatorem lub Partnerem kapitałowo lub osobowo.

Cena usługi nie obejmuje kosztów niezwiązanych bezpośrednio z usługa rozwojową, w szczególności kosztów środków trwałych przekazywanych Uczestnikom/-czkom projektu, kosztów dojazdu i zakwaterowania

115 godz.dyd. w sem. zimowym, 100 godz.dyd. w sem. letnim*, 9 godz.dyd. walidacji

*godz. dyd. = 45 minut. Przerwy nie są wliczane w czas trwania usługi.

Zawarto umowę z WUP w Toruniu w ramach Projektu Kierunek-Rozwój

Usługa adresowana również do uczestników projektu "Małopolski pociąg do kariery - sezon 1" i projektu "Nowy Start w Małopolsce z EURESem"

WALIDACJA:

Czas walidacji wskazany w harmonogramie dotyczy 1 uczestnika.

Walidacja w formie "Analiza dowodów i deklaracji" dotyczy każdego przedmiotu osobno po zakończeniu jego realizacji i jest sprawdzeniem mini-projektów przesyłanych do walidatora. Walidacja odbędzie się w terminie od 01.03.2026 do 29.04.2026 Terminy walidacji dostępne będą u osoby nadzorującej usługę po stronie dostawcy usługi (Kierownika studiów podypl.).

=

Usługa jest rejestrowana na potrzeby usługodawcy i uczestnika usł. jak również na potrzeby monitoringu, kontroli oraz w celu utrwalenia efektów uczenia się

Wymagana frekwencja na zajęciach min 80%

1. platforma / rodzaj komunikatora, za pośrednictwem której prowadzona będzie usługa

Przeglądarka internetowa Chrome lub Firefox w aktualnych wersjach dostępnych na stronach internetowych producenta / pakiet Google Workspace (Hangouts Meet)

1. minimalne wymagania sprzętowe, jakie musi spełniać komputer Uczestnika lub inne urządzenie do zdalnej komunikacji,

Parametry sprzętowe umożliwiające płynne działanie systemu operacyjnego mininalnie 4GB pamięci RAM, procesor intel core i3 lub odpowiednik. System operacyjny Windows 8.1 lub wyższy, MacOS i Linux w aktualny wersjach.

Komputer Uczestnika musi posiadać lub mieć podłączone sprawny mikrofon i kamerę. Uczestnik spotkania zobowiązany jest do wcześniejszej weryfikacji sprawności oraz konfiguracji mikrofonu i kamery.

c)minimalne wymagania dotyczące parametrów łącza sieciowego, jakim musi dysponować Uczestnik,

10 Mb/s – minimalna prędkość internetu

d) niezbędne oprogramowanie umożliwiające Uczestnikom dostęp do prezentowanych treści i materiałów,

System operacyjny Windows 7/8/10 w przypadku PC/laptopów, Android w wersji 5.0 w przypadku tabletów,

System operacyjny, przeglądarka internetowa, przeglądarka plików PDF oraz zgodnie z pkt 1 oraz łącze internetowe o parametrach opisanych w pkt 3

R for windows

RStudio Desktop Open Source License

Notepad++

JAVA JDK

Pycharm

Powerbi desktop

Pyscripter/spider,

biblioteki do analizy danych

Git SCM

Mongo DB

VirtualBox

SQL Developer

Putty

XAMPP

Cassandra

Python (pakiety numpy, scipy, pandas, matplotlib, statsmodels, MySQLdb, psycopg2, os, xlsxwriter, cassandra)

Microsoft Office / Libre Office

e)okres ważności linku umożliwiającego uczestnictwo w spotkaniu on-line.

W okresie trwania szkolenia. Materiały związane z przygotowaniem środowiska do szkolenia będą dostępne bez ograniczeń czasowych.

Podstawą do rozliczenia usługi, jest wygenerowanie z systemu raportu, umożliwiającego identyfikację wszystkich uczestników oraz zastosowanego narzędzia.