Wesprzyj Fundację Rozwoju
Strona główna
data science, studia podyplomowe big data, business intelligence studia podyplomowe, analiza danych studia podyplomowe

Data Science i Big Data w zarządzaniu

Poziom
Studia podyplomowe
Czas trwania
1 rok
Język
PL
Uzyskany tytuł
Świadectwo ukończenia studiów podyplomowych
Tryb
W weekend

O kierunku

Celem studiów jest dostarczenie kadrze menedżerskiej:

  • holistycznego spojrzenia na całość zagadnień związanych z big data i data science
  • praktycznych kompetencji w wykorzystaniu ich w kierowaniu działem lub przedsiębiorstwem
  • a w szczególności wiedzy w zakresie specyfiki dużych danych, integracji i gromadzenia danych z różnych źródeł oraz architektury rozwiązań klasy big data

Atuty kierunku

1
Konkretne umiejętności

W ramach każdego przedmiotu rozwijane jest spektrum umiejętności: od tych związanych z rozumieniem analizy danych przez kompetencje projektowe po umiejętności myślenia w kategoriach strategicznych. Podsumowaniem wykorzystania tych umiejętności jest praca dyplomowa.

2
Big data i data science

Program przygotowany przez zespół praktyków, wywodzących się z biznesu, odzwierciedla aktualne trendy w obszarze big data i data science. 

3
Unikatowość

Jedyne studia dla menedżerów łączące zrozumienie tematyki związanej z rozwiązaniami DS i BD oraz praktyczne know-how, jak przeprowadzać transformację w zarządzaniu opartym o nowoczesne rozwiązania technologiczne.

4
Praktyka przed teorią

Prezentujemy rozwiązania biznesowe, przekazujemy dobre praktyki oraz przykłady ich zastosowań w organizacjach – program studiów i dobór tematyki zbudowany na podstawie doświadczeń wyniesionych z biznesu.

5
Zajęcia z praktykami

Wszyscy wykładowcy poza doświadczeniem akademickim na co dzień związani są z projektami komercyjnymi. To połączenie daje dostęp do eksperckiej wiedzy i praktycznego know-how.

Partner merytoryczny

Strefa wiedzy

Autor: Jakub Nowacki, Senior AI & Big Data Engineer, wykładowca na kierunku data science i big data w zarządzaniu

Adresaci i adresatki studiów

Studia szczególnie polecamy: 

Średniej i wyższej kadrze menedżerskiej z co najmniej 3-letnim łącznym stażem zawodowym, pełniącej swoje funkcje m.in. (ale nie wyłącznie) w obszarach:

  • marketingu
  • finansów
  • IT
  • zarządzania łańcuchem produkcji
  • HR
  • zarządzania strategicznego
Illustration

Obejrzyj krótki film o kierunku

Kierownik studiów

mgr inż. Marcin Choiński

Pasjonat danych, zarządzania nimi, rozwijania kultury orgnizacyjnej w oparciu o dane oraz budowania na nich wartości biznesowej. Posiada kilkunastoletnie doświadczenie w tworzeniu i wdrażaniu rozwiązań w obszarze data management i data governance.

Absolwent Wydziału Elektroniki i Technik Informacyjnych Politechniki Warszawskiej. Od początku kariery zajmował się hurtowniami danych i BI, a następnie również MDM, big data, data science oraz analityką biznesową. Pracował jako konsultant m.in. dla globalnych i regionalnych korporacji z branży farmaceutycznej, telekomunikacyjnej i handlowej. Obecnie w TVN S.A. odpowiedzialny za budowę i wdrażanie strategii danych oraz rozwój ekosystemu analitycznego big data i data science. Uprzednio również założyciel i redaktor naczelny portalu BI.PL, gościnnie wykładowca na kilku warszawskich uczelniach, trener, główny analityk danych w zespole futbolu amerykańskiego Warsaw Eagles. Hobbystycznie buduje modele analityczne w obszarze sportu albo wędkuje. 

Korzyści dla uczestniczek i uczestników studiów - co zyskujesz

DZIĘKI UDZIAŁOWI W STUDIACH PODYPLOMOWYCH

Uczestnicy zdobędą wiedzę na temat analizy danych w oparciu o zaawansowane metody data science, a także umiejętności ich wykorzystywania w podejmowaniu skuteczniejszych decyzji biznesowych. Poznają także konkretne narzędzia BI i wizualizacji danych. Uczestnicy dowiedzą się, jak zaplanować i skutecznie zrealizować transformację przedsiębiorstwa w przedsiębiorstwo oparte na danych (data-driven business), a także jak zorganizować i zarządzać niezbędną infrastrukturą. DZIĘKI TEMU ZDOBĘDZIESZ KOMPETENCJE, ABY:

  • skutecznie prowadzić projekty o charakterze big data i data science 

  • skutecznie przeprowadzić transformację przedsiębiorstwa/działu w stronę przedsiębiorstwa opartego o analizę danych 

  • organizować i zarządzać infrastrukturą big data i data science 

  • wykorzystać wyniki analizy danych w zarządzaniu przedsiębiorstwem 

W TRAKCIE STUDIÓW POZNASZ: 

  • w jaki sposób big data i data science zmieniają współczesne organizacje 

  • metody statystyczne i ich zastosowania w analizie danych 

  • zastosowanie metod data science w analizie danych, proces analizy danych, jego etapy 

  • różnice w podejściach opartych na statystyce i na metodach uczenia maszynowego 

  • sposoby konstrukcji zespołów data science/ big data, ich relacje do innych zespołów i rolę menedżera w zespole data science 

  • kryteria sukcesu projektu data science/ big data 

  • strategie zarządzania danymi oraz zagrożenia związane z ich bezpieczeństwem 

  • wybrane dostępne na rynku narzędzia do wizualizacji danych i narzędzia business intelligence i ich zastosowanie w przedsiębiorstwie 

  • rozwiązania i platformy technologiczne związane z big data 

PO STUDIACH UCZESTNICY BĘDĄ UMIELI: 

  • konstruować i mierzyć modele 

  • rozpoznawać, czy na podstawie zestawu danych można uzyskać odpowiedź na zadane pytanie 

  • posługiwać się narzędziami do analizy danych 

  • posługiwać się wybranymi narzędziami do wizualizacji danych i narzędziami business intelligence 

  • zaprezentować wyniki analizy danych 

  • szacować koszty związane z realizacja projektu big data i utrzymaniu infrastruktury big data 

  • ustanowić politykę bezpieczeństwa danych 

  • ustanowić politykę zarządzania danymi 

Program

WPROWADZENIE DO BIG DATA I DATA SCIENCE

  • Wprowadzenia do tematyki wdrażania i realizacji projektów big data/ data science w organizacji
  • Wprowadzenie do tematyki analizy danych (data science) i uczenia maszynowego (machine learning) w przedsiębiorstwie
  • Wprowadzenie do technologii analizy dużych danych (big data) w przedsiębiorstwie

STATYSTYKA

  • Metody opisu struktury zbiorowości jednowymiarowych  
  • Metody losowego i nielosowego doboru próby 
  • Zmienna losowa  
  • Teoria estymacji  
  • Testowanie hipotez statystycznych  
  • Metody analizy współzależności zjawisk  
  • Funkcja regresji liniowej 
  • Funkcja regresji logistycznej

PODEJMOWANIE DECYZJI W OPARCIU O DANE: METODY

  • Sztuczna inteligencja (AI) vs machine learning 
  • Przygotowanie danych – analiza zmiennych, analiza braków danych, feature engineering 
  • Overfitting vs underfitting oraz bias-variance trade-off – o co chodzi i jak temu zaradzić? 
  • Przekleństwo wielowymiarowości (curse of dimensionality) – skąd się to bierze, dlaczego jest to problem i jak go zminimalizować? 
  • Modele nadzorowane – wprowadzenie do różnych klas modeli, porównanie ich użyteczności do różnych zagadnień, wady, zalety, przykłady użycia 
  • Tuning i interpretowalność modeli 
  • Ewaluacja modeli – wyjaśnienie, czym i po co są zbiory treningowy, walidacyjny, testowy, do czego służy walidacja krzyżowa (cross-validation) oraz jak oceniać modele 
  • Modele nienadzorowane – wprowadzenie do różnych klas modeli, porównanie ich użyteczności do różnych zagadnień, wady, zalety, przykłady użycia 
  • Metody redukcji wymiarów i reprezentacji danych 
  • Text mining – klasyczne podejście, z czym to się je, co to jest NLP, dlaczego język naturalny jest taki trudny dla „maszyny”? 
  • Wprowadzenie do deep learning – co w nim takiego wyjątkowego, przykłady użycia, nowe problemy, nowa struktura projektu, omówienie krótko różnych architektur typu CNN, RNN i ich odmian 
  • Deep learning w NLP – co się zmieniło względem podejścia klasycznego 
  • Wizja komputerowa (computer vision) z wykorzystaniem deep learningu – case study, jak zbudować prostą wyszukiwarkę/ rekomender podobnych obrazów 

PODEJMOWANIE DECYZJI W OPARCIU O DANE: NARZĘDZIA WIZUALIZACJI I BUSINESS INTELLIGENCE

  • Podstawy hurtowni danych 
  • Wizualizacja danych 
  • Charakterystyka narzędzi BI 
  • Cechy wyróżniające wybrane narzędzia BI 

WARSZTAT POWER BI:

  • Wprowadzenie do usług i oprogramowania desktopowego 
  • [Warsztat Power BI] Pobieranie danych z plików, lokalnych baz danych oraz usług chmurowych 
  • [Warsztat Power BI] Transformacje danych 
  • [Warsztat Power BI] Model raportowy 
  • [Warsztat Power BI] Tworzenie raportów i kokpitów 
  • [Warsztat Power BI] Rozwiązania hybrydowe (dane w serwerowni, raport w chmurze) 
  • [Warsztat Power BI] Skalowanie, integracja z usługami Azure, narzędzia dodatkowe 

BIG DATA – STRATEGIA, WDROŻENIE, TRANSFORMACJA PRZEDSIĘBIORSTWA

  • Podstawowe pojęcia i definicje w obszarze 
  • Rola danych jako strategicznego zasobu organizacji 
  • Rola i wyzwania dla CDO 
  • Metodyka strategicznego podejścia do zarządzania danymi 
  • Definiowanie i wdrażanie strategii danych 
  • Wielowymiarowa perspektywa data management/ data governance w organizacji
  • Modele oceny zaawansowania analitycznego organizacji 
  • Modele oceny dojrzałości data management/ data governance 
  • Wprowadzenie do DAMA oraz innych frameworków data management/ data governance 
  • Architektury danych oraz modelowanie danych 
  • Metodyka zarządzania i realizacji projektów i programów w obszarze danych 
  • Charakterystyka rozwiązań hurtowni danych/BI, data lake, big data i data science 
  • Struktura organizacyjna oraz kluczowe role w obszarze data management 
  • Zarządzanie zmianą kulturową w obszarze danych w organizacji 
  • Rozwiązania dostępne w chmurze 
  • Zastosowania oprogramowania open source 

INFRASTRUKTURA BIG DATA I ZARZĄDZANIE DANYMI

  • Budowa systemów do przetwarzania dużych zbiorów danych 
  • Planowanie infrastruktury 
  • Architektura lambda i kappa 
  • Skalowalność systemów 
  • Przechowywanie danych 
  • SQL i NoSQL w świecie big data 
  • Modelowanie danych 
  • Sposoby przetwarzania danych 
  • Zastosowania czasu rzeczywistego 
  • Przetwarzanie strumieniowe danych 
  • Integracja systemów 
  • Przetwarzanie i składowanie danych w chmurze publicznej 
  • Strategia multicloud 
  • Integracja środowiska on premise z środowiskiem chmury publicznej 
  • Rozwiązania chmurowe niezależne od dostawcy infrastruktury 

PYTHON W ANALIZIE DANYCH

  • Środowisko pracy i wprowadzenie do programowania 
  • Podstawy programowania w języku Python (w tym: typy danych, instrukcje sterujące funkcje) 
  • Przetwarzanie danych tabelarycznych w bibliotece pandas (selekcja danych względem zadanych kryteriów, transformacje danych, agregowanie) 
  • Wczytywanie i zapis danych w formatach typowych dla programu Excel
  • Podstawowe instrukcje do wizualizacji danych 
  • Połączenie z bazą danych SQL z poziomu Python
  • Wykorzystanie uczenia maszynowego w języku Python (uczenie i ewaluacja modelu predykcyjnego)
  • Zapisywanie, wczytywanie i zastosowanie zbudowanych modeli

ZAGADNIENIA BEZPIECZEŃSTWA DANYCH

  • Podstawowe usługi ochrony informacji 
  • Wybrane techniki ochrony informacji 
  • Podstawy prawne ochrony informacji 
  • Modele bezpieczeństwa systemów 
  • Polityka bezpieczeństwa 
  • Metody oceny bezpieczeństwa systemów 
  • Ochrona informacji w bazach danych 
  • Przetwarzanie danych osobowych i wrażliwych 
  • Blockchain jako rozproszona baza danych 

STUDIUM PRZYPADKU  SEMINARIUM PROJEKTOWE 

Całkowita liczba godzin dydaktycznych: 218, razem z zaliczeniami ( jedna godzina dydaktyczna = 45 minut)

GroupOfPeopleIllustration

Organizacja zajęć

Studia trwają dwa semestry. Zajęcia odbywają się raz lub dwa razy w miesiącu, w sesjach dwudniowych w: 

  • soboty – 8:45-15:45  

  • niedziele – 8:45-15:45 

Studia realizowane są w sposób hybrydowy (część zjazdów odbywa się stacjonarnie w ALK, pozostałe zajęcia są realizowane online).

Terminy zjazdów w I semestrze:

  • 19-20.10.2024
  • 16-17.11.2024
  • 30.11-1.12.2024 – online
  • 14-15.12.2024 – online
  • 18-19.01.2025
  • 8-9.02.2025
  • 22-23.02.2025 – online

Społeczność

Wiodący wykładowcy

Hubert Kobierzewski

Pracuje w firmie Cogit jako BI Practice Lead, w której pomaga klientom zebrać ich dane oraz przekonwertować je w wartościowe informacje. Od lat związany z tematyką szeroko rozumianych rozwiązań business intelligence – od integracji, jakości danych, hurtowni danych, po zaawansowane systemy analityczne i raportowe. Realizował projekty dla wielu firm w Polsce, Irlandii, UK czy Szwajcarii. Poza pracą prowadzi dwie grupy społecznościowe: warszawski oddział Data Community Poland oraz Warsaw Power BI User Group.

dr Jakub Nowacki

Absolwent Politechniki Gdańskiej oraz Uniwersytetu Bristolskiego, gdzie obronił doktorat z matematyki stosowanej. Na co dzień łączy umiejętności analityczne i programistyczne jako Data Scientist. Doświadczenie zdobywał oraz prowadził zespoły w działach badań i rozwoju w wielu firmach w branży wysokich technologii, mediów, farmaceutycznych oraz petrochemicznych. Najbardziej interesuje się rozproszonym przetwarzaniem i analizą dużych zbiorów danych, wspomagające decyzje w biznesie i w badaniach oraz automatyzujące procesy w przedsiębiorstwach. Pracował zarówno z technologiami dojrzałymi, jak i nie boi się wyzwań w pracy z najnowszymi rozwiązaniami. Zwolennik pragmatycznego użycia technologii w biznesie. Prelegent na wielu konferencjach poświęconych tematyce big data. Trener szkoleń technologicznych z zakresu big data współpracujący z Sages. Lead Data Scientist w firmie Sigdelta. Od 2016 roku dzieli się zdobytą wiedzą jako wykładowca na pierwszych w Polsce technicznych studiach big data realizowanych przez firmę Sages oraz Politechnikę Warszawską. 

dr Piotr Nazimek

Absolwent Wydziału Elektroniki i Technik Informacyjnych Politechniki Warszawskiej, gdzie w 2012 roku obronił doktorat z obszaru niezawodności systemów komputerowych. Zakres jego zainteresowań obejmuje szeroko pojęte bezpieczeństwo oraz inżynierię oprogramowania. Zajmuje się projektowaniem, implementacją oraz weryfikacją zabezpieczeń, głównie w projektach systemów transportowych i kontroli dostępu. Prowadzi szkolenia z zakresu praktycznego stosowania kryptografii w systemach komputerowych. Od 2016 roku jest wykładowcą na pierwszych w Polsce technicznych studiach big data realizowanych przez firmę Sages oraz Politechnikę Warszawską. 

W. Gawronski
Wojciech Gawroński

Współzałożyciel firmy Pattern Match, gdzie pracuje jako architekt systemów IT opartych o rozwiązania chmurowe. Specjalista od chmury Amazon Web Services (8 certyfikatów, pracuje z nią od 2015 roku), uhonorowany tytułem AWS Community Builder. Na co dzień pracuje z klientami z Polski, Europy Zachodniej (Niemcy, Wielka Brytania, Francja i Holandia) i Stanów Zjednoczonych przy wdrożeniach rozwiązań opartych o rozwiązania chmury publicznej, prywatnej i hybrydowej. Programista i architekt systemów rozproszonych z 12-letnim doświadczeniem (Erlang, Java, Python). Absolwent Politechniki Śląskiej oraz studiów podyplomowych Wyższej Szkoły Bankowej w Poznaniu na kierunku Lean Management.

 

Paweł Jamer

Menedżer zespołów zaawansowanej analityki (data science, artificial intelligence, machine learning), trener data science i computer science oraz wykładowca. W swojej prawie 15-letniej karierze zawodowej realizował projekty z obszaru zaawansowanej analityki dla branży finansowej, HoReCa, energetycznej oraz IT. Miał również okazję uczestniczyć w projektach naukowych dotyczących NLP, computer vision oraz modelowania rynków finansowych. Jako osoba wiecznie głodna wiedzy studiował dotychczas matematykę, data science, informatykę, ekonomię, zarządzanie oraz finanse, jak też uczestniczył w wielu szkoleniach menedżerskich i technicznych. Doświadczenia jako prelegent oraz trener zbiera od przeszło 10 lat, podczas prezentacji biznesowych i naukowych, prowadzenia zajęć akademickich, szkoleń dla biznesu oraz konferencji.

Dawid Detko

Ekspert w dziedzinie zaawansowanej analityki danych, budowy nowoczesnych platform danych oraz sztucznej inteligencji. Przez cztery lata wyróżniany prestiżowym tytułem Microsoft Most Valuable Professional (MVP) w kategorii Data Platform. Obecnie kieruje dynamicznie rozwijającą się organizacją Onex Group, która dostarcza innowacyjne rozwiązania biznesowe oparte na technologiach Microsoft.
W swoim portfolio posiada międzynarodowe wdrożenia projektów obejmujących innowacyjne aplikacje, które rewolucjonizują sposób działania firm, oraz doradztwo w zakresie strategii danych i sztucznej inteligencji. Jego projekty charakteryzują się wysoką efektywnością i nowatorskim podejściem do wdrożeń, co przynosi wymierne korzyści biznesowe.
Aktywnie dzieli się swoją wiedzą i doświadczeniem z uczestnikami studiów w Akademii Leona Koźmińskiego oraz na Politechnice Warszawskiej. Jego wykłady są oparte na rzeczywistych scenariuszach biznesowych, które realizował w swojej karierze zawodowej, co sprawia, że są niezwykle praktyczne i inspirujące.
Jest również prelegentem na międzynarodowych konferencjach, gdzie dzieli się swoimi spostrzeżeniami na temat przyszłości analityki danych i sztucznej inteligencji. Jego pasja do technologii i innowacji sprawia, że jest cenionym ekspertem i mentorem w branży.

Zasady naboru

O przyjęciu decyduje kolejność zgłoszeń. 

XII edycja studiów – rekrutacja trwa do 15 lutego 2025 roku. Planowany termin rozpoczęcia studiów to marzec 2025 roku.

Warunkiem ukończenia studiów jest zaliczenie 5 przedmiotów: 1) statystyka, 2) podejmowanie decyzji w oparciu o dane: metody, 3) infrastruktura big data i zarządzanie danymi, 4) Python w analizie danych, 5) zagadnienia bezpieczeństwa danych oraz napisanie i obrona pracy końcowej indywidualnej.

W ramach projektu słuchacz przedstawia case organizacji, która ma do zrealizowania strategiczny cel biznesowy. Realizacja celu wymaga wykorzystania kompetencji z obszaru danych i analityki, których w danym momencie organizacja nie posiada. Celem może być eliminacja istniejących problemów (optymalizacja działania operacyjnego) albo innowacja.

Słuchacz, wykorzystując zdobytą w ramach studiów wiedzę, ma za zadanie przedstawić kompleksową i wielowymiarową analizę sytuacji organizacji oraz zaplanować jej transformację. Powinien wykazać się zarówno podejściem holistycznym do analizy problemu, zdefiniowaniem odpowiedniej strategii danych wspierającej postawiony cel strategiczny, jak i szczegółowym zaplanowaniem jej wdrożenia, transformacji organizacji oraz zaprojektowaniem konkretnych rozwiązań do implementacji (modele predykcyjne, analizy, raporty, wizualizacje itp.).

  • Odpis dyplomu ukończenia studiów wyższych (tytuł zawodowy: licencjat, inżynier, lekarz, magister)** 

  • Zdjęcie elektroniczne w formacie JPG 

  • Oryginał dokumentu tożsamości do wglądu 

  • Kopia dowodu wpłaty wpisowego 

  • CV 

** W przypadku kandydatów posiadających dyplom zagraniczny prosimy o dostarczenie dyplomu oraz suplementu (transcript of records) wraz z oficjalnym tłumaczeniem na język angielski.

1
Uzyskanie podstawowych informacji

Prosimy o zapoznanie się z opisem interesującego Was kierunku i sprawdzenie zasad naboru.

2
Rejestracja

Pierwszą czynnością w procesie rekrutacji jest wypełnienie formularza zgłoszeniowego, który dostępny jest na stronie internetowej uczelni.

3
Opłata rekrutacyjna

Opłatę rekrutacyjną należy uiścić na konto uczelni lub skorzystać z funkcji płatności.pl podczas wypełniania formularza zgłoszeniowego.

Agnieszka_Szczepanczyk_ALK
Masz pytania? Zapraszamy do kontaktu
Agnieszka Szczepańczyk

Opłaty

Oferowane zniżki (zniżka dla absolwentów, zniżka za jednorazową płatność i ewentualne dodatkowe zniżki) nie kumulują się.

Tabela opłat
Wpisowe 250 zł
Cena podstawowa (możliwość płatności w dwóch ratach po 7 300 zł każda) 14 600 zł
Cena ze zniżką dla absolwentów ALK (możliwość płatności w dwóch ratach po 6 570 zł każda) 13 140 zł
Cena ze zniżką za jednorazową płatność 14 100 zł

Konto bankowe, na które można dokonywać wpłaty wpisowego:  Akademia Leona Koźmińskiego   03-301 Warszawa, ul. Jagiellońska 57/59   BANK PEKAO SA w Warszawie 20 1240 1024 1111 0010 1646 0637  

Opłaty za studia wnoszone są na indywidualny numer konta, podawany po zakończeniu rekrutacji. 

Osoby zainteresowane otrzymaniem faktury proszone są o kontakt z Panią Agnieszką Fabiańską: agaf@kozminski.edu.pl

Uprzejmie informujemy, że w przypadku zbyt małej liczby kandydatów grupa może nie zostać uruchomiona.