Data Science i Big Data w Zarządzaniu 

PROGRAM STUDIÓW 

WPROWADZENIE DO BIG DATA I DATA SCIENCE

Czym jest Big Data?
Geneza i historia Big Data
Strony w projektach Big Data
Problemy Big Data
Typy przetwarzania Big Data
Wstęp do architektury
Przegląd technologii

STATYSTYKA
PODEJMOWANIE DECYZJI W OPARCIU O DANE: METODY

Podstawy analizy danych
Akwizycja danych
Dobór danych i jakość danych
Analiza danych - narzędzia
Uczenie maszynowe - metody i narzędzia
Analiza danych - proces i etapy
Ewaluacja modeli, prezentacja wyników
Uczenie maszynowe a klasyczne wnioskowanie statystyczne

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

 

Kluczowe cechy projektów z obszaru Data Science
Struktura projektu Data Science
Rola Data Science Managera
Miejsce zespołu  Data Science w organizacji
Metoda eksperymentalna, losowość, testy A/B
Wnioskowanie przyczynowe
Strategie zarządzania jakością danych Narzędzia wizualizacji na przykładzie tableau

BigData - STRATEGIA, WDROŻENIE, TRANSFORMACJA PRZEDSIĘBIORSTWA

 

Jak przygotować firmę do wprowadzenia rozwiązań Big Data
Jakie problemy można napotkać przy wdrożeniu i jak je opanować?
Wyliczanie kosztów – jak wprowadzić rozwiązanie, którego koszt nie przekroczy wartości zasług?
Zespół Big Data - zasoby, kompetencje i miejsce w organizacji
Zarządzanie danymi
Polityka jakości danych
Rozwiązania i platformy technologiczne Big Data
Rozwiązania szyte na miarę – jak uniknąć rozwiązań, które nie sprostają wymaganiom?
Rozwiązania w modelu klasycznym
Rozwiązania dostępne w chmurze
Zastosowania oprogramowania Open Source

INFRASTRUKTURA BigData I ZARZĄDZANIE DANYMI
Budowa systemów do przetwarzania dużych zbiorów danych
Planowanie infrastruktury
Architektura lambda
Skalowalność systemów
Przechowywanie danych
SQL i NoSQL w świecie Big Data
Modelowanie danych
Sposoby przetwarzania danych
Zastosowania czasu rzeczywistego
Przetwarzanie strumieniowe danych
Integracja systemów
PYTHON W ANALIZIE DANYCH
Środowisko pracy
Podstawy programowania w języku Python
Korzystanie z dostępnych bibliotek
Przetwarzanie i analiza danych
Praca z różnymi źródłami danych (Excel, bazy danych SQL)
Podstawy uczenia maszynowego w języku Python
ZAGADNIENIA BEZPIECZEŃSTW 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: 216 *  

(razem z zaliczeniami).

* jedna godzina dydaktyczna= 45 minut

ORGANIZACJA ZAJĘĆ 

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

  • sobota 8.45 – 15.45
  • niedziela 8.45 – 15.45

 

TERMINY ZAJĘĆ 

Planowane terminy zjazdów dla nowej edycji (semestr I):

  • 05-06.10.2019
  • 16-17.11.2019
  • 30.11-01.12.2019
  • 14-15.12.2019
  • 18-19.01.2020
  • 01-02.02.2020
  • 22-23.02.2020


      Kontakt:
      Monika Żochowska

      Doradca edukacyjny

      • +48 (22) 519 23 34