| Program | Wydział | Rok akademicki | Stopień |
|---|---|---|---|
| Inżynieria i Analiza Danych | Wydział Matematyki i Nauk Informacyjnych | 2019/2020 | mgr |
| Rodzaj | Kierunek | Koordynator ECTS | |
| Stacjonarne | Inżynieria i Analiza Danych | . |
Cele:
Celem studiów drugiego stopnia na kierunki Inżynieria i Analiza Danych zdobycie przez studenta wszechstronnej wiedzy i umiejętności informatycznych oraz analitycznych. Absolwent jest przygotowany do poszerzania wiedzy i rozwoju kompetencji w szybko zmieniającej się rzeczywistości informatycznej. Cechuje go gotowość do samodzielnego rozwiązywania problemów i praktycznego stosowania informatyki w różnorodnych dziedzinach technologicznych i społecznych, również w ramach projektów interdyscyplinarnych. Posiada dogłębną znajomość metod przetwarzania i analizy danych (ang. Data Science), w tym szczególnie metod uczenia maszynowego. Wyróżnia się zaawansowaną umiejętnością doboru i dostosowania do wymagań dziedzinowych metod analizy danych, w tym analizy danych o złożonej strukturze. Potrafi stosować istniejące metody analizy danych i rozwijać nowe zarówno dla danych przetwarzanych w klasycznych systemach, jak i dla danych o dużym wolumenie i różnorodności (ang. Big Data). Jego kompetencje są odpowiedzią na rosnące zapotrzebowanie gospodarki na specjalistów w dziedzinie analizy danych. Jest przygotowany do pracy w firmach tworzących i wykorzystujących systemy informatyczne oraz analityczne, w tym w sektorze nowoczesnych technologii, a także do pracy naukowej.
Warunki przyjęć:
https://www.bip.pw.edu.pl/var/pw/storage/original/application/5519e6f38267989408a4743d08e34b15.pdf
Efekty uczenia się
Semestr 1: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
|---|---|---|---|---|---|---|---|---|---|---|
| Wspólny | Wspólne | Bazy Danych | 4 | 15 | 0 | 30 | 0 | 0 | 45 | sylabus |
| Podstawy elektroniki | 4 | 30 | 15 | 0 | 0 | 0 | 45 | sylabus | ||
| Podstawy programowania i przetwarzania danych | 5 | 30 | 15 | 30 | 0 | 0 | 75 | sylabus | ||
| Projekt zespołowy (wykład) | 1 | 15 | 0 | 0 | 0 | 0 | 15 | sylabus | ||
| Przedmiot obieralny 1 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Przedmiot obieralny 2 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Przedmiot obieralny 3 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Systemy operacyjne w inżynierii danych | 2 | 0 | 0 | 30 | 0 | 0 | 30 | sylabus | ||
| Transmisja danych | 3 | 30 | 0 | 15 | 0 | 0 | 45 | sylabus | ||
| ∑=31 | ||||||||||
| Suma semestr: | ∑= | |||||||||
Semestr 2: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
| Wspólny | Wspólne | Metody głębokiego uczenia | 5 | 15 | 0 | 0 | 45 | 0 | 60 | sylabus |
| Metody i systemy analizy Big Data | 4 | 15 | 0 | 0 | 30 | 0 | 45 | sylabus | ||
| Przedmiot humanistyczny 1 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Przedmiot obieralny 4 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Technologie chmurowe | 5 | 30 | 0 | 30 | 0 | 0 | 60 | sylabus | ||
| Wizualizacja danych | 4 | 15 | 0 | 0 | 45 | 0 | 60 | sylabus | ||
| Zaawansowane metody uczenia maszynowego | 6 | 30 | 0 | 30 | 15 | 0 | 75 | sylabus | ||
| ∑=32 | ||||||||||
| Suma semestr: | ∑= | |||||||||
Semestr 3: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
| Wspólny | Wspólne | Fizyka matematyczna | 4 | 45 | 0 | 0 | 0 | 0 | 45 | sylabus |
| Metody optymalizacji w analizie danych | 6 | 30 | 0 | 0 | 45 | 0 | 75 | sylabus | ||
| Przedmiot obieralny 5 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Przedmiot obieralny 6 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Przetwarzanie i analiza danych tekstowych | 6 | 15 | 15 | 0 | 45 | 0 | 75 | sylabus | ||
| Seminarium dyplomowe 1 | 2 | 0 | 30 | 0 | 0 | 0 | 30 | sylabus | ||
| Zaawansowane zagadnienia matematyki (blok obieralny) | 4 | 0 | 0 | 0 | 0 | 0 | 0 | sylabus | ||
| ∑=30 | ||||||||||
| Suma semestr: | ∑= | |||||||||
Semestr 4: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
| Wspólny | Wspólne | Modelowanie i analiza sieci złożonych | 5 | 15 | 0 | 0 | 45 | 0 | 60 | sylabus |
| Przedmiot humanistyczny 2 | 3 | 0 | 0 | 0 | 0 | 0 | 30 | sylabus | ||
| Przygotowanie pracy dyplomowej | 16 | 0 | 0 | 0 | 0 | 0 | 445 | sylabus | ||
| Seminarium dyplomowe 2 | 2 | 0 | 30 | 0 | 0 | 0 | 30 | sylabus | ||
| Warsztaty Badawcze | 4 | 15 | 0 | 45 | 0 | 0 | 60 | sylabus | ||
| ∑=30 | ||||||||||
| Suma semestr: | ∑= | |||||||||
Efekty kierunkowe
Profil ogólnoakademicki - wiedza
- Efekt DS2_W01
- Absolwent zna kluczowe metody i algorytmy analizy danych Big Data.
- Efekt DS2_W02
- Absolwent zna podstawowe środowiska stosowane do analizy danych w trybie wsadowym i strumieniowym.
- Efekt DS2_W03
- Absolwent zna podstawowe metody estymacji i prognozy dla danych regresyjnych niskiego i wysokiego wymiaru.
- Efekt DS2_W04
- Absolwent zna kluczowe metody uczenia maszynowego w klasyfikacji danych o standardowej i złożonej strukturze.
- Efekt DS2_W05
- Absolwent zna narzędzia komunikacji wyników w obszarze analizy danych.
- Efekt DS2_W06
- Absolwent posiada wiedzę z fizyki współczesnej.
- Efekt DS2_W07
- Absolwent posiada wiedzę dotyczącą różnych modeli głębokich sieci neuronowych oraz algorytmów głębokiego uczenia.
- Efekt DS2_W08
- Absolwent posiada praktyczną wiedzę dotyczącą specyfiki zastosowań konkretnych architektur głębokich do rozwiązywania określonych rodzajów zadań.
- Efekt DS2_W09
- Absolwent zna metody prowadzenia projektu badawczego, w tym definiowania kamieni milowych, planowania i raportowania wyników.
- Efekt DS2_W10
- Absolwent zna techniki czytelnego i poprawnego przedstawiania danych za pomocą grafiki statycznej.
- Efekt DS2_W11
- Absolwent zna techniki tworzenia interaktywnej i eksploracyjnej prezentacji danych.
- Efekt DS2_W12
- Absolwent zna technologie rozproszone, w tym chmurowe i klastrowe oraz kluczowe aspekty konfiguracji środowisk wykorzystujących te technologie.
- Efekt DS2_W13
- Absolwent zna modele grafów i algorytmy wykorzystywane w eksploracyjnej i predykcyjnej analizie rzeczywistych sieci złożonych.
- Efekt DS2_W14
- Absolwent posiada pogłębioną wiedzę z matematyki, w tym z metod optymalizacji wykorzystywanych w uczeniu maszynowym.
- Efekt DS2_W15
- Absolwent posiada wiedzę w zakresie prowadzenia działalności gospodarczej, praw własności intelektualnej, prawa autorskiego oraz zasobów informacji patentowej.
- Efekt DS2_W16
- Absolwent ma elementarną wiedzę w zakresie elektroniki i telekomunikacji, potrzebną do zrozumienia technik cyfrowych i zasad funkcjonowania współczesnych komputerów, a także sieci bezprzewodowych
- Efekt DS2_W17
- Absolwent ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie informatyki, w tym w zakresie języków i paradygmatów programowania, komunikacji człowiek-komputer, baz danych i inżynierii oprogramowania.
- Efekt DS2_W18
- Absolwent zna podstawowe metody, techniki, narzędzia i technologie inżynierskie stosowane przy rozwiązywaniu złożonych zadań informatycznych z zakresu budowy systemów komputerowych, sieci komputerowych i technologii sieciowych.
Profil ogólnoakademicki - umiejętności
- Efekt DS2_U01
- Absolwent umie zaprojektować i wykonać komponenty stosowane do analizy danych w trybie wsadowym i strumieniowym, w tym komponenty wykorzystujące metody uczenia maszynowego.
- Efekt DS2_U02
- Absolwent umie stworzyć zintegrowany system pozyskiwania i analizy danych, wykorzystujący zarówno uniwersalne, jak i dedykowane podsystemy i komponenty.
- Efekt DS2_U03
- Absolwent umie skonstruować prognozę w problemie regresyjnym i ocenić jej skuteczność przy zadanych kryteriach.
- Efekt DS2_U04
- Absolwent umie użyć i ocenić działanie reprezentatywnych metod klasyfikacji dla danych o standardowej i złożonej strukturze.
- Efekt DS2_U05
- Absolwent potrafi zaprojektować oraz zaimplementować wybrane modele głębokich sieci neuronowych.
- Efekt DS2_U06
- Absolwent potrafi dobrać model architektury głębokiej właściwy dla rodzaju rozwiązywanego problemu oraz dokonać analizy silnych i słabych stron zaproponowanego rozwiązania.
- Efekt DS2_U07
- Absolwent potrafi przygotować zestaw wykresów statystycznych wyjaśniających naturę złożonego zjawiska.
- Efekt DS2_U08
- Absolwent potrafi przygotować interaktywną wizualizację złożonych danych.
- Efekt DS2_U09
- Absolwent potrafi dobrać rozproszoną architekturę dla złożonego systemu informatycznego, z uwzględnieniem aspektów wydajności i niezawodności.
- Efekt DS2_U10
- Absolwent potrafi skonfigurować środowiska wirtualne, w tym np. chmurowe i wykorzystać je do realizacji rozwiązania informatycznego.
- Efekt DS2_U11
- Absolwent umie dokonywać eksploracyjnej analizy danych rzeczywistych.
- Efekt DS2_U12
- Absolwent potrafi zaproponować i zweryfikować poprawność modelu teoretycznego dla danych rzeczywistych.
- Efekt DS2_U13
- Absolwent potrafi w sposób formalny opisywać modele matematyczne dotyczące przebiegu zjawisk fizycznych.
- Efekt DS2_U14
- Absolwent potrafi skonstruować prognozę na podstawie modeli szeregów czasowych oraz modeli strumieniowych.
- Efekt DS2_U15
- Absolwent potrafi przygotować dokument zawierający analizę źródeł literaturowych i przegląd stanu wiedzy we wskazanym obszarze analizy danych.
- Efekt DS2_U16
- Absolwent potrafi zaprezentować złożone zagadnienie z dziedziny analizy danych oraz metody zastosowane do jego rozwiązania, w sposób czytelny dla interdyscyplinarnego zespołu.
- Efekt DS2_U17
- Absolwent potrafi wykorzystać wiedzę matematyczną do formułowania i rozwiązywania zadań optymalizacji w analizie danych.
- Efekt DS2_U18
- Absolwent potrafi wykorzystać wiedzę matematyczną do stosowania metod numerycznych optymalizacji w analizie danych.
- Efekt DS2_U19
- Absolwent potrafi przygotować całościowe rozwiązanie postawionego zagadnienia, obejmujące pozyskanie danych, ich wstępne przetworzenie, dobór właściwych metod np. predykcyjnych i ich zastosowanie oraz krytyczną analizę uzyskanych wyników.
- Efekt DS2_U20
- Absolwent potrafi inicjować, planować i przeprowadzać eksperymenty oraz prace analityczne jako uczestnik i kierownik zespołu, w tym dobierać właściwe techniki i narzędzia do ich realizacji.
- Efekt DS2_U21
- Absolwent potrafi interpretować wyniki przeprowadzonych eksperymentów i wyciągać wnioski, w tym dotyczące jakości modeli.
- Efekt DS2_U22
- Absolwent potrafi bezproblemowo posługiwać się językiem angielskim w różnych obszarach tematycznych.
- Efekt DS2_U23
- Absolwent jest przygotowany do pracy w środowisku przemysłowym, zna podstawowe zasady bezpieczeństwa i higieny pracy.
- Efekt DS2_U24
- Absolwent ma umiejętność projektowania sieci komputerowych; potrafi pełnić funkcję administratora sieci komputerowej i zabezpieczyć dane przed nieuprawnionym odczytem.
- Efekt DS2_U25
- Absolwent ma umiejętność rozwiązywania zagadnień z zakresu komunikacji człowiek-komputer, formułowania algorytmów i projektowania złożonych lub nietypowych systemów informatycznych.
- Efekt DS2_U26
- Absolwent potrafi stworzyć model obiektowy prostego systemu.
- Efekt DS2_U27
- Absolwent potrafi sformułować specyfikację systemów informatycznych w odniesieniu do sprzętu, oprogramowania systemowego i cech funkcjonalnych aplikacji.
- Efekt DS2_U28
- Absolwent potrafi - zgodnie z zadaną specyfikacją - zaprojektować oraz zrealizować system informatyczny, używając właściwych metod, technik i narzędzi.
Profil ogólnoakademicki - kompetencje społeczne
- Efekt DS2_K01
- Absolwent posiada zdolność do kontynuacji kształcenia oraz świadomość potrzeby samokształcenia w ramach procesu kształcenia ustawicznego.
- Efekt DS2_K02
- Absolwent ma świadomość wpływu nauki i techniki na środowisko naturalne i funkcjonowanie społeczeństwa.
- Efekt DS2_K03
- Absolwent ma świadomość ważności zachowywania się w sposób profesjonalny i przestrzegania zasad etyki zawodowej.
- Efekt DS2_K04
- Absolwent ma świadomość odpowiedzialności za wspólnie realizowane zadania w ramach pracy zespołowej.
- Efekt DS2_K05
- Absolwent potrafi myśleć i działać w sposób kreatywny i przedsiębiorczy.
- Efekt DS2_K06
- Absolwent rozumie społeczne konsekwencje przenikania technologii komputerowych i telekomunikacyjnych do wszystkich aspektów życia społecznego; potrzebę przekazywania społeczeństwu – m.in. poprzez środki masowego przekazu – informacji o osiągnięciach informatyki i innych aspektach działalności informatyka oraz potrafi przekazać takie informacje w sposób powszechnie zrozumiały.
- Efekt DS2_K07
- Absolwent potrafi posługiwać się językiem angielskim w stopniu umożliwiającym bezproblemową komunikację w zakresie zagadnień zawodowych.
- Efekt DS2_K08
- Potrafi posługiwać się językiem angielskim w stopniu umożliwiającym bezproblemową komunikację w zakresie zagadnień zawodowych.