Program Wydział Rok akademicki Stopień
Inżynieria i Analiza Danych Wydział Matematyki i Nauk Informacyjnych 2021/2022 inż
Rodzaj Kierunek Koordynator ECTS
Stacjonarne Inżynieria i Analiza Danych .

Cele:

Celem studiów pierwszego stopnia na kierunku Inżynieria i Analiza danych jest zdobycie przez studenta wszechstronnych umiejętności informatycznych, matematycznych i kreatywnego rozwiązywania problemów w obszarze określanym w jęz. ang. jako Data Science. Absolwent potrafi efektywnie posługiwać się zarówno informatycznymi narzędziami, jak i całymi systemami do pozyskiwania, składowania oraz analizy danych, biegle programować w różnych językach – zwłaszcza tych, które są stosowane w przetwarzaniu danych (także o dużym wolumenie). Posiadać znajomość metod probabilistycznych, statystycznych oraz uczenia maszynowego i potrafić je zastosować do analizy zbiorów danych pochodzących z różnorodnych źródeł. Potrafi również samodzielnie zdobywać wiedzę na temat metod i narzędzi adekwatnych do postawionych przed nim zadań. Jest przygotowany do pracy w interdyscyplinarnych zespołach, grupujących przedstawicieli odbiorców analiz i systemów przetwarzania danych oraz specjalistów z obszaru informatyki. Ma doświadczenie w samodzielnym rozwiązywaniu rzeczywistych problemów i tworzeniu systemów informatycznych związanych z analizą i przetwarzaniem danych. Może pracować jako inżynier danych, zapewniając obsługę i wstępną analizę dużych wolumenów danych.

Warunki przyjęć:

https://www.pw.edu.pl/Kandydaci

Efekty uczenia się


Semestr 1:

Blok Grupa nazwa ECTS Wykłady Ćwiczenia Laboratoria Projekt Lekcje komputerowe Suma sylabus
WspólneWspólne Algebra liniowa z geometrią 5 30 30 0 0 0 60 sylabus
   Analiza matematyczna 1 6 45 45 0 0 0 90 sylabus
   Architektura komputerów 4 30 15 0 0 0 45 sylabus
   Elementy logiki i teorii mnogości 5 30 30 0 0 0 60 sylabus
   Podstawy programowania i przetwarzania danych 5 30 15 30 0 0 75 sylabus
   Przedmiot humanistyczny 1 - Kreatywne rozwiązywanie problemów 2 15 30 0 0 0 45 sylabus
   Systemy operacyjne w inżynierii danych 2 0 0 30 0 0 30 sylabus
∑=29
Suma semestr: ∑=

Semestr 2:

Blok Grupa nazwa ECTS Wykłady Ćwiczenia Laboratoria Projekt Lekcje komputerowe Suma sylabus
WspólneWspólne Algebra liniowa w analizie danych 4 15 30 15 0 0 60 sylabus
   Analiza matematyczna 2 6 45 45 0 0 0 90 sylabus
   Język obcy 4 0 60 0 0 0 60 sylabus
   Matematyka dyskretna i elementy probabilistyki 5 30 30 0 0 0 60 sylabus
   Programowanie obiektowe 4 15 0 30 0 0 45 sylabus
   Przetwarzanie danych ustrukturyzowanych 5 30 0 30 0 0 60 sylabus
   Techniki prezentacji - przedmiot humanistyczny 2 2 0 30 0 0 0 30 sylabus
   Wychowanie fizyczne 1 0 0 30 0 0 0 30 sylabus
∑=30
Suma semestr: ∑=

Semestr 3:

Blok Grupa nazwa ECTS Wykłady Ćwiczenia Laboratoria Projekt Lekcje komputerowe Suma sylabus
WspólneWspólne Algorytmy i struktury danych 1 5 30 30 0 0 0 60 sylabus
   Inżynieria systemów informatycznych 4 30 15 0 0 0 45 sylabus
   Język obcy 4 0 60 0 0 0 60 sylabus
   Metody numeryczne 4 30 15 30 0 0 75 sylabus
   Rachunek prawdopodobieństwa 5 30 30 0 0 0 60 sylabus
   Techniki wizualizacji danych 4 15 0 30 0 0 45 sylabus
   Wychowanie fizyczne 2 0 0 30 0 0 0 30 sylabus
   Zaawansowane programowanie obiektowe i funkcyjne 4 15 0 30 0 0 45 sylabus
∑=30
Suma semestr: ∑=

Semestr 4:

Blok Grupa nazwa ECTS Wykłady Ćwiczenia Laboratoria Projekt Lekcje komputerowe Suma sylabus
WspólneWspólne Bazy danych 4 30 0 30 0 0 60 sylabus
   Język obcy 4 0 60 0 0 0 60 sylabus
   Przedmiot obieralny 1 4 0 0 0 0 0 45 sylabus
   Sieci komputerowe (blok obieralny 1) 4 0 0 0 0 0 60 sylabus
   Statystyka matematyczna 5 30 30 15 0 0 75 sylabus
   Warsztaty badawcze 1 4 15 0 15 15 0 45 sylabus
   Wstęp do uczenia maszynowego 5 30 30 0 0 0 60 sylabus
   Wychowanie fizyczne 3 0 0 30 0 0 0 30 sylabus
   Praktyki studenckie (po sem.4 lub sem.6) 4 0 0 0 0 0 160 sylabus
∑=30
Suma semestr: ∑=

Semestr 5:

Blok Grupa nazwa ECTS Wykłady Ćwiczenia Laboratoria Projekt Lekcje komputerowe Suma sylabus
WspólneWspólne Fizyka 1 4 45 0 0 0 0 45 sylabus
   Metody optymalizacji 5 30 15 15 0 0 60 sylabus
   Metody statystyki obliczeniowej 5 30 0 30 0 0 60 sylabus
   Procesy stochastyczne 4 30 30 0 0 0 60 sylabus
   Programowanie aplikacji wielowarstwowych (blok obieralny 2) 4 0 0 0 0 0 45 sylabus
   Projekt interdyscyplinarny 5 15 0 15 30 0 60 sylabus
   Transmisja danych 3 30 0 15 0 0 45 sylabus
∑=30
 ObieralneKreatywny Semestr Projektowania        Informacje
Suma semestr: ∑=

Semestr 6:

Blok Grupa nazwa ECTS Wykłady Ćwiczenia Laboratoria Projekt Lekcje komputerowe Suma sylabus
WspólneWspólne Architektura systemów informatycznych 4 30 0 30 0 0 60 sylabus
   Fizyka 2 4 30 0 30 0 0 60 sylabus
   Hurtownie danych i systemy Business Intelligence 6 15 0 45 0 0 60 sylabus
   Metody inteligencji obliczeniowej w analizie danych 5 30 0 30 0 0 60 sylabus
   Przedmiot obieralny 2 4 0 0 0 0 0 45 sylabus
   Przedmiot obieralny 3 4 0 0 0 0 0 45 sylabus
   Warsztaty badawcze 2 4 15 0 15 15 0 45 sylabus
   Praktyki studenckie (po sem.4 lub sem.6) 4 0 0 0 0 0 160 sylabus
∑=31
 ObieralneKreatywny Semestr Projektowania        Informacje
Suma semestr: ∑=

Semestr 7:

Blok Grupa nazwa ECTS Wykłady Ćwiczenia Laboratoria Projekt Lekcje komputerowe Suma sylabus
WspólneWspólne Praca dyplomowa inżynierska 15 0 0 0 0 0 0 sylabus
   Projekt zespołowy 2 15 0 0 15 0 30 sylabus
   Przedmiot humanistyczny 3 2 0 0 0 0 0 30 sylabus
   Przedmiot obieralny 4 4 0 0 0 0 0 45 sylabus
   Seminarium dyplomowe 2 0 30 0 0 0 30 sylabus
   Składowanie danych w systemach Big Data 5 30 0 30 15 0 75 sylabus
∑=30
 ObieralneKreatywny Semestr Projektowania        Informacje
Suma semestr: ∑=

Efekty kierunkowe

Profil ogólnoakademicki - wiedza

Efekt DS_W01
Ma wiedzę z podstaw matematyki wyższej, obejmującą analizę matematyczną, logikę, teorię mnogości, algebrę liniową, geometrię i matematykę dyskretną.
Efekt DS_W02
Zna podstawy rachunku prawdopodobieństwa i procesów stochastycznych.
Efekt DS_W03
Zna podstawy statystyki matematycznej oraz zasadnicze metody wnioskowania statystycznego: estymację punktową i przedziałową oraz weryfikację hipotez.
Efekt DS_W04
Zna podstawowe metody modelowania statystycznego, w tym analizy regresji i klasyfikacji
Efekt DS_W05
Zna metody uczenia maszynowego i inteligencji obliczeniowej.
Efekt DS_W06
Zna podstawowe metody numeryczne i algorytmy optymalizacji.
Efekt DS_W07
Ma podstawową wiedzę w zakresie fizyki obejmującą elektromagnetyzm, lasery, fizykę półprzewodników, mechanikę i fizyczne podstawy budowy komputerów kwantowych.
Efekt DS_W08
Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej.
Efekt DS_W09
Zna zaawansowane metody wizualizacji danych.
Efekt DS_W10
Zna i rozumie ogólne zasady tworzenia i rozwoju form indywidualnej przedsiębiorczości.
Efekt DS_W11
Zna podstawy metodyk rozwiązywania problemów (np. Problem-based learning, Design thinking).
Efekt DS_W12
Ma uporządkowaną, podbudowaną teoretycznie wiedzę w zakresie baz danych.
Efekt DS_W13
Ma elementarną wiedzę w zakresie elektroniki i telekomunikacji, potrzebną do zrozumienia technik cyfrowych i zasad funkcjonowania współczesnych komputerów, a także sieci bezprzewodowych.
Efekt DS_W14
Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie informatyki, w tym w zakresie języków i paradygmatów programowania, komunikacji człowiek-komputer i inżynierii oprogramowania.
Efekt DS_W15
Zna podstawowe metody, techniki, narzędzia i technologie inżynierskie stosowane przy rozwiązywaniu złożonych zadań informatycznych z zakresu budowy systemów komputerowych, sieci komputerowych i technologii sieciowych.
Efekt DS_W16
Zna uwarunkowania różnych rodzajów działań związanych z nadaną kwalifikacją, w tym podstawowe pojęcia i zasady ochrony własności przemysłowej i prawa autorskiego.

Profil ogólnoakademicki - umiejętności

Efekt DS_U01
Potrafi wykorzystać wiedzę matematyczną do opisu procesów, tworzenia modeli i rozwiązywania zagadnień praktycznych.
Efekt DS_U02
Potrafi obliczać prawdopodobieństwo rozmaitych zdarzeń oraz umie znajdować rozkłady funkcji zmiennych losowych.
Efekt DS_U03
Potrafi przeprowadzić wstępną (eksploracyjną) analizę danych.
Efekt DS_U04
Umie stosować techniki wizualizacji danych.
Efekt DS_U05
Umie konstruować i stosować estymatory oraz testy hipotez, oceniać ich jakość i interpretować otrzymane wyniki.
Efekt DS_U06
Umie estymować parametry modelu, przeprowadzać diagnostykę modeli, potrafi wyznaczać wskaźniki zależności oraz badać istotność zmiennych.
Efekt DS_U07
Umie stosować metody inteligencji obliczeniowej i dobierać parametry tych metod..
Efekt DS_U08
Umie zastosować metody statystyczne i uczenia maszynowego w zagadnieniach prognozowania.
Efekt DS_U09
Umie formułować i rozwiązywać problemy optymalizacyjne.
Efekt DS_U10
Potrafi wykonać prostą analizę sposobu funkcjonowania systemu informatycznego i ocenić istniejące rozwiązania informatyczne, przynajmniej w odniesieniu do ich cech funkcjonalnych.
Efekt DS_U11
Ma umiejętność tworzenia prostych aplikacji (również internetowych).
Efekt DS_U12
Potrafi porozumiewać się przy użyciu różnych technik w środowisku zawodowym oraz w innych środowiskach.
Efekt DS_U13
Potrafi tworzyć, rozwijać i implementować algorytmy przetwarzania i analizy danych.
Efekt DS_U14
Umie przeprowadzić ocenę złożoności obliczeniowej i pamięciowej algorytmów.
Efekt DS_U15
Potrafi inicjować, planować i przeprowadzać proste eksperymenty obserwacyjne i symulacyjne oraz dobierać właściwe techniki i narzędzia do ich realizacji.
Efekt DS_U16
Potrafi interpretować wyniki przeprowadzonych eksperymentów i wyciągać wnioski, w tym dotyczące jakości modeli.
Efekt DS_U17
Dostrzega aspekty społeczne, ekonomiczne i prawne tworzonych analiz i rozwiązań informatycznych.
Efekt DS_U18
Umie wykorzystywać i rozszerzać o nowe komponenty systemy składowania i analizy danych, w tym systemy rozproszone.
Efekt DS_U19
Posługuje się językiem angielskim w stopniu pozwalającym na porozumienie się, przeczytanie ze zrozumieniem tekstów i opisów programowych oraz przedstawienie prezentacji problemu z zakresu studiowanego kierunku studiów.
Efekt DS_U20
Potrafi pozyskiwać informacje z literatury, baz danych oraz innych źródeł, integrować je, dokonywać ich interpretacji oraz wyciągać wnioski i formułować opinie.
Efekt DS_U21
Potrafi przygotować dokumenty zawierające m.in. analizę wymagań dla systemu informatycznego, przegląd źródeł literaturowych, podsumowanie wyników analizy danych oraz dokumentację systemu informatycznego.
Efekt DS_U22
Umie pozyskiwać, integrować i wstępnie przetwarzać dane, w tym m.in. dane pochodzące z baz relacyjnych, platform Big Data i zasobów WWW z uwzględnieniem wymagań dziedzinowych.
Efekt DS_U23
Potrafi indywidualnie i we współpracy z zespołem, w tym z zespołem interdyscyplinarnym tworzyć analizy i produkty informatyczne.
Efekt DS_U24
Ma umiejętność projektowania sieci komputerowych; potrafi pełnić funkcję administratora sieci komputerowej i zabezpieczyć dane przed nieuprawnionym odczytem.
Efekt DS_U25
Ma umiejętność rozwiązywania zagadnień z zakresu komunikacji człowiek-komputer, formułowania algorytmów i projektowania złożonych lub nietypowych systemów informatycznych.
Efekt DS_U26
Potrafi stworzyć model obiektowy prostego systemu.
Efekt DS_U27
Potrafi sformułować specyfikację systemów informatycznych w odniesieniu do sprzętu, oprogramowania systemowego i cech funkcjonalnych aplikacji.
Efekt DS_U28
Potrafi –zgodnie z zadaną specyfikacją -zaprojektować, zrealizować i przetestować aplikacje oraz systemy informatyczne, używając właściwych metod, technik i narzędzi.
Efekt DS_U29
Potrafi samodzielnie planować rozwój i rozwijać kompetencje zawodowe, wykorzystując w tym celu m.in. samodzielną analizę różnorodnych źródeł wiedzy i uwzględniając potrzeby realizowanych zadania.

Profil ogólnoakademicki - kompetencje społeczne

Efekt DS_K01
Rozumie potrzebę uczenia się przez całe życie i podnoszenia kompetencji zawodowych.
Efekt DS_K02
Potrafi pracować indywidualnie i w zespole informatyków, w tym także potrafi zarządzać swoim czasem oraz podejmować zobowiązania i dotrzymywać terminów, jak również stosować i promować stosowanie zasad etyki zawodowej.
Efekt DS_K03
Potrafi pracować z odbiorcami tworzonych rozwiązań informatycznych i analitycznych, aktywnie uczestnicząc w dyskusji potrzeb, możliwych rozwiązań i zasad pozyskania i przetworzenia danych oraz ich wykorzystania jako kapitału przedsiębiorstwa i podstawy działań na rzecz interesu publicznego.
Efekt DS_K04
Jest przygotowany do współdziałania i pracy w grupie, przyjmując w niej różne role oraz dbając o współtworzenie dorobku i tradycji zawodowych.
Efekt DS_K05
Jest przygotowany do formułowania wniosków i prezentacji wyników w sposób zrozumiały dla szerokiego grona odbiorców.