Studia Podyplomowe „Analiza danych i Big Data w zarządzaniu”
Studia Podyplomowe „Analiza danych i Big Data w zarządzaniu”
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Aplikacje biznesowe
- Sposób dofinansowaniawsparcie dla osób indywidualnychwsparcie dla pracodawców i ich pracowników
- Grupa docelowa usługi
Adresatami studiów podyplomowych "Analiza danych i Big Data w zarządzaniu" są osoby posiadające wykształcenie wyższe, zatrudnione lub poszukujące zatrudnienia w obszarze analizy danych i zarządzania projektami opartymi na danych, w szczególności w takich sektorach jak: średnie i duże przedsiębiorstwa produkcyjne, handlowe i usługowe, instytucje finansowe , korporacje międzynarodowe, startupy technologiczne, a także jednostki administracji publ. Program studiów skierowany jest także do osób pracujących w działach IT, marketingu, analizie biznesowej czy logistyce, które chcą podnieść swoje kwalifikacje w zakresie wykorzystywania technologii Big Data i sztucznej inteligencji w procesach decyzyjnych. Dodatkowo, oferta ta może być atrakcyjna dla osób zatrudnionych w firmach konsultingowych zajmujących się doradztwem w zakresie optymalizacji procesów biznesowych poprzez analizę danych oraz dla tych, którzy planują wdrażać zaawansowane rozwiązania analityczne w organizacjach różnej skali.
- Minimalna liczba uczestników20
- Maksymalna liczba uczestników25
- Data zakończenia rekrutacji14-02-2025
- Forma prowadzenia usługimieszana (stacjonarna połączona z usługą zdalną w czasie rzeczywistym)
- Liczba godzin usługi228
- Podstawa uzyskania wpisu do BURart. 163 ust. 1 ustawy z dnia 20 lipca 2018 r. Prawo o szkolnictwie wyższym i nauce (t.j. Dz. U. z 2023 r. poz. 742, z późn. zm.)
- Zakres uprawnieństudia podyplomowe
Cel
Cel
Cel edukacyjny
Przygot. uczestn. do skutecznego analizowania dużych zbiorów danych oraz wykorzyst. nowoczesnych narzędzi analitycznych w procesach decyzyjnych. Program studiów rozwija kompetencje w takich obszarach jak uczenie maszynowe, wizualizacja danych, analiza biznesowa oraz wdrażanie rozwiązań opartych na sztucznej inteligencji. Uczestnicy zdobywają wiedzę i umiejętności pozw. na pełnienie ról zawodowych, takich jak analityk danych, menedżer projektów opartych na danych czy specjalista ds. Big Data.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
Efekty uczenia się Wyjaśnia podstawowe pojęcia z zakresu statystyki, umożliwiające analizę i interpretację zbiorów danych w kontekście praktycznym. | Kryteria weryfikacji Uczestnik poprawnie definiuje i objaśnia minimum 80% wskazanych pojęć oraz przedstawia ich zastosowanie w analizie danych. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Charakteryzuje architekturę oraz funkcjonowanie baz danych, wskazuje zasady przechowywania informacji i ich analizy w strukturze przedsiębiorstwa. | Kryteria weryfikacji Uczestnik opisuje podstawowe komponenty architektury baz danych oraz wskazuje efektywne sposoby ich wykorzystania w kontekście firmy. | Metoda walidacji Analiza dowodów i deklaracji |
Efekty uczenia się Opisuje podstawowe narzędzia i technologie stosowane w analizie danych i uczeniu maszynowym, dobiera je do procesów przetwarzania i interpretacji informacji w przedsiębiorstwie. | Kryteria weryfikacji Uczestnik potrafi wskazać narzędzia/technologie analityczne oraz uzasadnić ich dobór do konkretnych procesów biznesowych. | Metoda walidacji Analiza dowodów i deklaracji |
Efekty uczenia się Ocenia znaczenie Big Data w zarządzaniu danymi w przedsiębiorstwie oraz analizuje wyzwania związane z przetwarzaniem dużych zbiorów danych. | Kryteria weryfikacji Uczestnik potrafi wskazać kluczowe korzyści Big Data i trzy główne wyzwania, uzasadniając ich znaczenie dla firmy. | Metoda walidacji Debata ustrukturyzowana |
Efekty uczenia się Analizuje, interpretuje i wyciąga wnioski z różnorodnych zbiorów danych, wykorzystując zaawansowane metody statystyczne i techniki uczenia maszynowego. | Kryteria weryfikacji Uczestnik wykonuje analizę wybranego zbioru danych i prezentuje poprawne wnioski poparte obliczeniami statystycznymi oraz wynikami algorytmów ML | Metoda walidacji Analiza dowodów i deklaracji |
Efekty uczenia się Korzysta z nowoczesnych narzędzi i technologii do analizy danych na bazie AI, adaptuje się do nowych języków programowania i narzędzi potrzebnych do przetwarzania, analizy i wizualizacji danych. | Kryteria weryfikacji Uczestnik prawidłowo wykorzystuje wybrane oprogramowanie lub język programowania do przetwarzania i wizualizacji danych zgodnie z instrukcjami. | Metoda walidacji Obserwacja w warunkach rzeczywistych |
Efekty uczenia się Stosuje kluczowe aspekty prawne i etyczne związane z gromadzeniem, przetwarzaniem i wykorzystywaniem danych, dbając o prywatność, bezpieczeństwo informacji i zgodność z regulacjami. | Kryteria weryfikacji Uczestnik poprawnie identyfikuje istotne regulacje prawne i opisuje sposoby ich przestrzegania w kontekście wybranego przypadku | Metoda walidacji Analiza dowodów i deklaracji |
Efekty uczenia się Planuje, wdraża i monitoruje projekty związane z analizą danych, efektywnie współpracując z zespołem, zarządzając zasobami i dostosowując strategie do zmieniających się wymagań. | Kryteria weryfikacji Uczestnik opracowuje zarys planu projektu analitycznego, uwzględniając harmonogram, alokację zasobów i działania kontrolne | Metoda walidacji Debata ustrukturyzowana |
Efekty uczenia się Komunikuje wyniki analizy danych różnym grupom interesariuszy, wykorzystując zaawansowane techniki wizualizacji do przekazywania złożonych informacji w sposób jasny i przekonujący. | Kryteria weryfikacji Uczestnik prezentuje wyniki analizy w formie czytelnych wizualizacji i przedstawia je w sposób zrozumiały dla odbiorców o różnym poziomie wiedzy technicznej. | Metoda walidacji Prezentacja |
Efekty uczenia się Stosuje metody analizy danych do interpretacji zjawisk gospodarczych oraz optymalizacji procesów biznesowych w przedsiębiorstwach, uwzględniając aspekty prawne i etyczne. | Kryteria weryfikacji Uczestnik dobiera właściwe metody analityczne i przedstawia interpretację danych w kontekście konkretnego zagadnienia biznesowego, uwzględniając regulacje i etykę. | Metoda walidacji Analiza dowodów i deklaracji |
Kwalifikacje i kompetencje
Kwalifikacje
Inne kwalifikacje
Uznane kwalifikacje
Informacje
- Podstawa prawna dla Podmiotów / kategorii Podmiotóworgan władzy publicznej lub samorządu zawodowego, uprawniony do wydawania dokumentów potwierdzających kwalifikację na podstawie ustawy lub rozporządzenia
- Nazwa/Kategoria Podmiotu prowadzącego walidacjęPolitechnika Częstochowska
- Podmiot prowadzący walidację jest zarejestrowany w BURTak
- Nazwa/Kategoria Podmiotu certyfikującegoPolitechnika Częstochowska
- Podmiot certyfikujący jest zarejestrowany w BURTak
Program
Program
Studia podyplomowe „Analiza danych i Big Data w zarządzaniu” mają na celu przygotowanie uczestników do wykorzystania nowoczesnych metod analizy danych w procesach decyzyjnych, optymalizacji procesów biznesowych oraz wdrażania rozwiązań opartych na sztucznej inteligencji, co umożliwi skuteczne zarządzanie danymi w przedsiębiorstwach.
Semestr I
- Bazy danych – 6 godzin (wykład), 14 godzin (laboratorium)
Walidacja: Praca projektowa. – Opracowanie bazy danych w środowisku SQL
- Big Data i zarządzanie danymi w przedsiębiorstwie – 8 godzin (wykład)
Walidacja: Praca zaliczeniowa w formie testu
- Metody taksonomiczne w analizie rynku – 6 godzin (wykład)
Walidacja: Praca projektowa z zastosowaniem poznanych miar statystycznej analizy danych
- Praktyczne aspekty zarządzania usługami informatycznymi – 6 godzin (wykład)
Walidacja: Praca zaliczeniowa w formie testu
- Podstawy statystyki – 8 godzin (wykład), 14 godzin (laboratorium)
Walidacja: Praca projektowa z zastosowaniem poznanych miar statystycznej analizy danych
- Podstawy uczenia maszynowego – 8 godzin (wykład), 14 godzin (laboratorium)
Walidacja: Bieżąca ocena realizacji zadań laboratoryjnych, prace projektowe z rozwiązywanych zadań podczas zajęć laboratoryjnych
- Wprowadzenie do języka Python – 14 godzin (laboratorium)
Walidacja: Ocena umiejętności stosowania zdobytej wiedzy podczas wykonywania ćwiczenia
- Wprowadzenie do języka R – 14 godzin (laboratorium)
Walidacja: Praca indywidualna, aktywność i zadania projektowe do realizacji na zajęciach, Ocena realizowanych zadań projektowych
- Zarządzanie bezpieczeństwem danych – prawne aspekty korzystania z danych – 6 godzin (wykład)
Walidacja: Praca zaliczeniowa w formie testu
Semestr II
- Analiza danych biznesowych z wykorzystaniem języka R – 10 godzin (laboratorium)
Walidacja:Praca indywidualna, Aktywność i zadania projektowe do realizacji na zajęciach,Ocena realizowanych zadań projektowych
- Praktyczne aspekty zarządzania usługami informatycznymi – 6 godzin (wykład)
Walidacja: Praca zaliczeniowa w formie testu
- Modelowanie danych wysokiej częstotliwości – 8 godzin (wykład), 14 godzin (laboratorium)
Walidacja: Aktywność i zadania do rozwiązania na zajęciach oraz platformie e-learningowej. Praca projektowa
- Narzędzia analizy konkurencji i analityki internetowej – 14 godzin (laboratorium)
Walidacja: Aktywność i zadania projektowe do realizacji na zajęciach. Ocena realizowanych zadań projektowych
- Prawo i etyka w Data Science – 6 godzin (wykład)
Walidacja: Praca zaliczeniowa w formie testu
- Seminarium dyplomowe – 6 godzin (seminarium)
- Statystyczna analiza i wizualizacja danych biznesowych – 10 godzin (laboratorium)
Walidacja: Praca projektowa
- Zaawansowane metody uczenia maszynowego – 8 godzin (wykład), 14 godzin (laboratorium)
Walidacja: Bieżąca ocena realizacji zadań laboratoryjnych. Prace projektowe z rozwiązywanych zadań podczas zajęć laboratoryjnych.
- Wprowadzenie do metod wizualizacji danych – 14 godzin (laboratorium)
Walidacja: Praca projektowa
- Zarządzanie projektami opartymi na danych – 6 godzin (wykład)
Walidacja: Praca zaliczeniowa w formie testu
Czas trwania studiów
Studia trwają 2 semestry (1 rok).
Łączna liczba godzin zajęć: 228 godzin.
Łączna liczba punktów ECTS: 35 punktów.
Forma studiów:
Zajęcia realizowane w trybie niestacjonarnym (soboty i niedziele, dwa lub trzy razy w miesiącu)
Zajęcia na studiach prowadzone są w formie laboratoriów, case study oraz multimedialnych wykładów. Wykładowcami studiów podyplomowych są osoby na co dzień zajmujące się praktycznym wykorzystaniem analizy danych, technologii Big Data oraz narzędzi sztucznej inteligencji w biznesie. Aktywizująca uczestników forma prowadzenia zajęć pozwoli na wyćwiczenie umiejętności rozwiązywania problemów zarówno przedstawianych przez wykładowców, jak i podnoszonych na bieżąco przez słuchaczy. Dzięki połączeniu teorii z praktyką, uczestnicy zdobędą kompetencje kluczowe dla efektywnego zarządzania danymi w środowisku biznesowym.
System walidacji
Zaliczenie przedmiotów prowadzonych w formie wykładów:
Zaliczenie odbywa się na podstawie testów wiedzy sprawdzających znajomość treści teoretycznych przedstawionych podczas zajęć
Zaliczenie przedmiotów prowadzonych w formie laboratoriów
Forma zaliczenia opiera się na realizacji zadań laboratoryjnych, projektów indywidualnych lub grupowych oraz rozwiązywaniu case study.
Ocena uwzględnia poprawność wykonania zadań, jakość rozwiązań oraz aktywność uczestników podczas zajęć.
Projekt indywidualny
Warunkiem ukończenia studiów jest przygotowanie i złożenie projektu indywidualnego. Projekt musi uwzględniać efekty uczenia się zrealizowane na przedmiotach objętych programem studiów. Projekt podlega weryfikacji przez opiekuna i komisję egzaminacyjnej.
Egzamin końcowy
Egzamin końcowy odbywa się w formie testu, przeprowadzanego przez komisję egzaminacyjną powołaną przez Dziekana Wydziału Zarządzania. Wynik egzaminu końcowego, w połączeniu z wynikami uzyskanymi w trakcie studiów, stanowi podstawę ustalenia oceny końcowej.
Ocena końcowa
Ocena końcowa jest ustalana zgodnie z zasadami określonymi w Regulaminie Studiów Podyplomowych Politechniki Częstochowskiej.
Uwzględnia wyniki egzaminu końcowego, ocenę projektu indywidualnego oraz inne osiągnięcia słuchacza podczas studiów.
Harmonogram
Harmonogram
| Przedmiot / temat zajęć | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin | Forma stacjonarna |
|---|---|---|---|---|---|
Brak wyników. | |||||
Cena
Cena
Cennik
- Rodzaj cenyCena
- Koszt usługi brutto8 000,00 PLN
- Koszt usługi netto8 000,00 PLN
- Koszt godziny brutto35,09 PLN
- Koszt godziny netto35,09 PLN
- W tym koszt walidacji brutto0,00 PLN
- W tym koszt walidacji netto0,00 PLN
- W tym koszt certyfikowania brutto0,00 PLN
- W tym koszt certyfikowania netto0,00 PLN
Prowadzący
Prowadzący
dr inż. Adam Sokołowski
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Materiały z zajęć udostępnianie będą w formacie pdf, pliki źródłowe.
Warunki techniczne
Warunki techniczne
Microsoft Teams - wymagania
Sprzęt: Komputer z procesorem dwurdzeniowym, 4 GB RAM, kamera, mikrofon, głośniki lub słuchawki.
System: Aktualny system operacyjny Windows, macOS, Android lub iOS.
Przeglądarka: Najnowsza wersja Edge, Chrome, Firefox lub Safari.
Internet: Stabilne łącze o przepustowości min. 1,5 Mbps dla pobierania i wysyłania danych.
Adres
Adres
Wydział Zarządzania
Udogodnienia w miejscu realizacji usługi
- Wi-fi
- Laboratorium komputerowe
- Udogodnienia dla osób z niepełnosprawnościami