Studia podyplomowe

Data Science. Metody, narzędzia, zastosowania - edycja I

Celem studiów jest przekazanie uczestnikom wiedzy i praktycznych umiejętności związanych ze współczesnymi metodami i narzędziami służącymi do pozyskiwania i analizy danych zarówno przy wykorzystaniu podejścia statystycznego jak i opartego na uczeniu maszynowym oraz przedstawienie metod i narzędzi pozwalających na rozwiązywanie problemów współczesnej analizy danych, w tym m.in.: metod wnioskowania statystycznego, zagadnień regresyjnych, klasyfikacji i analizy skupień, analizy danych jakościowych, metod redukcji wymiaru przestrzeni, analizy dokumentów tekstowych, analizy danych pochodzących z serwisów internetowych i sieci społecznościowych, analizy grafów, analizy danych o charakterze masowym i strumieniowym.

Czesne

4500 PLN

Opiekun kierunku

Kontakt z Kierownikiem Biura Studiów Podyplomowych – Przemysław Klimek tel.+48 12 293 50 29

Program studiów

Moduł I.  Programowanie w języku R

  1. Podstawy programowania w języku R
  • Wprowadzenie do środowiska R i RStudio
  • Automatyzacja obliczeń za pomocą skryptów
  • Podstawowe typy danych
  • Instrukcje sterujące języka R
  • Funkcje definiowane przez użytkownika
  1. Programowanie w języku R dla zaawansowanych
  • Maszynowa reprezentacja wartości numerycznych
  • Rachunek macierzowy
  • Generatory liczb pseudolosowych
  • Wybrane metody optymalizacyjne
  • Graficzna prezentacja danych
  • Przetwarzanie plików
  • Wstępne przetwarzanie danych Tworzenie raportów

  Moduł II.  Statystyczna analiza danych

1. Elementy wnioskowania statystycznego

  • Rozkłady zmiennych losowych
  • Statystyczny opis danych
  • Estymacja funkcji gęstości
  • Estymatory – budowa i własności
  • Wnioskowanie statystyczne, testy parametryczne i nieparametryczne
  • Metody bootstrap i testy permutacyjne

2. Statystyczne metody wielowymiarowej analizy danych

  • Wielowymiarowy rozkład normalny
  • Testy dla wektorów średnich
  • Wnioskowanie w modelach regresji
  • Dobór zmiennych w regresji
  • Regresja jądrowa
  • Metody dyskryminacji: klasyfikator Bayesowski, funkcje dyskryminacyjne, metody nieparametryczne, regresja logistyczna
  • Metody redukcji wymiarów
  • Analiza korespondencji
  • Grupowanie obiektów wielowymiarowych
  • Skalowanie wielowymiarowe

   Moduł III. Elementy uczenia maszynowego oraz eksploracyjnej analizy danych

  1. Podstawy uczenia maszynowego i eksploracyjnej analizy danych
  • Drzewa decyzyjne i identyfikacja reguł
  • Metoda wektorów wspierających
  • Analiza współwystępowania
  • Analiza sekwencji
  • Regresja z restrykcjami
  • Regresja nieparametryczna
  • Sieci neuronowe
  • Podejście wielomodelowe
  1. Eksploracyjna analiza dokumentów tekstowych
  • Przygotowanie dokumentów
  • Macierz częstości jako metoda reprezentacji zawartości dokumentów tekstowych
  • Analiza składowych semantycznych
  • Klasyfikacja dokumentów
  • Metoda ukrytej alokacji Dirichleta
  • Identyfikacja słów i fraz kluczowych
  • Analiza wydźwięku dokumentów
  • Wykorzystanie wiedzy dziedzinowej w automatycznej analizie dokumentów tekstowych
  • Analiza zawartości serwisów społecznościowych
  • Pozyskiwanie danych z serwisów internetowych
  1. Eksploracyjna analiza sieci – Graph Mining
  • Pojęcie i rodzaje grafów
  • Metody reprezentacji grafów
  • Charakterystyka podstawowych algorytmów grafowych
  • Analiza sieci społecznych
  • Podobieństwo grafów
  • Klasyfikacja wzorcowa i bezwzorcowa grafów
  • Wyszukiwanie wzorców częstych w sieciach
  • Zastosowania eksploracyjnej analizy sieci

    Moduł IV. Systemy gromadzenia i przetwarzania danych

  • Modele danych
  • Jakość danych
  • Projektowanie i implementacja relacyjnych baz danych
  • Język SQL. Instrukcja SELECT
  • Dokumentowe bazy danych
  • Agregacja danych o zróżnicowanych formatach – Apache SPARK
  • Operacje na zbiorach danych o dużej skali – Hadoop

Wykładowcy

mgr Jakub Kanclerz

mgr Jakub Kanclerz

 

Programista rozwiązań webowych. W pracy łączy praktykę, testy i podejście pragmatyczne. Uważa, że przyzwyczajenia mogą skutecznie ograniczać spektrum dostępnych możliwości. Stale doskonali swoje umiejętności i pozostaje otwarty na poznawanie nowych technologii. Kiedy nie programuje, przekazuje tajniki zawodu, pryncypia i umiejętności studentom w ramach zajęć dydaktycznych na Uniwersytecie Ekonomicznym w Krakowie.


prof. UEK dr hab. Daniel Kosiorowski

prof. UEK dr hab. Daniel Kosiorowski

Działalność naukowo badawcza prof. UEK dr hab. Daniela Kosiorowskiego koncentruje się wokół współczesnej statystyki teoretycznej i jej zastosowań w ekonomii. W szczególności badania dotyczą zagadnień statystyki odpornej, statystyki nieparametrycznej, wielowymiarowej analizy statystycznej i funkcjonalnej analizy danych.

Prof. Kosiorowski jest autorem i współautorem siedemdziesięciu recenzowanych prac naukowych publikowanych przez renomowanych wydawców takich jak Springer-Verlag, Physica-Verlag, International Statistical Institute, posiada publikacje z zakresu statystyki w czasopismach z listy A MNiSW i renomowanych czasopismach z listy B MNiSW. Jest autorem monografii naukowej oraz dwóch podręczników z zakresu statystyki. Prof. Kosiorowski jest autorem i współautorem ponad siedemdziesięciu referatów wygłaszanych na prestiżowych konferencjach międzynarodowych i zagranicznych i krajowych. Jest współautorem profesjonalnego i darmowego pakietu statystycznego środowiska R o nazwie DepthProc. Wypromował kilkunastu magistrów w tym dwóch będących stypendystami Ministra Nauki i Szkolnictwa Wyższego. Opiekował się trójką doktorantów, jest promotorem dwóch rozpraw doktorskich. Prowadził zajęcia w języku polskim i angielskim na wszystkich rodzajach studiów. Był współorganizatorem cyklicznego seminarium naukowego nt zastosowań statystyki odpornej i nieparametrycznej w ekonomii. Wielokrotnie Sporządzał recenzje dla prestiżowych czasopism statystycznych z listy A MNiSW oraz prestiżowych czasopism statystyczno-ekonometrycznych z listy B MNiSW. Był kierownikiem grantu NCN i grantu KBN.


prof. UEK dr hab. Paweł Lula

prof. UEK dr hab. Paweł Lula

Kierownik Katedry Systemów Obliczeniowych (Wydział Zarządzania Uniwersytetu Ekonomicznego w Krakowie).

Zainteresowania naukowe: eksploracyjne metody analizy danych, analiza dokumentów tekstowych, systemy informacyjne.

Autor ponad 150 publikacji naukowo-badawczych;Członek Sekcji Klasyfikacji i Analizy Danych Polskiego Towarzystwa Statystycznego.


dr hab. prof. nadzw. Dariusz Put

dr hab. prof. nadzw. Dariusz Put

Specjalista w zakresie baz danych i zarządzania zasobami informacyjnymi. Jego zainteresowania obejmują także problematykę modelowania danych, klasyczne, semistrukturalne, XML-owe oraz analityczne bazy danych, hurtownie danych, metody integracji zasobów organizacji, zarządzanie danymi w środowisku heterogenicznym, języki zapytań, metody wyszukiwania informacji. Wieloletni dydaktyk, prowadzi przede wszystkjim zajęcia o charakterze praktycznym. Autor ponad 80 publikacji, głównie z dziedziny baz danych i zarządzania zasobami informacyjnymi.


dr hab. Sławomir Śmiech

dr hab. Sławomir Śmiech

 Absolwent matematyki na Uniwersytecie Jagiellońskim. Pracuje w Katedrze Statystyki na Uniwersytecie Ekonomicznym w Krakowie. W roku 2007 otrzymał doktorat, a w 2016 habilitację z ekonomii. Jest kierownikiem i wykonawcą kilku grantów Narodowego Centrum Nauki. Jego zainteresowania badawcze obejmują rynki energii, rynki towarowe oraz ich relacje ze sferą realną i finansową. Opublikował kilkanaście prac w wiodących, międzynarodowych czasopismach z zakresu ekonomii i ekonomii środowiska.


...

Kontakt

w przygotowaniu

Pola oznaczone * są obowiązkowe

*
*
*
*

Wysyłając powyższy formularz potwierdzam, że zapoznałam/-łem się z klauzują informacyjną dotyczącą przetwarzania danych osobowych

Wyrażam zgodę na przetwarzanie moich danych osobowych zawartych w formularzu w celach marketingowych prowadzonych przez Uniwersytet Ekonomiczny w Krakowie – Krakowską Szkołę Biznesu zgodnie z art. 6 ust. l lit. a ogólnego rozporządzenia o ochronie danych osobowych (RODO). *

Profil słuchacza

Oferta kierowana jest do osób zainteresowanych zagadnieniami analizy danych i podejmowania decyzji w takich obszarach jak: finanse, zarządzanie, marketing, produkcja, logistyka, służba zdrowia, energetyka, administracja publiczna, media społecznościowe, a także do osób wykorzystujących metody analizy danych w pracy badawczej, poszukujących zaawansowanych metod wspierających procesy decyzyjne oraz projektujących systemy przetwarzania i analizy danych.

UEK KSB

KRAKOWSKA SZKOŁA BIZNESU UEK
Uniwersytet Ekonomiczny w Krakowie
ul. Rakowicka 27, 31-510 Kraków

Kontakt: 
tel.: 12 293 55 61 Biuro studiów podyplomowych    
tel.: 12 293 75 53 Biuro studiów MBA
e-mail: ksb@uek.krakow.pl

facebook   Linkedin