Inżynieria i analiza danych
(Data Science)


Nowy kierunek studiów – studia stacjonarne I stopnia (inżynierskie) na Wydziale Matematyki i Nauk Informacyjnych Politechniki Warszawskiej

Dowiedz się więcej
Data Science

Żyjemy w fascynującej dobie przeciążenia informacyjnego: dla korporacji, instytucji i zainteresowanych jednostek zarówno samo zdobycie różnorakich danych jak i późniejsze ich przechowywanie nie stanowi już właściwie żadnego problemu – jeśli tylko dysponują odpowiednimi środkami. Wyzwaniem pozostaje jednak przetworzenie tego oceanu nic nie mówiących ciągów bitów na użyteczną wiedzę, np. plan marketingowy firmy, zoptymalizowany pod różnymi względami sposób rekomendowania treści użytkownikom portalu internetowego, taktykę inwestowania na giełdzie, dalszy kierunek badań R&D. Z tego rodzaju wyzwaniami mierzy się m.in. względnie nowa, ale prężnie rozwijająca się dziedzina inżynierii i analizy danych (ang. data science), która wymaga od zajmującej się nią profesjonalistów nie tylko dziedzinowej wiedzy eksperckiej oraz szeroko pojętej kreatywności i ciekawości świata, ale także kompetencji matematycznych (w szczególności statystycznych) oraz umiejętności programistycznych.

[Gągolewski M., Bartoszuk M., Cena A., Przetwarzanie i analiza danych w języku Python, PWN, Warszawa, 2016]

Sylwetka absolwenta


Data Science

Połącz umiejętności informatyczne, matematyczne i kreatywnego rozwiązywania problemów w wielu obszarach praktyki

Narzędzia i systemy

Nabądź umiejętność efektywnego posługiwania się zarówno informatycznymi narzędziami, jak i całymi systemami do pozyskiwania, składowania oraz analizy danych.

Solidne podstawy

Biegle programuj w wielu różnych językach – zwłaszcza tych, które są stosowane w przetwarzaniu danych (także o dużym wolumenie – big data).

Metody i algorytmy

Wyróżnij się znajomością i umiejętnością użycia w analizie zbiorów danych pochodzących z różnorodnych źródeł podstawowych metod probabilistycznych, statystycznych oraz uczenia maszynowego.

Program studiów


Studia stacjonarne I stopnia na kierunku Inżynieria i analiza danych na Wydziale Matematyki i Nauk Informacyjnych Politechnicznych trwają siedem semestrów – ich absolwenci uzyskują tytuł zawodowy inżyniera w naukach technicznych. Są oni przygotowani do pracy w interdyscyplinarnych zespołach, grupujących przedstawicieli odbiorców analiz i systemów przetwarzania danych oraz specjalistów z obszaru informatyki. Mają doświadczenie w samodzielnym rozwiązywaniu rzeczywistych problemów i tworzeniu systemów informatycznych związanych z analizą i przetwarzaniem danych. Mogą pracować jako inżynierowie danych, zapewniając obsługę i wstępną analizę dużych wolumenów danych, analitycy, projektanci i twórcy oprogramowania.

Zobacz sylabusy poszczególnych przedmiotów

Semestr I

1Podstawy programowania i przetwarzania danych
2Systemy operacyjne w inżynierii danych
3Analiza matematyczna 1
4Elementy logiki i teorii mnogości
5Algebra liniowa z geometrią
6Podstawy elektroniki

Semestr II

1Przetwarzanie danych ustrukturyzowanych
2Programowanie obiektowe
3Architektura systemów informatycznych
4Projekt indywidualny
5Analiza matematyczna 2
6Matematyka dyskretna

Semestr III

1Techniki wizualizacji danych
2Rachunek prawdopodobieństwa
3Zaawansowane programowanie obiektowe i funkcyjne
4Metody numeryczne
5Algorytmy i struktury danych 1
6Inżynieria systemów informatycznych

Semestr IV

1Wstęp do uczenia maszynowego
2Statystyka matematyczna
3Warsztaty badawcze 1
4Bazy danych
5Sieci komputerowe (blok obieralny 1)

Semestr V

1Metody statystyki obliczeniowej
2Metody optymalizacji
3Transmisja danych
4Procesy stochastyczne
5Projekt interdyscyplinarny
6Fizyka 1

Semestr VI

1Hurtownie danych i systemy Business Intelligence
2Metody inteligencji obliczeniowej w analizie danych
3Warsztaty badawcze 2
4Fizyka 2

Semestr VII

1Składowanie danych w systemach Big Data
2Projekt zespołowy
3Seminarium dyplomowe
4Przygotowanie pracy dyplomowej / projektu dyplomowego

Zobacz sylabusy poszczególnych przedmiotów

Rekrutacja


Zainteresowana? Zainteresowany?

Przejdź na stronę Wydziału MiNI