Dlaczego warto wybrać ten kierunek
Studia Big Data – Analytics & Society kształcą specjalistów i specjalistki, którzy będą w stanie kompleksowo analizować dane i realizować badania społeczne i marketingowe. Program łączy aspekty prawne i etyczne z praktyką programowania i narzędziami jak R, Python, Power BI, Tableau czy SPSS.
-
![]()
Czego się nauczysz
- dobierać struktury danych do zadanych problemów i algorytmów
- wykorzystywać techniki eksploracji, przetwarzania i analizy danych
- stosować elementy machine learning
- budować i konfigurować rozwiązania bazodanowe dla systemów Big Data
- programować w języku R i Python dla celów analitycznych
- wykonywać zaawansowane obliczenia statystyczne
- wizualizować dane na potrzeby badań społecznych, marketingowych i medialnych
- projektować i realizować badania społeczne i marketingowe
- tworzyć rozwiązania z obszaru Big Data zgodnie z zasadami etycznymi i regulacjami prawnymi
-
W jakim zawodzie będziesz mógł/mogła pracować
- Analityk/analityczka Data Mining
- Specjalista(-ka) ds. Big Data
- Big Data researcher(ka)
- Manager(ka) ds. badań i Big Data
Program studiów
-
Wprowadzenie do technologii Big Data
- moduł 1
- 6 h
- Czym jest, a czym nie jest “Big Data”? Filozofia, technologia, analityka
- Historia procesów informacyjnych: od “small data” do “Big Data”
- Definicje: Big Words, czyli “nowy” język analityka danych
- Wybrane techniki gromadzenia, weryfikacji i przetwarzania danych wielkiej skali
- Rozwój modeli analizy danych “nV” – ewolucja modeli biznesowych
- Wybrane aspekty rozwiązywania problemów w skali Big Data (algorytm MapReduce, koncepcja BigTable, NoSQL, rozproszone systemy plików HDFS)
- Problemy integracji narzędzi Big Data z oprogramowaniem użytkowym
- Big Data i Artificial Intelligence. “Nowoczesna” analityka danych: ewolucja czy zmiana?
- O co nam właściwie chodzi, czyli: nauka i biznes w świecie “wielkich zbiorów danych”. Aspekty poznawcze i praktyczne. Wybrane zastosowania, szanse i zagrożenia
-
Podstawy programowania
- moduł 2
- 46 h
- Język programowania R
- Język programowania Python
1. Język programowania R
- Wprowadzenie do środowiska R i podstaw składni
- Struktury danych (wektor, macierz, czynnik/factor, lista, ramka danych)
- Podstawowe techniki przetwarzania danych (pakiet tidyverse)
- Wizualizacja danych (pakiet ggplot2)
- Elementy programowania w R (tworzenie funkcji, pętle, instrukcje warunkowe)
- Wprowadzenie do wybranych metod statystycznych
2. Język programowania Python
- Wprowadzenie do języka Python
- Składnia języka Python
- Wyrażenia regularne w języku Python
- Klasy, obiekty, moduły
- Skrypty i kontrola przepływu programu
- Rozwiązywanie praktycznych problemów Big Data z wykorzystaniem języka Python, biblioteki Pandas, Numpy
- Wykorzystanie API do stworzenia aplikacji webowej opartej na frameworku Flask
- Przykłady zastosowania sztucznej inteligencji w oparciu o najnowsze biblioteki opensource (chatgpt, gemini, claude)
-
Metody przetwarzania i analizy danych
- moduł 3
- 20 h
- Eksploracyjna analiza danych
- Metody regresji (różne algorytmy, ocena jakości modeli)
- Metody klasyfikacji (modele white-box i black-box)
- Wyjaśnialna sztuczna inteligencja (XAI)
- Klasteryzacja i segmentacja danych
- Redukcja wymiarowości
-
Algorytmy i struktury danych
- moduł 4
- 20 h
- Podstawowe definicje, schematy zapisów algorytmów
- Podstawowe struktury danych: zmienne, wskaźniki i referencje, rekordy, tablice i macierze
- Struktury listowe, słownikowe i programistyczne
- Algorytmy iteracyjne i rekurencyjne. Sortowanie: bąbelkowe, przez selekcję i wstawianie, quicksort.
- Wyszukiwanie liniowe i binarne
- Algorytmy we współczesnym świecie
-
Bazy danych
- moduł 5
- 30 h
- Relacyjny model baz danych
- Wprowadzenie do języka SQL
- Bazy transakcyjne a analityczne
- Rodzaje baz NoSQL, architektura rozproszona
1. Relacyjny model baz danych
- podstawowe elementy modelu relacyjnego, ograniczenia integralnościowe
- zasady tworzenia relacyjnych baz danych, normalizacja
- modelowanie konceptualne baz danych, diagramy ER – zbiory encji, atrybuty, związki, klucze, krotność i obligatoryjność
2. Wprowadzenie do języka SQL
- składnia SQL : DML, DDL, DCL, DQL
- wykorzystanie języka SQL: dodawanie, usuwanie, modyfikowanie, wyświetlanie danych, praca ze schematem bazy danych
- procedury, funkcje, widoki
- praktyczne zastosowanie SQL – zapytania analityczne
- indeksy w bazach danych
3. Bazy transakcyjne a analityczne; definicja hurtowni danych wg. B. Inmona, R. Kimballa, architektura i projektowanie hurtowni danych, proces ETL
4. Rodzaje baz NoSQL, architektura rozproszona
-
Machine Learning
- moduł 6
- 18 h
- Charakterystyka sztucznej inteligencji
- Metody i zastosowania uczenia maszynowego
- Sieć neuronowa jako klasyczny przykład SI w zakresie ML
- Reprezentacja wiedzy i jej konsekwencje
- Błędy ludzi, które powielają lub których unikają maszyny
- Dobór metody z zakresu Si i ML do klasy zadania
- Optymalizacja i walidacja rozwiązań
- Uczenie głębokie (deep learning)
- Praca z frameworkami TensorFlow oraz PyTorch
- Praktyczne zastosowanie sieci neuronowych w analizie Big Data
-
Analiza sieci społecznych
- moduł 7
- 15 h
- SNA jako metoda i narzędzie badawcze
- Analiza sieci społecznych jako narzędzie badawcze w naukach społecznych i marketingowych; znaczenie miar i relacji w badaniach; wykorzystanie SNA do interpretacji struktur i zachowań w sieciach społecznych
- Podstawowe pojęcia i elementy sieci
- Definicja sieci społecznych, aktora sieci społecznej, połączenia i zbioru relacji
- Różnice między sieciami społecznymi a wirtualnymi sieciami społecznymi; poziomy analizy sieci społecznych (makro, mezo, mikro)
- Podstawy analizy sieci społecznych
- Matematyczna teoria grafów, algebra macierzowa w opisie relacji, podstawy statystyki w analizie sieci; miary wykorzystywane w analizie sieci społecznych: centralność, prestiż, pośrednictwo, bliskość, gęstość, kapitał społeczny
- Zastosowania SNA w biznesie i analizie społecznej
- Obserwowanie zmian społeczno-gospodarczych; analiza aktywności użytkowników Internetu; wyszukiwanie kluczowych użytkowników; marketing skierowany do grup docelowych; systemy rekomendacyjne; tworzenie grup projektowych w sieciach organizacyjnych
- Oprogramowanie i praktyka analityczna
- Oprogramowanie badawcze do analizy sieci; pozyskiwanie danych, tworzenie sieci, obliczanie miar, wizualizacja i interpretacja; praktyczne wykorzystanie oprogramowania na przykładach (case study)
-
Wizualizacja danych
- moduł 8
- 18 h
- Zasady percepcji wizualnej i ich znaczenia w procesie projektowania wizualizacji
- Teoretyczne podstawy doboru odpowiednich typów wykresów i form prezentacji danych do określonych kategorii informacji
- Reguły projektowania czytelnych, spójnych i efektywnych wizualnie przekazów danych
- Zasady stosowania koloru, kompozycji i hierarchii informacji w wizualizacjach
- Standardy i zasady etyczne w prezentacji danych, w tym identyfikacja i unikanie najczęstszych błędów i manipulacji wizualnych
- Podstawy tworzenia narracji opartej na danych (data storytelling) oraz sposoby wspierania procesu decyzyjnego poprzez odpowiednią prezentację wyników
- Wymogi dostępności oraz dobre praktyki projektowe zapewniające zrozumiałość wizualizacji dla różnych grup odbiorców
- Przegląd i omówienie wybranych narzędzi wspierających proces wizualizacji danych, takich jak Power BI, MicroStrategy oraz Tableau, wraz z ich praktycznymi zastosowaniami w organizacjach
-
Internetowe narzędzia analityczne
- moduł 9
- 15 h
- Narzędzia służące do: monitoringu mediów, zarządzania social media, influencer marketingu, badania zaangażowania użytkowników, content marketingu itp.
- Analityka internetowa: wprowadzenie, konfiguracja narzędzi analitycznych, budowa kompetencji w zespole, tworzenie ciągłych procesów analizy danych
- Przegląd wybranych narzędzi służących do: monitoringu mediów, zarządzania social media, influencer marketingu, badania zaangażowania użytkowników, content marketingu.
- Analityka webowa: dane o ruchu na stronie, analiza jego źródeł oraz zachowania użytkowników, analiza konwersji (Google Analytics)
- Narzędzia SEO: analityka widoczności strony, ruchu organicznego, słów kluczowych oraz backlinków
- Analityka mediów społecznościowych i social listening: monitorowanie i analizowanie aktywności w mediach społecznościowych, raportowanie, analiza sentymentu, trendów, reputacji marki (Sotrender i Brand24)
-
Badania marketingowe i społeczne
- moduł 10
- 12 h
- Wprowadzenie do badań marketingowych i społecznych
- Projektowanie procesu badawczego
- Metody i narzędzia badań ilościowych
- Metody i narzędzia badań jakościowych
- Analiza wyników, wnioski i raportowanie
- Błędy i ryzyka w badaniach
-
Psychologia Big Data
- moduł 11
- 6 h
- Jak nasz dominujący styl komunikacji determinuje przekaz i odbiór informacji?
- Psychologiczny model OCEAN i jego wykorzystanie w tworzeniu psychograficznych profili konsumentów/wyborców w powiązaniu z danymi z FB
- Przewidywanie cech i atrybutów na podstawie cyfrowej rejestracji ludzkich zachowań. Rozwój segmentacji psychograficznej
- Wybrane badania wykorzystujące Big Data i AI w analizie ludzkich zachowań i ich konfrontacja z dotychczasowymi ustaleniami psychologii
- Laboratorium psychologiczne oparte na Big Data: The Psychometric Centre, University of Cambridge
- Multitasking i efektywność w zakresie przetwarzania i zapamiętywania informacji
- Duże zbiory danych a procesy poznawcze i emocjonalne – podsumowanie
-
Prawne i etyczne aspekty gromadzenia i przetwarzania danych
- moduł 12
- 6 h
- Big Data a prawo do prywatności
- Ustawa o ochronie danych osobowych versus praktyka przetwarzania danych
- Tajemnice sektorowe
- Implikacje etyczne gromadzenia i przetwarzania informacji
- Etyczne aspekty sztucznej inteligencji oraz aktualne zmiany prawne w tym zakresie
- Zastosowanie Big Data w cyberbezpieczeństwie, detekcji anomalii i ochronie danych
-
Seminarium
- moduł 13
- 9 h
Moduł służy dopracowaniu projektu dyplomowego (indywidualnie lub zespołowo) z wykorzystaniem narzędzi Big Data – od doboru danych i metody po analizę oraz wnioski. Obejmuje konsultacje, prezentację wyników i ich omówienie tak, aby projekt był spójny merytorycznie i jasno pokazywał proponowane rozwiązanie problemu.
-
Zaliczenie
Warunkiem ukończenia studiów jest realizacja zadań i aktywności oraz przygotowanie pracy dyplomowej (projektu) z wykorzystaniem poznanych metod i narzędzi, a następnie zdanie egzaminu dyplomowego.
Absolwenci i absolwentki uzyskują, zgodne z wymogami ustawy, świadectwo ukończenia studiów podyplomowych w Collegium Da Vinci.
Studiuj praktycznie najlepiej
Zacznij podyplomówkę już po licencjacie!
-
Aby zacząć studia podyplomowe musisz mieć ukończone studia wyższe na dowolnym kierunku.
-
Nie musi to być tytuł magistra! Wystarczy dyplom licencjata lub inżyniera.
Poznaj infrastrukturę CDV wypełnionioną sztuką i designem
Poznaj partnera kierunku
Dzięki eksperckiej wiedzy naszych partnerów biznesowych programy studiów są zgodne z trendami na rynku, a zajęcia opierają się o case studies prosto z biznesu.
Ile kosztują studia na tym kierunku
Opłaty i czesne
Skorzystaj z promocji i obniż opłaty za studia
Promocja czasowa do 31 marca
Stwórz konto w formularzu rekrutacyjnym do 31 marca i uzupełnij swoje dane.
Opłata wpisowa
-
Płatna jednorazowo:
400 PLN 0 PLN
Czesne za rok
-
Płatne w 10 ratach
10 x 897 PLN 10 x 845 PLN -
Płatne w 2 ratach
2 x 4 485 PLN 2 x 4 255 PLN -
Płatne w 1 racie
1 x 8 970 PLN 1 x 8 450 PLN
Zniżki dla absolwentów i absolwentek
Wpisowe
-
Płatna jednorazowo:
0 PLN
Czesne
-
Zwolnienie z jednej z 10 rat
- 845 PLN
Jak zapisać się na studia
-
Utwórz konto kandydata w formularzu rekrutacyjnym. Dzięki temu wszystkie formalności załatwisz online, o dowolnej porze dnia, bez wychodzenia z domu i drukowania dokumentów.
Będziesz też móc wracać do swojego zgłoszenia, by uzupełnić informacje w późniejszym czasie.
-
Uzupełnij swoje dane w koncie kandydata, podaj informacje o wykształceniu, wskaż wybrany kierunek studiów i określ płatność.
Potrzebne Ci będą:
- numer PESEL,
- dyplom ukończenia studiów wyższych (licencjackich, inżynierskich lub magisterskich).
-
Sprawdź najpierw aktualne promocje!
Opłaty wpisowej dokonasz poprzez konto kandydata w formularzu rekrutacyjnym i serwis PayU.
-
Zrobisz to za pośrednictwem konta kandydata, zapoznając się z treścią umowy i akceptując jej postanowienia.
Po podpisaniu umowy otrzymasz ją w formacie PDF na swój adres e-mail. -
Po podpisaniu umowy Twój status kandydata zmieni się na „przyjęty”, co oznacza, że dostałeś(-aś) się na studia. Wszelkie informacje dotyczące studiów znajdziesz w serwisie Wirtualna Uczelnia, do którego dostęp otrzymasz 7 dni przed rozpoczęciem zajęć.
dr Krzysztof Kuźmicz
Kierownik merytoryczny kierunku Big Data - Analytics & SocietyO mnie
Kierownik merytoryczny kierunków Big data – analytics & society, Nauczanie informatyki i zajęć komputerowych.
Doktor nauk społecznych, medioznawca, dziennikarz, animator kultury, pedagog medialny, badacz i nauczyciel akademicki, certyfikowany tutor. Absolwent Uniwersytetu im. Adama Mickiewicza w Poznaniu. Członek Polskiego Towarzystwa Komunikacji Społecznej, Polskiego Towarzystwa Mediów i Technologii Edukacyjnych. Prezes Zarządu Instytutu Analiz Społecznych Quantum. Ekspert, badacz, trener w grantach i projektach Narodowego Centrum Badań i Rozwoju oraz Narodowego Centrum Nauki.
W latach 2005-2015 pracował w Instytucie Dziennikarstwa i Komunikacji Społecznej Dolnośląskiej Szkoły Wyższej we Wrocławiu, gdzie współtworzył pierwszą w Polsce specjalizację dziennikarską o profilu muzycznym oraz realizował badania naukowe w obszarze mediów i komunikacji społecznej. W latach 2015 – 2018 pracował na stanowisku adiunkta w Katedrze Edukacji i Nowych Mediów Collegium Da Vinci w Poznaniu. Pomysłodawca i kierownik merytoryczny: a) specjalizacji technologie edukacyjne (edukacja prorozwojowa I stopień), b) biznesowych studiów podyplomowych: Big Data – Analytics&Society, c) studiów podyplomowych dla nauczycieli: nauczanie informatyki i zajęć komputerowych. Aktualnie zatrudniony na stanowisku adiunkta w Katedrze Nauk Społecznych Akademii Leona Koźmińskiego w Warszawie.
Jego zainteresowania badawcze obejmują m.in. nowoczesną komunikację społeczną, marketingową i medialną (social, cloud, big data, mobile, new media, game studies), psychologię mediów i reklamy, PR i kreowanie wizerunku, organizację i zarządzanie mediami, edukacyjne zastosowania mediów i technologii, dziennikarstwo muzyczne, kulturę popularną. Jest autorem licznych publikacji naukowych oraz monografii pt. „E-learning. Kultura studiowania w przestrzeni sieci” i ponad 1900-set godzin audycji radiowych.
Anita Deja
WykładowczyniO mnie
Łączę dwa światy, które często mówią innymi językami – IT i biznes. Jako kierowniczka działu IT Business Consulting w Lidl Polska zarządzam zespołem ekspertów, którzy pomagają organizacji wykorzystywać technologię do osiągania realnych korzyści biznesowych. Naszym celem jest tworzenie rozwiązań, które nie tylko działają, ale przede wszystkim mają sens – dla ludzi, strategii i rozwoju firm.
Dane to moja pasja. Uwielbiam je analizować, wizualizować i przekładać na decyzje, które mają realny wpływ na organizacje. Wierzę w „moc wizualizacji danych” – Business Intelligence to dla mnie nie tylko narzędzie, ale sposób myślenia o przyszłości. Chcę inspirować innych do odkrywania potencjału danych jako sprzymierzeńca w cyfrowym świecie.
Swoją wiedzą dzielę się również jako wykładowczyni na dwóch polskich uczelniach (Collegium da Vinci oraz Akademii Leona Koźminskiego), pomagając studentom zrozumieć, jak dane i technologia mogą wspierać biznes, podejmowanie decyzji oraz transformację cyfrową organizacji. Wierzę, że przyszłość należy do firm, które potrafią skutecznie zarządzać informacją i wykorzystywać ją w strategii działania.
Ciekawi mnie
Poza danymi i technologią, fascynuje mnie rozwój kompetencji przyszłości, szczególnie w kontekście rynku pracy i organizacji. Inspiruje mnie także wpływ megatrendów na biznes oraz sposób, w jaki firmy mogą dostosowywać się do dynamicznych zmian. Poza pracą energię czerpię z aktywności fizycznej – biegam, ćwiczę i dbam o zdrowy styl życia.
dr Jacek Nożewski
WykładowcaO mnie
doktor nauk społecznych w dyscyplinie nauki o polityce na Uniwersytecie Wrocławskim. Uczestnik międzynarodowych i krajowych projektów badawczych poświęconych nowym mediom i komunikowaniu politycznemu. Prelegent wielu konferencji zagranicznych i krajowych. Autor publikacji naukowych poświęconych komunikowaniu politycznemu w nowych mediach. Członek Polskiego Towarzystwa Komunikacji Społecznej i International Communication Association. Prowadził wiele warsztatów poświęconych metodologii badawczej nowych mediów. Szczególne pole jego zainteresowań stanowią analizy sieci (Network Analysis), mediów społecznościowych, zaangażowania komunikacyjnego oraz komunikowania politycznego w nowych mediach. W swoich badaniach posługuje się łączeniem jakościowych i ilościowych technik i narzędzi badawczych.
dr inż. Robert Tomczak
WykładowcaO mnie
Doktor inżynier, czyli naukowiec z zacięciem technicznym. Kiedyś network/system administrator, obecnie CTO w eN Studios.
Ciekawi mnie
Technologia i możliwości jej eksploatacji. Jestem fanem rozwiązywania problemów kreatywnym pomysłem i sprzętem, ale nie gardzę dobrym algorytmem.
dr inż. Leszek Wanat
WykładowcaO mnie
Doktor nauk ekonomicznych w dyscyplinie ekonomia, nauczyciel akademicki i praktyk zarządzania w zakresie gospodarki elektronicznej i informatyki ekonomicznej
Ciekawi mnie
Człowiek, informatyka i taniec towarzyski, a także, oczywiście, ekonomia.
Zapraszam do współpracy w zakresie analityki ekonomicznej i Big Data, inżynierii zarządzania, a ponadto zagadnień dotyczących: informatyki gospodarczej, rynku i konkurencyjności międzynarodowej, gospodarki naturalnej, mezoekonomii i ekonomicznej analizy prawa oraz sztucznej inteligencji.
dr Łukasz Wawrowski
WykładowcaO mnie
Pracownik Katedry Statystyki na Wydziale Informatyki i Gospodarki Elektronicznej Uniwersytetu Ekonomicznego w Poznaniu. Posiada 10-letnie doświadczenie w zakresie analizy danych w programach R, SAS i SPSS. Wykładowca na studiach podyplomowych „Big Data – Analytics & Society” oraz „Zaawansowane techniki analityczne w biznesie”. Uczestniczy w licznych projektach naukowo-badawczych dotyczących m.in. jakości życia, modelowania ekonometrycznego oraz sztucznej inteligencji.
Autor bloga: wawrowski.edu.pl.
Aleksander Wnuk
WykładowcaO mnie
Absolwent Uniwersytetu Ekonomicznego w Poznaniu. Pracę w Franklin Templeton Investments rozpoczął od stażu podczas ostatniego roku studiów. Przez 3,5 roku pracował w dziale obróbki danych marketingowych dla produktów inwestycyjnych. Później opuścił firmę, aby zyskać nowe doświadczenie w McKinsey & Company. Od czerwca 2016 ponownie związany z Franklin Templeton Investments, tym razem na stanowisku Senior Research Analyst w dziale Product Data Services. Rozwija swoją wiedzę i umiejętności w kierunku programowania (PHP, Python) oraz tematyki big data, w szczególności analizy zbiorów dark data.
Nadia Sikorska - Porawska
WykładowczyniO mnie
Z wykształcenia i zamiłowania ekonomista, analityk danych. Zawodowo zaangażowana w projekty IT i zorientowane na danych w obszarach handlu, nieruchomości, bankowości i e-commerce.
Ciekawi mnie
Ludzie, ich świat, kultury, historie. Lubię wędrówki piesze, rowerowe i kajakiem. Najlepiej czuję się w górach.