Big Data – Analytics & Society - studia podyplomowe - Collegium Da Vinci Poznań
Treść Menu ogólne Menu studiów Stopka

Big Data – Analytics & Society

podyplomowe

poziom studiów

polski

język wykładowy

9 miesięcy

czas trwania

12

liczba zjazdów

221

liczba godzin

hybrydowa
lub online

forma studiów

jesień 2025

start zajęć

sobota-niedziela

dni zjazdów

Zapisz się Zapisz się
Krzysztof Kuźmicz
Kierownik merytoryczny kierunku Big Data Analytics & Society
image

Poznaj kierunek

Studia podyplomowe na kierunku Big Data – Analytics & Society to kierunek przygotowany z myślą o dynamicznie rozwijającej się branży przetwarzania i analiza danych. Gromadzenie i eksploracja danych jest coraz bardziej istotnym aspektem funkcjonowania firm i instytucji różnego rodzaju. Kierunek kształci specjalistów, którzy będą w stanie kompleksowo analizować dane i realizować badania społeczne i marketingowe. Pozwala zrozumieć relacje między człowiekiem i technologią – zapoznaje z wpływem mediów na ich użytkowników oraz mechanizmami psychologicznymi, które kierują ludźmi. Zwraca uwagę na prawne i etyczne aspekty gromadzenia i przetwarzania danych. Uczy wykorzystywania narzędzi do analizy danych i nieszablonowego rozwiązywania problemów. Daje solidne podstawy w zakresie programowania na potrzeby analityki. Koncentruje się na praktycznych umiejętnościach rozwijanych podczas pracy zespołowej pod okiem ekspertów w dziedzinie Big Data. Słuchacze w trakcie zajęć mają okazję poznać: R, Python, Microstrategy, Power BI, Tableu, Alteryx, SPSS, Gephi.

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
image

W jakim zawodzie będziesz mógł/mogła pracować

  • Analityk Data Mining,
  • Specjalista ds. Big Data,
  • Big Data Researcher,
  • Manager ds. badań i Big Data
image

Jak realizujemy zajęcia na tym kierunku

Prowadzimy nabór do dwóch grup – hybrydowej oraz online:

  • grupa hybrydowa – około 70% zajęć stacjonarnie (w budynku uczelni), a 30% online,
  • grupa online – 90% zajęć online w czasie rzeczywistym (“na żywo”), 10% stacjonarnie (pierwsze spotkanie w budynku uczelni).

Zastanawiasz się, czy to kierunek dla Ciebie?

Możesz uznać, że tak, jeśli uważasz, że pasuje do Ciebie poniższy opis:

 

  • masz tytuł licencjata, inżyniera lub magistra
  • chcesz się rozwijać i zdobywać nową wiedzę
  • jesteś otwarty na wyzwania
  • masz zdolności analityczne, potrafisz wyciągać wnioski z pozyskanych danych
  • łączysz kompetencje “twarde” i “miękkie”
  • interesują Cię relacje między człowiekiem i technologią
  • śledzisz zachodzące zmiany społeczno-ekonomiczne w świecie

Kierunek stanowi doskonałą kontynuację kształcenia dla:

 

  • absolwentów różnych kierunków studiów wyższych: społecznych, ekonomicznych,  inżynieryjnych, technicznych, a także humanistycznych
  • specjalistów w zakresie marketingu, informatyki, socjologii, psychologii, pedagogiki, politologii, dziennikarstwa, bezpieczeństwa i administracji
  • osób z podstawową wiedzą i umiejętnościami z obszaru statystyki oraz badań społecznych i ekonomicznych

Zrób quiz i sprawdź, który kierunek jest najbliższy Twoim predyspozycjom i zainteresowaniom.

zrób quiz zrób quiz
image

ZACZNIJ PODYPLOMÓWKĘ JUŻ PO LICENCJACIE!

Aby zacząć studia podyplomowe, musisz mieć ukończone studia wyższe na dowolnym kierunku. Natomiast nie musi to być tytuł magistra! Wystarczy dyplom licencjata lub inżyniera.

Jak wygląda program studiów

Wprowadzenie do technologii Big Data

moduł 1

6 godzin

  • Model 42V
  • Podejścia do problemów skali Big Data, algorytm MapReduce, koncepcja BigTable, NoSQL oraz rozproszone systemy plikowe HDFS
  • Historia procesów informacyjnych
  • Wartość Big Data dla biznesu i życia społecznego.
  • Big Words – najważniejsze pojęcia
  • Narzędzia do analizy Big Data oraz wizualizacja danych
  • Przetwarzanie danych w chmurze obliczeniowej
  • Zagadnienia Low-Code/No-Code Data Analytics
  • Nowoczesna analityka w przedsiębiorstwie cyfrowym.
  • Zastosowania Big Data w życiu codziennym (case’y: Jak wygrać wybory w USA?)

Podstawy programowania język R

moduł 2a

23 godziny

  • Wprowadzenie do języka R
  • Struktury danych (wektor, macierz, faktor/czynnik, lista, ramka danych)
  • Przetwarzanie danych (np. pakiet tidyverse)
  • Wizualizacja danych (pakiet ggplot2, wykresy)
  • Programowanie w R (tworzenie funkcji, pętle, instrukcje warunkowe)
  • Zastosowanie AI w Big Data
  • Kluczowe zagadnienia statystyczne

Podstawy programowania język Python

moduł 2b

23 godziny

  • Wprowadzenie do języka Python
  • Składnia języka Python
  • Wyrażenia regularne w języku Python
  • Klasy, obiekty, moduły
  • Skrypty i kontrola przepływu programu
  • Zastosowanie bibliotek naukowych: NumPy, SciPy, Matplotlib
  • Rozwiązywanie praktycznych problemów
  • Zastosowanie AI w Big Data

Metody przetwarzania i analizy danych

moduł 3

20 godzin

  • Eksploracja danych – wstęp, techniki eksploracji danych
  • Metody przetwarzania i analizy danych (np.: modele GLM, Mixed models, algorytm locality-sensitive hashing)
  • Przetwarzanie Big Data za pomocą Apache Hadoop, implementacja algorytmów w paradygmacie MapReduce,
  • Wykorzystanie narzędzi analitycznych Pig i Hive
  • Przetwarzanie Big Data z użyciem Apache Spark
  • Praca z platformą analityczną SAS LASR Server
  • Zaawansowana analityka Big Data integrująca metody ML i AI
  • Gromadzenie danych z urządzeń IoT i ich analiza w czasie rzeczywistym
image

Algorytmy i struktury danych

moduł 4

20 godzin

  • Podstawowe definicje, schematy zapisów algorytmów
  • Podstawowe struktury danych: zmienne, wskaźniki i referencje, rekordy, tablice i macierze
  • Struktury listowe, grafowe, słownikowe i programistyczne
  • Algorytmy iteracyjne i rekurencyjne. Sortowanie: bąbelkowe, przez selekcję i wstawianie, quicksort. Wyszukiwanie liniowe, binarne, grafowe. Cykle: Eulera i Hamiltona, przeszukiwanie drzew

Bazy danych

moduł 5

30 godzin

  • Relacyjny model baz danych
  • Wprowadzenie do języka strukturalnego SQL
  • Praktyczne zastosowanie SQL – zapytania analityczne
  • Metody efektywnego tworzenia modeli danych i ich pozyskiwani
  • Hurtownia danych, silniki baz danych; konceptualne modelowanie danych z wykorzystaniem diagramów ER, zbiory encji
  • Modelowanie danych, relacyjny model danych, podstawowe operacje na bazie danych wykorzystaniem języka SQL
  • Definicja hurtowni danych wg. B. Inmona, R. Kimballa
  • Konfiguracja środowiska do analizy Big Data w technologii Open Source (Apache Cassandra, Apache HBase, Apache Spark, Apache Mahaut, Apache MLlib, Apache Hadoop)

Machine learning

moduł 6

18 godzin

  • Charakterystyka sztucznej inteligencji
  • Metody i zastosowania uczenia maszynowego
  • Sieć neuronowa
  • 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 godzin

  • SNA jako metoda i narzędzie badawcze
  • Oprogramowanie badawcze i jego praktyczne zastosowanie
  • Definicja i analiza sieci społecznych jako metoda badawcza
  • Podstawy analizy sieci społecznych

Wizualizacja danych

moduł 8

18 godzin

  • Wizualizacja danych (QlikView, Tableau itp)
  • Przygotowanie danych do wizualizacji
  • Alteryx – prezentacja aplikacji oraz jej możliwości
  • Tableau – prezentacja aplikacji wraz z praktycznym tworzeniem
image

Internetowe narzędzia analityczne

moduł 9

18 godzin

  • Narzędzia służące do: monitoringu mediów, zarządzania social media
  • Analityka internetowa: wprowadzenie, konfiguracja narzędzi analitycznych
  • Analityka internetowa w działaniu: Google Analytics; Moz Analytics; TrueSocial Metrics; Woopra; BrightEdge; CrazyEgg; Heatmap; Hootsuite, Hotjar
  • Yandex Metrica; Adobe Analytics; Webtrends; IBM Digital Analytics; Piwik/Matomo

Big Data w chmurze obliczeniowej

moduł 10

6 godzin

  • Architektura systemów Big Data w chmurze
  • Modele przetwarzania danych w chmurze
  • Rozwiązania chmurowe (np. AWS, Azure, Google Cloud)
  • Techniki przetwarzania strumieniowego
  • Bezpieczeństwo i zarządzanie danymi w chmurze
  • Trendy i przyszłość Big Data w chmurze

Sztuczna Inteligencja w analizie Big Data

moduł 11

6 godzin

  • Algorytmy uczenia maszynowego w analizie Big Data
  • Deep Learning w analizie Big Data
  • Zastosowanie AI w analizie biznesowej, przemyśle, badaniach społecznych i marketingowych, w badaniach naukowych
  • Dylematy poznawcze i etyczne AI
  • Perspektywy rozwoju sztucznej inteligencji

Psychologia Big Data

moduł 12

6 godzin

  • Psychologiczny model OCEAN
  • Laboratorium psychologiczne oparte na Big Data: The Psychometric Centre, University of Cambridge
  • Wybrane elementy cyberpsychologii
  • Interakcja człowiek-media-technologia w ujęciu psychologicznym i neurokognitywnym

Prawne i etyczne aspekty gromadzenia i przetwarzania danych

moduł 13

6 godzin

  • Big Data a prawo do prywatności
  • Ustawa o ochronie danych osobowych versus praktyka przetwarzania danych
  • Etyczne aspekty sztucznej inteligencji oraz aktualne zmiany prawne w tym zakresie

Seminarium

moduł 14

9 godzin

Omównie i przygotowanie projektu zaliczeniowego.

Zaliczenie

Warunkiem ukończenia studiów podyplomowych Big Data – Analytics & Society jest realizowanie zadań i aktywności oraz wykonanie projektu indywidualnego/zespołowego – pracy dyplomowej z wykorzystaniem poznanych metod i narzędzi.

Absolwenci uzyskują, zgodne z wymogami ustawy świadectwo ukończenia studiów podyplomowych w Collegium Da Vinci.

Co o kierunku mówią wykładowcy

image

Krzysztof Kuźmicz

Wykładowca kierunku Big Data – Analytics & Society

 

“Rynek pracy wymaga od specjalistów różnych branż analitycznego myślenia i kreatywnego łączenia wiedzy z praktyką. Absolwenci kierunków społecznych i humanistycznych wyposażeni w dodatkowe kompetencje z obszaru Big Data coraz częściej są pożądani w sektorach kojarzonych dotychczas wyłącznie z naukami ścisłymi. Nasze studia Data Science – realizowane przez doświadczonych wykładowców, ekspertów i przedstawicieli instytucji związanych z Big Data – pozwolą absolwentom na łączenie kompetencji miękkich i twardych. Świadome korzystanie z narzędzi analitycznych, samodzielne projektowanie badań, interfejsów użytkownika czy wdrażanie projektów we współpracy z zespołem programistów to tylko część wyzwań, jakie stawiamy przed słuchaczami.”

Poznaj partnera kierunku

Jako uczelnia ściśle współpracujemy z biznesem – każdy kierunek studiów posiada własnego partnera lub partnerów biznesowych. Są nimi działające z sukcesami na rynku firmy z konkretnych branż.

Partnerem biznesowym kierunku Big Data – Analytics & Society jest Franklin Templeton, światowy lider w zarządzaniu aktywami. Działa od ponad 75 lat i obsługuje klientów z ponad 155 krajów. Eksperci z Franklin Templeton wspierają klientów w osiąganiu konkretnych celów finansowych i coraz lepszych wyników.

Poznaj wykładowców kierunku

dr Krzysztof Kuźmicz

Wykładowca

dr Krzysztof Kuźmicz

Wykładowca

rozwińO mnie
Kierownik merytoryczny kierunków Big data – analytics & society, Nauczanie informatyki i zajęć komputerowych.

rozwińDoktor 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

Wykładowczyni

Anita Deja

Wykładowczyni

rozwińO mnie

rozwińŁączę 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.

rozwińDane 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.

rozwińSwoją 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.

rozwińCiekawi mnie

rozwińPoza 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

Wykładowca

dr Jacek Nożewski

Wykładowca

O mnie

rozwińdoktor 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.

Maria Staszyńska

Wykładowczyni

Maria Staszyńska

Wykładowczyni

rozwińO mnie

rozwińJestem absolwentką Instytutu Socjologii Uniwersytetu Warszawskiego oraz Akademii Leona Koźmińskiego (na kierunku Psychologia w Zarządzaniu). Obecnie kończę studia doktoranckie na Wydziale Socjologii UW i piszę rozprawę doktorską o pamięci zbiorowej PRL-u. Pracuję również jako wykładowca w Akademii Leona Koźmińskiego, gdzie prowadzę przedmioty metodologiczne: metody badawcze oraz warsztaty badawcze. Doświadczenie buduję zarówno na pracy dydaktycznej, jak i na praktyce badawczej, zarówno naukowej, jak i związanej z pracą w firmach badawczych.

rozwińCiekawi mnie

rozwińMoje zainteresowania badawcze ogniskują się wokół problematyki zmian świadomości historycznej w perspektywie pokoleniowej. Interesują mnie polityczne, ekonomiczne i
społeczne determinanty kształtowania świadomości historycznej polskiego społeczeństwa.
Poza tym interesuję się metodologią badań społecznych (zwłaszcza metodami badań jakościowych), analizą danych sondażowych oraz psychologią społeczną. W wolnym czasie lubię spacerować po lesie z psem, czytać, pływać kajakiem i podróżować.

dr inż. Robert Tomczak

Wykładowca

Spotkajmy się na:

Informatyka

dr inż. Robert Tomczak

Wykładowca

O mnie

rozwińDoktor inżynier, czyli naukowiec z zacięciem technicznym. Kiedyś network/system administrator, obecnie CTO w eN Studios.

Ciekawi mnie

rozwińTechnologia i możliwości jej eksploatacji. Jestem fanem rozwiązywania problemów kreatywnym pomysłem i sprzętem, ale nie gardzę dobrym algorytmem.

dr inż. Leszek Wanat

Wykładowca

dr inż. Leszek Wanat

Wykładowca

rozwińO mnie

rozwińDoktor nauk ekonomicznych w dyscyplinie ekonomia, nauczyciel akademicki i praktyk zarządzania w zakresie gospodarki elektronicznej i informatyki ekonomicznej

rozwińCiekawi mnie

rozwińCzłowiek, informatyka i taniec towarzyski, a także, oczywiście, ekonomia.

rozwińZapraszam 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

Wykładowca

dr Łukasz Wawrowski

Wykładowca

O mnie

rozwińPracownik 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.

rozwińAutor bloga: wawrowski.edu.pl.

Aleksander Wnuk

Wykładowca

Aleksander Wnuk

Wykładowca

O mnie

rozwińAbsolwent 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.

Ile kosztują studia na tym kierunku

Opłaty i czesne

Opłata wpisowa
(promocja do 30 czerwca)

płatna jednorazowo

1 x 400 PLN

0 PLN

Najniższa cena z ostatnich 30 dni: 0 PLN

Czesne
(promocja do 30 czerwca)

Płatne w 10 ratach

10 x 875 PLN

845 PLN

Płatne w 2 ratach

2 x 4 375 PLN

4 225 PLN

Płatne w 1 racie

1 x 8 750 PLN

8 450 PLN

Najniższa cena z ostatnich 30 dni: 8 150 PLN

Zniżki dla absolwentów CDV i WSNHiD

Wpisowe:

0 PLN

Czesne:

zwolnienie z jednej z 10 rat

845 PLN

image
Pobierz regulamin Pobierz regulamin

Skorzystaj z dofinansowań i nieoprocentowanych kredytów.
Uzyskaj pomoc w sfinansowaniu studiów

Jak zapisać się na studia

1

Zarejestruj się

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.

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.

2

Uzupełnij dane

Uzupełnij swoje dane w koncie kandydata, podaj informacje o wykształceniu, wskaż wybrany kierunek studiów i określ płatność.

 

Potrzebne Ci będą:

  • dokument tożsamości,
  • dyplom ukończenia studiów wyższych (licencjackich, inżynierskich lub magisterskich).

Uzupełnij swoje dane w koncie kandydata, podaj informacje o wykształceniu, wskaż wybrany kierunek studiów i określ płatność.

 

Potrzebne Ci będą:

  • dokument tożsamości,
  • dyplom ukończenia studiów wyższych (licencjackich, inżynierskich lub magisterskich).
3

Dokonaj opłaty wpisowej

Sprawdź najpierw aktualne promocje!

Opłaty wpisowej dokonasz poprzez konto kandydata w formularzu rekrutacyjnym i serwis PayU.

Sprawdź najpierw aktualne promocje!

Opłaty wpisowej dokonasz poprzez konto kandydata w formularzu rekrutacyjnym i serwis PayU.

4

Podpisz dokumenty online

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.

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.

Witaj w gronie słuchaczy!

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.

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.

Masz pytania? Zapraszamy do kontaktu z nami!

Odpowiemy na wszystkie Twoje pytania, wyjaśnimy, doradzimy. Możesz zadzwonić do nas, napisać wiadomość mailową, a nawet umówić się na prywatną wideorozmowę. Jeśli masz ochotę, zapraszamy także osobiście do naszego biura rekrutacji.

image

Izabella Bekas-Kwaśniewska

Specjalistka ds. rekrutacji
na studia podyplomowe

e-mail: podyplomowe@cdv.pl

tel.: +48 697 230 138

UMÓW WIDEOROZMOWĘ UMÓW WIDEOROZMOWĘ

Biuro rekrutacji

ul. Kutrzeby 10, 61-719 Poznań Pokój R005, piętro 0 Rotunda

Godziny otwarcia:

poniedziałek - piątek: 8.30-15.00

sobota - niedziela: nieczynne