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
-
Wprowadzenie do technologii Big Data
- moduł 1
- 6 h
- 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
- moduł 2
- 46 h
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
Wprowadzenie do języka Python
- Składnia języka Python
- Wyrażenia regularne w języku Python
- Klasy, obiekty, moduły
- Skrypty i kontrola przepływu program
- Zastosowanie bibliotek naukowych: NumPy, SciPy, Matplotlib
- Rozwiązywanie praktycznych problemów Big Data z wykorzystaniem języka Python
- Zastosowanie AI w Big Data
- Kluczowe zagadnienia statystyczne
-
Metody przetwarzania i analizy danych
- moduł 3
- 20 h
- 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
-
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, 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 h
- Relacyjny model baz danych
- Wprowadzenie do języka strukturalnego SQL :składnia SQL : DML, DDL, DCL, DQL
- Praktyczne zastosowanie SQL – zapytania analityczne
- Metody efektywnego tworzenia modeli danych i ich pozyskiwani z wykorzystaniem SQL
- Hurtownia danych, silniki baz danych; konceptualne modelowanie danych z wykorzystaniem diagramów ER, zbiory encji, atrybuty, związki, klucze, krotność i obligatoryjność
- Modelowanie danych, relacyjny model danych, podstawowe operacje na bazie danych wykorzystaniem języka SQL
- Definicja hurtowni danych wg. B. Inmona, R. Kimballa; model koncepcyjny, model logiczny; Aplikacje CRT, proces ETL., wymiary w hurtowni danych, analiza danych (OLAP cube, analiza w bazach NoSQl)
- 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 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
- Zastosowanie w biznesie (obserwowanie zmian społeczno-gospodarczych, analiza aktywności użytkowników Internetu)
- Oprogramowanie badawcze i jego praktyczne zastosowanie
- Definicja sieci społecznych, aktora sieci społecznej, połączenia i zbioru relacji w sieciach społecznych, zastosowanie w biznesie (obserwowanie zmian społeczno-gospodarczych, analiza aktywności użytkowników Internetu)
- Analiza sieci społecznej jako metoda badawcza, sieci społeczne, a wirtualne sieci społeczne, znaczenie analizy sieci społecznych (SNA), poziomy analizy sieci społecznych (makro, mezo i mikro)
- Podstawy analizy sieci społecznych, matematyczna teoria grafów, algebra macierzowa, statystyka, miary w analizie sieci społecznych: centralność, prestiż, pośrednictwo, bliskość, gęstość, kapitał społeczny, zastosowanie analizy sieci społecznych – case study: wyszukiwanie kluczowych użytkowników, marketing skierowany do grupy docelowej, systemy rekomendacyjne, tworzenie grup projektowych w sieciach społecznych, propagacja nowych idei, kolaboratywne zarządzanie wiedzą.
-
Wizualizacja danych
- moduł 8
- 18 h
- Wprowadzenie
- Przygotowanie danych do wizualizacji
- Alteryx – prezentacja aplikacji oraz jej możliwości
- Tableau – prezentacja aplikacji, praktyczne tworzenie wykresów, dashboardów i story
Wprowadzenie
- Czym jest Business Intelligence
- Narzędzia wizualizacji danych – QlikView, Tableau itp.
- Tableau – model biznesowy
- Dobre praktyki wizualizacji danych
- Zastosowanie wizualizacji danych w celu optymalizacji efektywności organizacyjnej i zarządzania procesami biznesowymi
Przygotowanie danych do wizualizacji
- Rodzaje zmiennych
- Cel porządkowania danych
- Cechy uporządkowanych danych
- Praktyczne przykłady porządkowania zbiorów danych
- Porządkowanie a oczyszczanie danych
Alteryx – prezentacja aplikacji oraz jej możliwości
- Metody podłączania danych oraz rodzaje źródeł danych
- Podstawowe narzędzia (Tools)
- Konstruowanie workflowu
- Zapisywanie tabel wynikowych do plików
- Ćwiczenia praktyczne
Tableau – prezentacja aplikacji, praktyczne tworzenie wykresów, dashboardów i story
-
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 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
-
Badania marketingowe i społeczne
- moduł 10
- 12 h
- Typy badań w marketingu i naukach społecznych (np. badania ilościowe, jakościowe, badania satysfakcji klientów, badanie opinii publicznej, badania UX)
- Proces badawczy, najczęściej popełniane błędy badawcze
- Metody, techniki i narzędzia badawcze (np. ankiety, wywiady grupowe – fokusy, eye-tracking)
- Wnioski i raportowanie
-
Psychologia Big Data
- moduł 11
- 6 h
- Psychologiczny model OCEAN i jego wykorzystanie w tworzeniu psychograficznych profili konsumentów/wyborców w powiązaniu z danymi z FB
- Laboratorium psychologiczne oparte na Big Data: The Psychometric Centre, University of Cambridge
- Redukcjonistyczne ujęcie (psychologii) człowieka jako skończonego zbioru danych behawioralnych i neurodanych
- Wybrane elementy cyberpsychologii
- Interakcja człowiek-media-technologia
- Multitasking i efektywność
- Hipoteza cyfrowej demencji
- Media społecznościowe: następstwa psychologiczne w kontekście najnowszych badań
- Wybrane zaburzenia: m.in. FOMO, DA, nomofobia
- Case study i best practice – perspektywa managera
- Media, technologie i duże zbiory danych a procesy poznawcze, emocjonalne
-
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
- Konsultacje zespołowych lub indywidualnych projektów zaliczeniowych
- Prezentacja i omówienie wyników projektowych
-
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 i absolwentki uzyskują, zgodne z wymogami ustawy, świadectwo ukończenia studiów podyplomowych w Collegium Da Vinci.
Jak realizujemy zajęcia na tym kierunku
-
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).
Studiuj praktycznie najlepiej
-
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(-a) 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 i absolwentek różnych kierunków studiów wyższych: społecznych, ekonomicznych, inżynieryjnych, technicznych, a także humanistycznych
- specjalistów i specjalistek 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
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 wykładowców i wykładowczynie kierunku
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
Opłata wpisowa
-
Płatna jednorazowo:
400 PLN
Czesne za rok
-
Płatne w 10 ratach
10 x 875 PLN -
Płatne w 2 ratach
2 x 4 375 PLN -
Płatne w 1 racie
1 x 8 750 PLN
Zniżki dla absolwentów i absolwentek
Wpisowe
-
Płatna jednorazowo:
0 PLN
Czesne
-
Zwolnienie z jednej z 10 rat
- 875 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.
Dokumenty do pobrania
Masz pytania? Zapraszamy do kontaktu z nami
Biuro Rekrutacji
Adres
Godziny otwarcia
Kontakt
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.
Maria Staszyńska
WykładowczyniO mnie
Jestem 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.
Ciekawi mnie
Moje 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
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.