Aplikuj
Informatyka i analiza danych

Big Data – Analytics & Society

  • Poziom studiów podyplomowe
  • Język wykładowy polski
  • Czas trwania

    9 miesięcy

  • Liczba zjazdów 12
  • Liczba godzin

    221

  • Tryb studiów hybrydoweniestacjonarne online
    Prowadzimy nabór do dwóch grup – hybrydowej oraz online.
  • Dni zjazdów sobota-niedziela
  • Start zajęć jesień 2025
dr Krzysztof Kuźmicz
Kierownik merytoryczny kierunku Big Data Analytics & Society

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
    • 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

Wykładowcy praktycy
Wiedzę zdobędziesz od ekspertów i ekspertek: praktyków i praktyczek z branży, specjalistów i specjalistek w swoich zawodach.
Praca projektowa
Będziesz się uczyć, realizując zadania w formie projektów - także tych międzykierunkowych.
Case studies
Poznasz realia branży, przyglądając się prawdziwym projektom, zrealizowanym z sukcesami na rynku.
  • 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!

  1. Aby zacząć studia podyplomowe musisz mieć ukończone studia wyższe na dowolnym kierunku.

  2. Nie musi to być tytuł magistra! Wystarczy dyplom licencjata lub inżyniera.

Poznaj wykładowców i wykładowczynie kierunku

Poznaj infrastrukturę CDV wypełnionioną sztuką i designem

logo firmy Franklin Templeton Investments

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
Najniższa cena z ostatnich 30 dni: 0 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
Pobierz regulamin

Jak zapisać się na studia

  1. 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 swoje dane w koncie kandydatapodaj informacje o wykształceniu, wskaż wybrany kierunek studiów i określ płatność.

    Potrzebne Ci będą:

    • numer PESEL,
    • dyplom ukończenia studiów wyższych (licencjackich, inżynierskich lub magisterskich).
  3. Sprawdź najpierw aktualne promocje!

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

  4. 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.

  5. 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