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

datascience

Studia II stopnia, 1,5-letnie lub 2-letnie, magisterskie studia stacjonarne (dzienne)
(programy studiów i syllabusy realizowanych przedmiotów)

Kierunkowe efekty kształcenia

Studia stacjonarne II stopnia na kierunku Inżynieria i analiza danych na Wydziale Matematyki i Nauk Informacyjnych Politechnicznych trwają 3 lub 4 semestry – ich absolwenci uzyskają tytuł zawodowy magistra inżyniera w naukach technicznych

Na studia trzysemestralne przyjmowani się absolwenci studiów inżynierskich kierunku Informatyka i pokrewnych. Studia czterosemestralne są przeznaczone dla absolwentów studiów licencjackich (np. na kierunku matematyka), w przypadku których konieczne jest uzupełnienie różnic programowych.

Absolwent kierunku Inżynieria i analiza danych (ang. data science) łączy wszechstronną wiedzę i umiejętności informatyczne oraz analityczne. Jego kompetencje są odpowiedzią na rosnące zapotrzebowanie gospodarki na specjalistów w dziedzinie analizy danych. Jest przygotowany do pracy w firmach tworzących i wykorzystujących systemy informatyczne oraz analityczne, w tym w sektorze nowoczesnych technologii, a także do pracy naukowej.W szczególności:

  • Cechuje go gotowość do samodzielnego rozwiązywania problemów i praktycznego stosowania informatyki w różnorodnych dziedzinach technologicznych i społecznych, również w ramach projektów interdyscyplinarnych.
  • Posiada dogłębną znajomość metod przetwarzania i analizy danych, w tym szczególnie metod uczenia maszynowego.
  • Wyróżnia się zaawansowaną umiejętnością doboru i dostosowania do wymagań dziedzinowych metod analizy danych, w tym analizy danych o złożonej strukturze.
  • Potrafi stosować istniejące metody analizy danych i rozwijać nowe zarówno dla danych przetwarzanych w klasycznych systemach, jak i dla danych o dużym wolumenie i różnorodności (ang. Big Data).