Kierunki studiów obejmujące tę tematykę łączą zaawansowane techniki analizy danych z wiedzą ekonomiczną i społeczną. Kształcenie ma charakter interdyscyplinarny, co oznacza, że studenci zdobywają wiedzę zarówno z zakresu technologii informacyjnych, jak i nauk społecznych oraz ekonomicznych.
Na początku uczestnicy zapoznają się z podstawowymi technikami programowania oraz narzędziami używanymi do analizy danych. Mogą to być języki programowania, takie jak Python i R, które są powszechnie stosowane w analizę danych. Wykorzystywane są też platformy, takie jak Hadoop do przetwarzania dużych zbiorów danych.
Ważnym elementem programu są przedmioty z zakresu matematyki i statystyki, które stanowią podstawę analizy danych. Studenci uczą się m.in. metod statystycznych, analiz regresji, modeli predykcyjnych i metod eksploracji danych. Zajęcia obejmują również wprowadzenie do technik uczenia maszynowego, które mają szerokie zastosowanie w analizie dużych zbiorów danych. Kształcenie to realizowane jest w ramach takich specjalności, jak np. analityka big data – programowanie i projektowanie badań czy interpretacja i analiza danych społecznych czy ekonomicznych.
1. Typ i tryb studiów:
Studia na kierunku big data w analityce ekonomicznej i społecznej możemy podzielić na:
1. Typ:
2. Tryb:
2. Zdobywana wiedza i umiejętności
Absolwenci potrafią wykorzystywać techniki statystyczne i modele ekonomiczne do analizy dużych zbiorów danych, w tym tworzenia prognoz i modeli predykcyjnych. Odkrywają ukryte wzorce w danych za pomocą narzędzi i metod, takich jak analiza skupień czy analiza regresji.
Przedstawiają skomplikowane dane w sposób zrozumiały przy użyciu narzędzi, np. Tableau, Power BI. Znają języki programowania stosowane w analizie danych, np. Python, R czy SQL. Pracują z relacyjnymi i nierelacyjnymi bazami danych, w tym projektują bazy danych, zapytania i optymalizują przetwarzanie danych.