Kierunki studiów związane z tą dyscypliną to połączenie klasycznej ekonomii z nowoczesnymi metodami analizy danych. Program kształcenia został zaprojektowany tak, aby studenci zdobyli zarówno teoretyczne podstawy dotyczące gospodarki i finansów, jak i praktyczne umiejętności związane z wykorzystaniem narzędzi analitycznych, statystyki oraz programowania do interpretacji zjawisk ekonomicznych. To kierunek dla osób, które chcą łączyć wiedzę z zakresu ekonomii z nowoczesnymi metodami ilościowymi i technologiami cyfrowymi.
W pierwszych semestrach studenci poznają podstawowe zagadnienia z zakresu mikro- i makroekonomii, finansów oraz statystyki matematycznej. Zajęcia obejmują teorię gospodarki rynkowej, funkcjonowanie instytucji finansowych, politykę monetarną i fiskalną oraz podstawy teorii gier. Równocześnie duży nacisk kładziony jest na rozwój umiejętności analitycznych – studenci uczą się przetwarzać i interpretować dane ekonomiczne oraz wykorzystywać modele statystyczne do przewidywania zjawisk rynkowych.
Z biegiem czasu program staje się coraz bardziej zaawansowany, wprowadzając elementy ekonometrii, analizy szeregów czasowych, modelowania predykcyjnego oraz algorytmów uczenia maszynowego. Ważnym elementem studiów jest nauka języków programowania wykorzystywanych w analizie danych, takich jak Python, R oraz SQL. Dzięki temu studenci mogą nie tylko interpretować dane, ale także tworzyć własne narzędzia do ich analizy i automatyzacji procesów.
1. Typ i tryb studiów:
Studia na kierunku economic and data analysis możemy podzielić na:
1. Typ:
2. Tryb:
2. Zdobywana wiedza i umiejętności
Studia te pozwalają zdobyć szeroki wachlarz umiejętności, łącząc ekonomiczne myślenie z nowoczesnymi narzędziami analizy danych. Przede wszystkim rozwijają zdolność do rozumienia skomplikowanych procesów gospodarczych i ich ilościowego modelowania. Studenci uczą się analizować rynki, interpretować wskaźniki makroekonomiczne i finansowe oraz przewidywać trendy, co jest kluczowe w sektorze finansów, bankowości i gospodarki globalnej.
Duży nacisk kładziony jest na rozwój umiejętności technicznych. Studenci zdobywają biegłość w posługiwaniu się programami i językami programowania stosowanymi w analizie danych, takimi jak Python, R, SQL, a także w korzystaniu z narzędzi statystycznych i ekonometrycznych. Dzięki temu potrafią przetwarzać duże zbiory danych, budować modele predykcyjne oraz stosować techniki uczenia maszynowego do rozwiązywania problemów biznesowych i ekonomicznych.