Analiza i przetwarzanie danych to nowoczesny kierunek, który odpowiada na zapotrzebowania aktualnego rynku pracy. Współcześni pracodawcy poszukują specjalistów z branży Data Science. Absolwenci kierunku będą mogli poszczycić się wiedzą odnoszącą się do analizy i zarządzania danymi, baz danych oraz przetwarzania informacji i ich wizualizacji.
Propozycja kształcenia tego typu to efekt współczesnego podejścia do sukcesu zawodowego, biznesowego i społecznego, na który składają się analizy i wizualizacje danych.
Studenci mają szansę zdobyć wiedzę i praktyczne umiejętności odnoszące się do statystyki oraz narzędzi informatycznych, które są wykorzystywane w codziennej pracy z wieloma rodzajami danych.
Typ i tryb studiów:
Studia na kierunku Analiza i przetwarzanie danych możemy podzielić na:
1. Typ
-
Studia II stopnia (magisterskie)
2. Tryb:
-
studia stacjonarne
-
studia niestacjonarne
Analitykę i przetwarzanie danych w Poznaniu możesz studiować w ramach drugiego stopnia, który trwa dwa lata, czyli cztery semestry. Studia w tym zakresie kończą się tytułem magistra.
Studia stacjonarne tzw. dzienne realizowane są bezpłatnie (w uczelniach publicznych), a program kształcenia realizowany jest od poniedziałku do piątku w siedzibie uczelni.
Studia niestacjonarne w trybie zaocznym odbywają się zazwyczaj w weekendy od piątku/soboty do niedzieli, z kolei studia niestacjonarne w trybie wieczorowym (one czasami tylko z nazwy są wieczorowe, ale w praktyce zajęcia odbywają się przez cały dzień) realizowane są od poniedziałku do piątku.
Zanim wybierzesz jednak studia niestacjonarne, pamiętaj, że wiążą się one z uiszczaniem opłat za czesne, oraz przed rekrutacją sprawdź w jakiej formie realizowane są studia zaocznej czy wieczorowej.
Zdobywana wiedza i umiejętności
Analiza i przetwarzanie danych to nowatorski kierunek, który umożliwi Ci zdobycie tytułu zawodowego magistra w dziedzinie informatyki.
Interdyscyplinarnie opracowany program studiów wypełniony jest najważniejszymi przedmiotami ogólnymi, podstawowymi, kierunkowymi. Studenci uczęszczają oczywiście na podstawy matematyki, informatyki i programowania.
Wśród przedmiotów specjalistycznych znajdziemy uczenie maszynowe, statystykę, rachunek prawdopodobieństwa, bazy danych, systemy informatyczne, gromadzenie i eksploatację danych.
Studenci zdobywają odpowiednie kompetencje i rozwijają umiejętności odnoszące się do wizualizacji i raportowania wyników analizy w sposób zrozumiały zarówno dla specjalistów, jak i laików.
Znają metody i algorytmy uczenia maszynowego, statystyki i informatyki. Potrafią obsługiwać narzędzia informatyczne, takie jak Python, R, SQL i Tableau.
