Dlaczego Data Science?

Studia magisterskie Data Science (Danologia) zapewniają podstawową wiedzę z zakresu nauki o danych oraz rozwijają umiejętności matematyczne, programistyczne, obliczeniowe oraz analityczne.

Dla kogo?

Interesuje Cię tematyka analizy danych? Potrafisz programować? Matematyka oraz algorytmika nie są Ci obce? Jeżeli tak, to nasza oferta dydaktyczna jest właśnie dla Ciebie!

Co chcesz robić po studiach?

Startup? Doktorat? Korporacja? Freelacer Data Science? Po kierunku Data Science na PWR każda z tych dróg jest możliwa. Zajęcia prowadzą przedstawiciele każdej z tych ścieżek rozwoju kariery.

Dlaczego PWR?

Data Science na PWR uczy zarówno teorii jak i praktyki. Umożliwiamy udział w hackatonach, projektach związanych z analizą danych. Mamy wyspecjalizowaną kadrę i prowadzimy część zajęć po angielsku. To wszystko ułatwi przejście na rynek pracy po ukończeniu studiów.

Chcesz być częścią społeczności?

Budujemy relacje ze studentami i specjalistami z firm na lata. Możesz być częścią tej społeczności

Data Science – Danologia

Studia magisterkie Data Science (pol. Danologia) zapewniają podstawową wiedzę z zakresu nauki o danych oraz rozwijają umiejętności matematyczne, programistyczne, obliczeniowe oraz analityczne. Poparte są praktycznymi zadania oraz odwołaniami do rzeczywistych zastosowań Data Science. 

Zawód Data Scientist stawia przed nami wyzwania każdego dnia oraz rozwiązuje rzeczywiste i ważne problemy. Coraz więcej słychać o autonomicznych samochodach, programach komputerowych, które potrafią pokonywać mistrzów w szalenie złożonych grach, np. Go czy też grach komputerowych. Na kierunku Danologia nauczysz się podstaw oraz zaopatrzymy Cię we wszystko co potrzebne do dalszego zgłębiania tajników nauki o danych – Data Science! Zapraszamy! 

Data Science – Danologia

Studia magisterkie Data Science (pol. Danologia) zapewniają podstawową wiedzę z zakresu nauki o danych oraz rozwijają umiejętności matematyczne, programistyczne, obliczeniowe oraz analityczne. Poparte są praktycznymi zadania oraz odwołaniami do rzeczywistych zastosowań Data Science. 

Zawód Data Scientist stawia przed nami wyzwania każdego dnia oraz rozwiązuje rzeczywiste i ważne problemy. Coraz więcej słychać o autonomicznych samochodach, programach komputerowych, które potrafią pokonywać mistrzów w szalenie złożonych grach, np. Go czy też grach komputerowych. Na kierunku Danologia nauczysz się podstaw oraz zaopatrzymy Cię we wszystko co potrzebne do dalszego zgłębiania tajników nauki o danych – Data Science! Zapraszamy! 

Czego się nauczysz?

Między innymi:

Analiza języka naturalnego

Podstawowy potok przetwarzania języka naturalnego oraz jego adaptacja do języka i problemów. Analiza morfo-syntaktyczna i syntaktyczna tekstu: możliwości i ograniczenia. Reprezentacja semantyczna tekstu na potrzeby wydobywania wiedzy z tekstu.

Głębokie modele uczenia maszynowego

Deep learning, autokodery, sieci DBN (Deep Belief Network), sieci konwolucyjne, sieci rekurencyjne, LSTM itd.

Danologia

Główne zadania danologii. Cechy rozwiązań typu big data. Inżynieria cech. Wyzwania i zagrożenia w danologii. Twórcze rozwiązywanie problemów. Data model canvas. Własne projekty start-up / naukowe / społeczne.

Personalizacja i systemy rekomendacyjne

Główne metody rekomendacji. Modelowanie i wykorzystanie zachowań użytkowników w systemach rekomendacyjnych. Modele personalizacji.

Analiza mediów społecznościowych

Zadania inteligentnej analizy danych w mediach społecznościowych. Modelowanie systemów społecznościowych. Techniki wydobywania i przechowywania danych z mediów społecznościowych.

Kim jesteśmy?

Kto będzie prowadził zajęcia na specjalności Data Science?
prof. Halina Kwaśnicka

prof. Halina Kwaśnicka

Specjalistka od sztucznej inteligencji i uczenia maszynowego z doświadczeniem w projektach medycznych, promotorka wielu doktorantów i kierownik studium doktoranckiego

prof. Przemysław Kazienko

prof. Przemysław Kazienko

Lider ENGINE - The European Centre for Data Science twierdzi, że danologia to połączenie mleczarstwa, leśnictwa i sztucznej inteligencji ale odwrotnie rozumianej - wyjaśni to na pierwszym wykładzie

dr inż. Maciej Piasecki

dr inż. Maciej Piasecki

Lider zaawansowanych rozwiązań dla języka naturalnego w Polsce, kierownik wielu międzynarodowych projektów badawczych

dr hab inż. Urszula Markowska-Kaczmar, prof. PWr

dr hab inż. Urszula Markowska-Kaczmar, prof. PWr

Pasjonatka sieci neuronowych, głębokiego uczenia maszynowego i algorytmów genetycznych

dr inż. Martin Tabakow

dr inż. Martin Tabakow

Specjalista w zakresie technik podejmowania decyzji w warunkach informacji niepewnej i niepełnej (technik rozmytych) oraz przetwarzania i analizy obrazów. Większość prac naukowych i projektów, w których uczestniczył dotyczą zastosowań w medycynie.

dr inż. Tomasz Kajdanowicz

dr inż. Tomasz Kajdanowicz

Doświadczony naukowiec i praktyk w zakresie uczenia maszynowego oraz analizy mediów społecznościowych. Adiunkt na PWr, ekspert NCBiR, doradca technologiczny venture capital, wykonawca wielu projektów sztucznej inteligencji dla biznesu, zaangażowany współpracownik i opiekun merytoryczny studentów.

dr inż. Piotr Bródka

dr inż. Piotr Bródka

Specjalista w zakresie Obliczeniowej Nauki o Sieciach. Swoje doświadczenie zdobywał na takich uczelniach jak Stanford University, Blekinge University of Technology czy Politechnika Wrocławska. W pracy badawczej zajmuje się procesami rozprzestrzeniania informacji i wpływu społecznego w wielowarstwowych sieciach złożonych.

dr inż. Jerzy Sas

dr inż. Jerzy Sas

Specjalista w zakresie grafiki komputerowej i technik maszynowego uczenia. Od wielu lat współpracuje z przemysłem w zakresie praktycznego wykorzystywania metod sztucznej inteligencji. W ostatnich latach zajmuje się problematyką automatycznego rozpoznawania mowy i zastosowaniem metod głębokiego uczenia w tym obszarze. Współtwórca wielu wykorzystywanych w praktyce systemów rozpoznawania mowy dla języka polskiego.

dr inż. Radosław Michalski

dr inż. Radosław Michalski

Specjalista w zakresie obliczeniowych nauk społecznych z doświadczeniem biznesowym w IT. Naukowo zajmuje się procesami dyfuzji informacji i wpływem społecznym w sieciach, a od niedawna interesuje się także rozwiązaniami opartymi na blockchainie. Rozwija platformę konkursową sci·cup.

dr inż. Paweł Myszkowski

dr inż. Paweł Myszkowski

Adept sztuki lenistwa. Bo prace przy optymalizacji i odnajdywaniu porządku w danych od lat wykonuje za niego sztuczna inteligencja. Wielbiciel pięknych algorytmów.

dr inż. Mateusz Tykierko

dr inż. Mateusz Tykierko

Specjalista w zakresie klastrów i gridów obliczeniowych. Kierownik Działu Usług Obliczeniowych Wrocławskiego Centrum Sieciowo-Supekomputerowego.

dr inż. Michał Przewoźniczek

dr inż. Michał Przewoźniczek

Naukowiec i przedsiębiorca. Specjalista z zakresu obliczeń ewolucyjnych. Aktualnie jego badania koncentrują się na automatycznym wyszukiwaniu i wykorzystywaniu wiedzy o rozwiązywanym problemie oraz wielopopulacyjności w metodach ewolucyjnych. Współwłaściciel małej firmy programistycznej. Autor i współautor licznych innowacyjnych i prototypowych systemów wdrożonych w przemyśle. Prywatnie wielki fan siatkówki, były reprezentant PWr w badmintonie, medalista Akademickich Mistrzostw Polski i aktywny (wciąż) sportowiec-amator.

mgr inż. Łukasz Augustyniak

mgr inż. Łukasz Augustyniak

Specjalista uczenia maszynowego i przetwarzania języka naturalnego. Łączy studia doktoranckie na Politechnice Wrocławskiej z rolą inżyniera uczenia maszynowego w IntelligentWire (Spoken Communication) oraz innych projektach wymagających produktyzacji rozwiązań sztucznej inteligencji.

mgr inż. Piotr Szymański

mgr inż. Piotr Szymański

Naukowiec, analityk danych i społecznik. Na co dzień łączy studia doktoranckie w Katedrze Inteligencji na Politechnice Wrocławskiej z rolą inżyniera uczenia maszynowego w IntelligentWire i wiceprezesa Towarzystwa Upiększania Miasta Wrocławia.

mgr inż. Roman Bartusiak

mgr inż. Roman Bartusiak

Specjalista uczenia maszynowego i przetwarzania dużych zbiorów danych. Łączy studia doktoranckie na Politechnice Wrocławskiej z prowadzeniem własnego startupu w którym wykorzystuje zaawansowane zagadnienia uczenia maszynowego oraz programowania. Jest on również autorem biblioteki do rozproszonego przetwarzania masowych danych o charakterystyce grafowej.

mgr inż. Stanisław Saganowski

mgr inż. Stanisław Saganowski

kspert technologii mobilnych, specjalista w dziedzinie analizy sieci społecznych, założyciel firmy Mobilited. Doświadczenie zdobywał m.in. na University of Cambridge, Nanyang Technological University, Blekinge University of Technology. Aktualnie zajmuje się równoległą transmisją danych na platformach mobilnych i predykcją dynamiki grup w sieciach złożonych.

mgr inż. Marcin Kulisiewicz

mgr inż. Marcin Kulisiewicz

Specjalista uczenia maszynowego i analizy sieci społecznych, a także badacz sieci temporalnych. Studia doktoranckie na Politechnice Wrocławskiej łaczy z pracą w telewizji EWTN Polska jako realizator programów telewizyjnych.

mgr inż. Rajmund Klemiński

mgr inż. Rajmund Klemiński

Specjalista w dziedzinie eksploracji danych oraz sieci społecznych. Zajmuje się modelami predykcji rozwoju dziedzin naukowych.

mgr inż. Kamil Tagowski

mgr inż. Kamil Tagowski

Pasjonat nowych technik uczenia maszynowego i ich implementacji z wykorzystaniem architektury równoległej. Obecnie zajmuje się zagadnieniami związanymi z uczeniem reprezentacji grafów.

mgr inż. Michalina Kotyla

mgr inż. Michalina Kotyla

mgr inż. Maciej Dzieżyc

mgr inż. Maciej Dzieżyc

Doktorant prowadzący badania w zakresie naukometrii. Łączy doświadczenie programistyczne zdobyte w przemyśle z pasją do danologii.

Zainteresowało Cię Data Science? Chcesz się rozwijać w tym kierunku? Rekrutacja rusza już w styczniu 2019.

Kontakt

Zacznij studiować Data Science z nami

Znajdź nas

Politechnika Wrocławska

Wydział Informatyki i Zarządzania

wybrzeże St. Wyspiańskiego 27

50-370 Wrocław

Napisz do nas

Wypełnij ankietę i pomóż nam udoskonalić kursy dla Ciebie