Interesuje Cię tematyka analizy danych? Potrafisz programować? Matematyka oraz algorytmika nie są Ci obce? Jeżeli tak, to nasza oferta dydaktyczna jest właśnie dla Ciebie!
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.
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.
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!
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!
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.
Deep learning, autokodery, sieci DBN (Deep Belief Network), sieci konwolucyjne, sieci rekurencyjne, LSTM itd.
Główne zadania danologii. Cechy rozwiązań typu big data. Główne wyzwania i zagrożenia w danologii.
Główne metody rekomendacji. Modelowanie i wykorzystanie zachowań użytkowników w systemach rekomendacyjnych. Modele personalizacji.
Zadania inteligentnej analizy danych w mediach społecznościowych. Modelowanie systemów społecznościowych. Techniki wydobywania i przechowywania danych z mediów społecznościowych
Specjalistka od sztucznej inteligencji i uczenia maszynowego z doświadczeniem w projektach medycznych, promotorka wielu doktorantów i kierownik studium doktoranckiego
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
Lider zaawansowanych rozwiązań dla języka naturalnego w Polsce, kierownik wielu międzynarodowych projektów badawczych
Pasjonatka sieci neuronowych, głębokiego uczenia maszynowego i algorytmów genetycznych
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.
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.
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.
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.
Specjalista w zakresie klastrów i gridów obliczeniowych. Kierownik Działu Usług Obliczeniowych Wrocławskiego Centrum Sieciowo-Supekomputerowego.
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.
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.
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.
Ekspert 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.
Matematyk, zajmuje się obszarem tworzenia portfeli inwestycyjnych z wykorzystaniem uczenia maszynowego. Studiował na Uniwersytecie Wrocławskim, Uniwersytecie Ekonomicznym, University of Texas oraz Uniwersytecie w Kolonii. Obecnie pracuje w firmie konsultingowej CRISIL S&P GLOBAL tworząc rozwiązania dla banków inwestycyjnych oraz funduszów hedgingowych.
Politechnika Wrocławska
Wydział Informatyki i Zarządzania
wybrzeże St. Wyspiańskiego 27
50-370 Wrocław