| Program | Wydział | Rok akademicki | Stopień |
|---|---|---|---|
| Inżynieria i Analiza Danych | Wydział Matematyki i Nauk Informacyjnych | 2022/2023 | inż |
| Rodzaj | Kierunek | Koordynator ECTS | |
| Stacjonarne | Inżynieria i Analiza Danych | . |
Cele:
Celem studiów pierwszego stopnia na kierunku Inżynieria i Analiza danych jest zdobycie przez studenta wszechstronnych umiejętności informatycznych, matematycznych i kreatywnego rozwiązywania problemów w obszarze określanym w jęz. ang. jako Data Science. Absolwent potrafi efektywnie posługiwać się zarówno informatycznymi narzędziami, jak i całymi systemami do pozyskiwania, składowania oraz analizy danych, biegle programować w różnych językach – zwłaszcza tych, które są stosowane w przetwarzaniu danych (także o dużym wolumenie). Posiadać znajomość metod probabilistycznych, statystycznych oraz uczenia maszynowego i potrafić je zastosować do analizy zbiorów danych pochodzących z różnorodnych źródeł. Potrafi również samodzielnie zdobywać wiedzę na temat metod i narzędzi adekwatnych do postawionych przed nim zadań. Jest przygotowany do pracy w interdyscyplinarnych zespołach, grupujących przedstawicieli odbiorców analiz i systemów przetwarzania danych oraz specjalistów z obszaru informatyki. Ma doświadczenie w samodzielnym rozwiązywaniu rzeczywistych problemów i tworzeniu systemów informatycznych związanych z analizą i przetwarzaniem danych. Może pracować jako inżynier danych, zapewniając obsługę i wstępną analizę dużych wolumenów danych.
Warunki przyjęć:
https://www.pw.edu.pl/Kandydaci
Efekty uczenia się
Semestr 1: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
|---|---|---|---|---|---|---|---|---|---|---|
| Wspólne | Wspólne | Algebra liniowa z geometrią | 5 | 30 | 30 | 0 | 0 | 0 | 60 | sylabus |
| Analiza matematyczna 1 | 6 | 45 | 45 | 0 | 0 | 0 | 90 | sylabus | ||
| Architektura komputerów | 4 | 30 | 15 | 0 | 0 | 0 | 45 | sylabus | ||
| Elementy logiki i teorii mnogości | 6 | 30 | 30 | 0 | 0 | 0 | 60 | sylabus | ||
| Podstawy programowania i przetwarzania danych | 5 | 30 | 15 | 30 | 0 | 0 | 75 | sylabus | ||
| Przedmiot humanistyczny 1 - Kreatywne rozwiązywanie problemów | 2 | 15 | 30 | 0 | 0 | 0 | 45 | sylabus | ||
| Systemy operacyjne w inżynierii danych | 2 | 0 | 0 | 30 | 0 | 0 | 30 | sylabus | ||
| ∑=30 | ||||||||||
| Suma semestr: | ∑= | |||||||||
Semestr 2: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
| Wspólne | Wspólne | Algebra w analizie danych | 4 | 15 | 30 | 15 | 0 | 0 | 60 | sylabus |
| Analiza matematyczna 2 | 6 | 45 | 45 | 0 | 0 | 0 | 90 | sylabus | ||
| Język obcy | 4 | 0 | 60 | 0 | 0 | 0 | 60 | sylabus | ||
| Matematyka dyskretna i elementy probabilistyki | 5 | 30 | 30 | 0 | 0 | 0 | 60 | sylabus | ||
| Programowanie obiektowe | 4 | 15 | 0 | 30 | 0 | 0 | 45 | sylabus | ||
| Przetwarzanie danych ustrukturyzowanych | 5 | 30 | 0 | 30 | 0 | 0 | 60 | sylabus | ||
| Techniki prezentacji - przedmiot humanistyczny 2 | 2 | 0 | 30 | 0 | 0 | 0 | 30 | sylabus | ||
| Wychowanie fizyczne 1 | 0 | 0 | 30 | 0 | 0 | 0 | 30 | sylabus | ||
| ∑=30 | ||||||||||
| Suma semestr: | ∑= | |||||||||
Semestr 3: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
| Wspólne | Wspólne | Algorytmy i struktury danych 1 | 5 | 30 | 30 | 0 | 0 | 0 | 60 | sylabus |
| Język obcy | 4 | 0 | 60 | 0 | 0 | 0 | 60 | sylabus | ||
| Metody numeryczne | 5 | 30 | 15 | 30 | 0 | 0 | 75 | sylabus | ||
| Rachunek prawdopodobieństwa | 5 | 30 | 30 | 0 | 0 | 0 | 60 | sylabus | ||
| Techniki wizualizacji danych | 4 | 15 | 0 | 30 | 15 | 0 | 45 | sylabus | ||
| Transmisja danych | 3 | 30 | 0 | 15 | 0 | 0 | 45 | sylabus | ||
| Wychowanie fizyczne 2 | 0 | 0 | 30 | 0 | 0 | 0 | 30 | sylabus | ||
| Zaawansowane programowanie obiektowe i funkcyjne | 4 | 15 | 0 | 30 | 0 | 0 | 45 | sylabus | ||
| ∑=30 | ||||||||||
| Suma semestr: | ∑= | |||||||||
Semestr 4: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
| Wspólne | Wspólne | Bazy danych | 4 | 30 | 0 | 30 | 0 | 0 | 60 | sylabus |
| Język obcy | 4 | 0 | 60 | 0 | 0 | 0 | 60 | sylabus | ||
| Przedmiot obieralny 1 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Sieci komputerowe (blok obieralny 1) | 4 | 0 | 0 | 0 | 0 | 0 | 60 | sylabus | ||
| Statystyka matematyczna | 5 | 30 | 30 | 15 | 0 | 0 | 75 | sylabus | ||
| Warsztaty badawcze 1 | 4 | 15 | 0 | 15 | 15 | 0 | 45 | sylabus | ||
| Wstęp do uczenia maszynowego | 5 | 30 | 0 | 30 | 0 | 0 | 60 | sylabus | ||
| Wychowanie fizyczne 3 | 0 | 0 | 30 | 0 | 0 | 0 | 30 | sylabus | ||
| Praktyki studenckie (po sem.4 lub sem.6) | 4 | 0 | 0 | 0 | 0 | 0 | 160 | sylabus | ||
| ∑=30 | ||||||||||
| Suma semestr: | ∑= | |||||||||
Semestr 5: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
| Wspólne | Wspólne | Fizyka 1 | 3 | 45 | 0 | 0 | 0 | 0 | 45 | sylabus |
| Inżynieria systemów informatycznych | 4 | 30 | 15 | 0 | 0 | 0 | 45 | sylabus | ||
| Metody optymalizacji | 5 | 30 | 15 | 15 | 0 | 0 | 60 | sylabus | ||
| Metody statystyki obliczeniowej | 5 | 30 | 0 | 30 | 0 | 0 | 60 | sylabus | ||
| Procesy stochastyczne | 4 | 30 | 30 | 0 | 0 | 0 | 60 | sylabus | ||
| Programowanie aplikacji wielowarstwowych (blok obieralny 2) | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Projekt interdyscyplinarny | 5 | 15 | 0 | 15 | 30 | 0 | 60 | sylabus | ||
| ∑=30 | ||||||||||
| Obieralne | Kreatywny Semestr Projektowania | Informacje | ||||||||
| Suma semestr: | ∑= | |||||||||
Semestr 6: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
| Wspólne | Wspólne | Architektura systemów informatycznych | 4 | 30 | 0 | 30 | 0 | 0 | 60 | sylabus |
| Fizyka 2 | 4 | 30 | 0 | 30 | 0 | 0 | 60 | sylabus | ||
| Hurtownie danych i systemy Business Intelligence | 5 | 15 | 0 | 45 | 0 | 0 | 60 | sylabus | ||
| Metody inteligencji obliczeniowej w analizie danych | 5 | 30 | 0 | 30 | 0 | 0 | 60 | sylabus | ||
| Przedmiot obieralny 2 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Przedmiot obieralny 3 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Warsztaty badawcze 2 | 4 | 15 | 0 | 15 | 15 | 0 | 45 | sylabus | ||
| Praktyki studenckie (po sem.4 lub sem.6) | 4 | 0 | 0 | 0 | 0 | 0 | 160 | sylabus | ||
| ∑=30 | ||||||||||
| Obieralne | Kreatywny Semestr Projektowania | Informacje | ||||||||
| Suma semestr: | ∑= | |||||||||
Semestr 7: | ||||||||||
| Blok | Grupa | nazwa | ECTS | Wykłady | Ćwiczenia | Laboratoria | Projekt | Lekcje komputerowe | Suma | sylabus |
| Wspólne | Wspólne | Praca dyplomowa inżynierska | 15 | 0 | 0 | 0 | 0 | 0 | 0 | sylabus |
| Projekt zespołowy | 2 | 15 | 0 | 0 | 15 | 0 | 30 | sylabus | ||
| Przedmiot humanistyczny 3 | 2 | 0 | 0 | 0 | 0 | 0 | 30 | sylabus | ||
| Przedmiot obieralny 4 | 4 | 0 | 0 | 0 | 0 | 0 | 45 | sylabus | ||
| Seminarium dyplomowe | 2 | 0 | 30 | 0 | 0 | 0 | 30 | sylabus | ||
| Składowanie danych w systemach Big Data | 5 | 30 | 0 | 30 | 15 | 0 | 75 | sylabus | ||
| ∑=30 | ||||||||||
| Obieralne | Kreatywny Semestr Projektowania | Informacje | ||||||||
| Suma semestr: | ∑= | |||||||||
Efekty kierunkowe
Profil ogólnoakademicki - wiedza
- Efekt DS_W01
- Ma wiedzę z podstaw matematyki wyższej, obejmującą analizę matematyczną, logikę, teorię mnogości, algebrę liniową, geometrię i matematykę dyskretną.
- Efekt DS_W02
- Zna podstawy rachunku prawdopodobieństwa i procesów stochastycznych.
- Efekt DS_W03
- Zna podstawy statystyki matematycznej oraz zasadnicze metody wnioskowania statystycznego: estymację punktową i przedziałową oraz weryfikację hipotez.
- Efekt DS_W04
- Zna podstawowe metody modelowania statystycznego, w tym analizy regresji i klasyfikacji
- Efekt DS_W05
- Zna metody uczenia maszynowego i inteligencji obliczeniowej.
- Efekt DS_W06
- Zna podstawowe metody numeryczne i algorytmy optymalizacji.
- Efekt DS_W07
- Ma podstawową wiedzę w zakresie fizyki obejmującą elektromagnetyzm, lasery, fizykę półprzewodników, mechanikę i fizyczne podstawy budowy komputerów kwantowych.
- Efekt DS_W08
- Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej.
- Efekt DS_W09
- Zna zaawansowane metody wizualizacji danych.
- Efekt DS_W10
- Zna i rozumie ogólne zasady tworzenia i rozwoju form indywidualnej przedsiębiorczości.
- Efekt DS_W11
- Zna podstawy metodyk rozwiązywania problemów (np. Problem-based learning, Design thinking).
- Efekt DS_W12
- Ma uporządkowaną, podbudowaną teoretycznie wiedzę w zakresie baz danych.
- Efekt DS_W13
- Ma elementarną wiedzę w zakresie elektroniki i telekomunikacji, potrzebną do zrozumienia technik cyfrowych i zasad funkcjonowania współczesnych komputerów, a także sieci bezprzewodowych.
- Efekt DS_W14
- Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie informatyki, w tym w zakresie języków i paradygmatów programowania, komunikacji człowiek-komputer i inżynierii oprogramowania.
- Efekt DS_W15
- Zna podstawowe metody, techniki, narzędzia i technologie inżynierskie stosowane przy rozwiązywaniu złożonych zadań informatycznych z zakresu budowy systemów komputerowych, sieci komputerowych i technologii sieciowych.
- Efekt DS_W16
- Zna uwarunkowania różnych rodzajów działań związanych z nadaną kwalifikacją, w tym podstawowe pojęcia i zasady ochrony własności przemysłowej i prawa autorskiego.
Profil ogólnoakademicki - umiejętności
- Efekt DS_U01
- Potrafi wykorzystać wiedzę matematyczną do opisu procesów, tworzenia modeli i rozwiązywania zagadnień praktycznych.
- Efekt DS_U02
- Potrafi obliczać prawdopodobieństwo rozmaitych zdarzeń oraz umie znajdować rozkłady funkcji zmiennych losowych.
- Efekt DS_U03
- Potrafi przeprowadzić wstępną (eksploracyjną) analizę danych.
- Efekt DS_U04
- Umie stosować techniki wizualizacji danych.
- Efekt DS_U05
- Umie konstruować i stosować estymatory oraz testy hipotez, oceniać ich jakość i interpretować otrzymane wyniki.
- Efekt DS_U06
- Umie estymować parametry modelu, przeprowadzać diagnostykę modeli, potrafi wyznaczać wskaźniki zależności oraz badać istotność zmiennych.
- Efekt DS_U07
- Umie stosować metody inteligencji obliczeniowej i dobierać parametry tych metod..
- Efekt DS_U08
- Umie zastosować metody statystyczne i uczenia maszynowego w zagadnieniach prognozowania.
- Efekt DS_U09
- Umie formułować i rozwiązywać problemy optymalizacyjne.
- Efekt DS_U10
- Potrafi wykonać prostą analizę sposobu funkcjonowania systemu informatycznego i ocenić istniejące rozwiązania informatyczne, przynajmniej w odniesieniu do ich cech funkcjonalnych.
- Efekt DS_U11
- Ma umiejętność tworzenia prostych aplikacji (również internetowych).
- Efekt DS_U12
- Potrafi porozumiewać się przy użyciu różnych technik w środowisku zawodowym oraz w innych środowiskach.
- Efekt DS_U13
- Potrafi tworzyć, rozwijać i implementować algorytmy przetwarzania i analizy danych.
- Efekt DS_U14
- Umie przeprowadzić ocenę złożoności obliczeniowej i pamięciowej algorytmów.
- Efekt DS_U15
- Potrafi inicjować, planować i przeprowadzać proste eksperymenty obserwacyjne i symulacyjne oraz dobierać właściwe techniki i narzędzia do ich realizacji.
- Efekt DS_U16
- Potrafi interpretować wyniki przeprowadzonych eksperymentów i wyciągać wnioski, w tym dotyczące jakości modeli.
- Efekt DS_U17
- Dostrzega aspekty społeczne, ekonomiczne i prawne tworzonych analiz i rozwiązań informatycznych.
- Efekt DS_U18
- Umie wykorzystywać i rozszerzać o nowe komponenty systemy składowania i analizy danych, w tym systemy rozproszone.
- Efekt DS_U19
- Posługuje się językiem angielskim w stopniu pozwalającym na porozumienie się, przeczytanie ze zrozumieniem tekstów i opisów programowych oraz przedstawienie prezentacji problemu z zakresu studiowanego kierunku studiów.
- Efekt DS_U20
- Potrafi pozyskiwać informacje z literatury, baz danych oraz innych źródeł, integrować je, dokonywać ich interpretacji oraz wyciągać wnioski i formułować opinie.
- Efekt DS_U21
- Potrafi przygotować dokumenty zawierające m.in. analizę wymagań dla systemu informatycznego, przegląd źródeł literaturowych, podsumowanie wyników analizy danych oraz dokumentację systemu informatycznego.
- Efekt DS_U22
- Umie pozyskiwać, integrować i wstępnie przetwarzać dane, w tym m.in. dane pochodzące z baz relacyjnych, platform Big Data i zasobów WWW z uwzględnieniem wymagań dziedzinowych.
- Efekt DS_U23
- Potrafi indywidualnie i we współpracy z zespołem, w tym z zespołem interdyscyplinarnym tworzyć analizy i produkty informatyczne.
- Efekt DS_U24
- Ma umiejętność projektowania sieci komputerowych; potrafi pełnić funkcję administratora sieci komputerowej i zabezpieczyć dane przed nieuprawnionym odczytem.
- Efekt DS_U25
- Ma umiejętność rozwiązywania zagadnień z zakresu komunikacji człowiek-komputer, formułowania algorytmów i projektowania złożonych lub nietypowych systemów informatycznych.
- Efekt DS_U26
- Potrafi stworzyć model obiektowy prostego systemu.
- Efekt DS_U27
- Potrafi sformułować specyfikację systemów informatycznych w odniesieniu do sprzętu, oprogramowania systemowego i cech funkcjonalnych aplikacji.
- Efekt DS_U28
- Potrafi –zgodnie z zadaną specyfikacją -zaprojektować, zrealizować i przetestować aplikacje oraz systemy informatyczne, używając właściwych metod, technik i narzędzi.
- Efekt DS_U29
- Potrafi samodzielnie planować rozwój i rozwijać kompetencje zawodowe, wykorzystując w tym celu m.in. samodzielną analizę różnorodnych źródeł wiedzy i uwzględniając potrzeby realizowanych zadania.
Profil ogólnoakademicki - kompetencje społeczne
- Efekt DS_K01
- Rozumie potrzebę uczenia się przez całe życie i podnoszenia kompetencji zawodowych.
- Efekt DS_K02
- Potrafi pracować indywidualnie i w zespole informatyków, w tym także potrafi zarządzać swoim czasem oraz podejmować zobowiązania i dotrzymywać terminów, jak również stosować i promować stosowanie zasad etyki zawodowej.
- Efekt DS_K03
- Potrafi pracować z odbiorcami tworzonych rozwiązań informatycznych i analitycznych, aktywnie uczestnicząc w dyskusji potrzeb, możliwych rozwiązań i zasad pozyskania i przetworzenia danych oraz ich wykorzystania jako kapitału przedsiębiorstwa i podstawy działań na rzecz interesu publicznego.
- Efekt DS_K04
- Jest przygotowany do współdziałania i pracy w grupie, przyjmując w niej różne role oraz dbając o współtworzenie dorobku i tradycji zawodowych.
- Efekt DS_K05
- Jest przygotowany do formułowania wniosków i prezentacji wyników w sposób zrozumiały dla szerokiego grona odbiorców.