Studia magisterskie Analiza danych – Big Data

Studia drugiego stopnia na kierunku analiza danych – big data w SGH kształcą specjalistów w zakresie pozyskiwania danych z różnych źródeł oraz ich analizy. Dają one zaawansowaną wiedzę i kompetencje umożliwiające podjęcie pracy zawodowej na stanowisku specjalisty zaawansowanej analizy danych, w przedsiębiorstwach produkcyjnych, bankach, firmach ubezpieczeniowych i telekomunikacyjnych, administracji publicznej oraz centrach badawczych wyspecjalizowanych w zaawansowanej analityce danych. Studia te przygotowują do prowadzenia prac badawczych i do podjęcia studiów trzeciego stopnia.

Profil kandydata

Kierunek “Analiza Danych — Big Data” opiera się na dwóch rodzajach wiedzy. Pierwszy typ umiejętności to kwestie techniczne, a więc umiejętność programowania w wybranych językach programowania czy znajomość wybranych systemów / platform prowadzenia analizy danych. Drugi typ umiejętności dotyczy kwestii samej analizy danych, a więc algorytmów, które są oparte o wiedzę z zakresu matematyki, a dokładniej analizy matematycznej, algebry linowej i rachunku prawdopodobieństwa.
W zakresie umiejętności technicznych, w szczególności programowania w wybranych językach programowania, np. Python, R, zajęcia prowadzone są od podstaw i nie jest wymagana ich wcześniejsza znajomość. Oczywiście wcześniejsza znajomość tych, jak i innych języków programowania będzie dużym ułatwieniem. W zakresie samej analizy danych, zajęcia są prowadzone od podstaw, ale wymagana jest wcześniejsza znajomość pewnych zagadnień z zakresu algebry liniowej, analizy matematycznej oraz rachunku prawdopodobieństwa. Wiedzę tę można uzupełnić w ramach przedmiotów związanych z kierunkiem, ale będzie to wymagało większego nakładu pracy.

Perspektywy zawodowe

Jako absolwent tego kierunku będziesz wszechstronnie wykształconym Data Scientist poszukiwanym na rynku pracy w kraju i za granicą. Możesz pracować w wielu obszarach i sektorach działalności, społecznej, gospodarczej, biznesowej, administracji rządowej, samorządowej, pozarządowej (NGO’s), nauce i edukacji, organizacjach non-profit, w korporacjach i organizacjach międzynarodowych. Również w firmach analitycznych, konsultingowych, teleinformatycznych, ubezpieczeniowych, bankowych i telekomunikacyjnych. Dla przykładu w takich zespołach jak:  

• zarządzania dowolnym procesem automatycznym i masowym, 
• zarządzania CRM i marketingiem analitycznym, 
• analityczne w firmach windykacyjnych, 
• analityczne wspierające proces sprzedażowy, 
• zarządzania ryzykiem kredytowym w bankach, itd.  

Studia te przygotowują także do prowadzenia prac badawczych oraz do podjęcia studiów trzeciego stopnia. 

Tryby studiów i warunki ukończenia

Tryb studiów

• stacjonarne
• niestacjonarne sobotnio-niedzielne 

Warunki ukończenia

• uzyskanie absolutorium oraz obrona pracy magisterskiej​

Rekrutacja i opłaty

Podstawą kwalifikacji na studia stacjonarne jest wynik ze sprawdzianu kwalifikacyjnego z wiedzy o gospodarce oraz języka obcego. Sprawdzian kwalifikacyjny przeprowadza się w formie kodowanego testu i składa się z dwóch modułów:

• językowo-ogólnego;
• ilościowego.

Kandydat przystępuje obowiązkowo do modułu językowo-ogólnego i:

• modułu ilościowego, jeśli jako jedną z preferencji, wskazał niniejszy kierunek.

Za każdy moduł może być przyznane maksymalnie 50 (pięćdziesiąt) punktów. Ogólna suma punktów do zdobycia wynosi 100 (sto) punktów.

Szczegółowe zasady przyjęć: 
​dla obywateli polskich
dla cudzoziemców

Korzyści

Absolwent studiów drugiego stopnia kierunku analiza danych – big data w SGH w szczególności: 

Wiedza

• posiada  zaawansowaną wiedzę z zakresu informatyki odnośnie metod generowania, zbierania, przechowywania i przetwarzania ustrukturyzowanych i nieustrukturyzowancyh danych, posiada wiedzę jak  określić strukturę IT do danego procesu biznesowego i rozumie istotę wydobywania wiedzy ze złożonych struktur danych,
• posiada zaawansowaną wiedzę:  o matematycznych, statystycznych, ekonometrycznych  i informatycznych metodach i narzędziach analizy danych,  o metodach i narzędziach budowy modeli prognostycznych i symulacyjnych z odniesieniem do zjawisk społecznych, gospodarczych, biznesowych, gdzie taka wiedza może być wykorzystana,
• zna możliwości i obszary zastosowania analizy danych w trybie wsadowym i w czasie rzeczywistym i  rozumie potrzeby biznesowe podejmowania decyzji w bardzo krótkim czasie,
• zna podstawy matematyczne modelowania procesów gospodarczych, ekonomicznych i biznesowych z wykorzystaniem metod sztucznej inteligencji, uczenia maszynowego i uczenia głębokiego,
• posiada wiedzę na temat metod nadzorowanych, nienadzorowanych,  uczenia przez wzmacnianie i potrafi łączyć różne metody w celu osiągnięcia najlepszych wyników analiz i modelowania,
• zna technologie informatyczne wykorzystywane do analiz na komputerach stacjonarnych, na klastrach i w rozwiązaniach chmurowych,
• posiada wiedzę w zakresie programowania z wykorzystaniem języków programowania: Python, SAS, R, SCALA.

Umiejętności

• rozróżnia dane ustrukturyzowane i nieustrukturyzowane i umie pozyskać i przetworzyć dane z różnych źródeł (bazy danych, pliki tekstowe, pliki multimedialne, strony internetowe, sieci społecznościowe, dane sensoryczne i geolokacyjne),
• umie rozwiązać problemy skalowalności systemów informatycznych i  potrafi przygotować rozwiązanie informatyczne typu hurtownia danych czy jezioro danych dla przetwarzania danych tabelowych i nieustrukturyzowanych,
• umie wybrać strukturę IT do danego procesu biznesowego, potrafi przetwarzać dane w procedurze ETL i w czasie rzeczywistym, umie budować zapytania do SQL-owych, jak i nie SQL-owych baz danych, przygotować dane do analizy,
• potrafi implementować reguły decyzyjne w uproszczonym środowisku programistycznym i przeprowadzać proces symulacji weryfikujący poprawność ich działania oraz budować modele analizy danych w oparciu o różnorodne narzędzia statystyczne, matematyczne i informatyczne oraz formułować sądy i wyciągać wnioski na ich podstawie,
• potrafi zarządzać procesem, gdzie w pełni automatyczny sposób podejmowane są decyzje biznesowe (data driven decision making), w tym identyfikuje wąskie gardła procesu i puste przebiegi;  potrafi zarządzać całym cyklem życia modelu predykcyjnego,
• potrafi optymalizować proces decyzyjny wyznaczając jego parametry, w sposób umożliwiający maksymalizację wskaźników finansowych,
• umie stosować metodę reprezentacyjną do analizy dużych wolumenów danych prowadzić analizy statystyczne, ekonometryczne przy modelowaniu zjawisk i procesów gospodarczych, analizować i modelować dane wielowymiarowe, stosować je w badaniach ekonomicznych, społecznych, biznesowych (rynkowych i marketingowych).

Kompetencje społeczne

• rozumie potrzebę i potrafi korzystać z podejścia ilościowego dla lepszego postrzegania, opisu i analizy otaczającej rzeczywistości ekonomicznej, społecznej, biznesowej, 
• jest świadomy odpowiedzialności zawodowej w pracy w podmiotach gospodarczych i instytucjach, w których wymagane jest stosowanie narzędzi matematycznych, statystycznych, ekonometrycznych i informatycznych, 
  potrafi uzasadnić potrzeby budowy modeli predykcyjnych i procesu automatycznego używając języka biznesowego i wskaźników finansowych,
• potrafi się komunikować w środowisku biznesowym przekonując swoją pasją i zaangażowaniem do stosowania zaawansowanej analizy danych,​
• uczy innych pokory do analizy danych, potrzeby wnikliwego rozumienia procesu i identyfikacji błędów estymacji a także daje przykład etycznych zachowań zawodowych,
• posiada kompetencje do pracy zespołowej w zespołach data science,
• posiada gotowość i umiejętności wykorzystania wiedzy z danych w praktyce w celu transformacji procesów i zwiększenia innowacyjności organizacji.

Poznaj programy studiów pierwszego i drugiego stopnia w SGH oraz efekty kształcenia:

Lista efektów kształcenia na kierunkach
Lista przedmiotów kierunkowych i specjalnościowych na kierunkach 2024/2025