| Wprowadzenie do Big Data | 8 | - Wprowadzenie do dziedziny Big Data oraz definicja podstawowych pojęć.
- Generatywna sztuczna inteligencja (AI).
|
| Przedsiębiorstwo oparte na danych - proces transformacji | 8 | - Typy danych w organizacji: operacyjne, analityczne, zewnętrzne.
- Podstawy modelowania danych: transakcyjne, nieustrukturyzowane, dimensional model.
- Metody wykorzystania danych: analityka i wprowadzenie do uczenia maszynowego.
- Kompetencje w organizacji – specjalizacje związane z przetwarzaniem danych – data engineering w tym: streaming, storage, ETL, ELT, data warehousing, data science, MLOps. Specjalizacje pomocnicze: cloud, devops, analityka, modelowanie, analiza biznesowa, UX.
- Transformacja organizacji: data adoption, data discovery, podnoszenie kwalifikacji, Machine Learning Discovery.
- Platformy przetwarzania danych: ETL i ELT - scenariusze użycia, konteksty technologie; przykłady platform z zastosowaniem narzędzi; sposoby zarządzania platformami.
- Domenowe podejście do danych – Prawo Conwaya, wstęp do Domain Driven Design, Data Mesh.
|
| Systemy baz danych. Język SQL | 16 | - Wprowadzenie do relacyjnych baz danych.
- Podstawy SQL.
|
| Przygotowanie danych do analizy | 16 | - Podstawowe funkcje programu Excel.
- Tabele przestawne.
- Power Query - czyszczenie i transformacja danych.
- Przygotowanie zbioru danych do analizy.
|
| Algorytmy i modele analityki predykcyjnej przy użyciu Big Data | 12 | - Analiza zbioru danych z wykorzystaniem technik i metod statystyki opisowej.
- Algorytmy grupowania.
- Klasyfikacja i regresja.
|
| Wprowadzenie do języka Python | 28 | - Wprowadzenie do środowiska pracy w języku Python, zarządzanie pakietami.
- Zmienne i podstawowe operatory, operacje wejścia-wyjścia.
- Instrukcje warunkowe i iteracyjne.
- Struktury danych: listy, słowniki.
- Funkcje.
- Odczyt/zapis do /z pliku.
- Wyjątki
- Wprowadzenie do systemów kontroli wersji.
- Przygotowanie do certyfikatu Cisco PCAP (Programming Essentials in Python).
|
| Sztuczna inteligencja | 12 | - Czym jest sztuczna inteligencja.
- Uczenie maszynowe.
- Sieci neuronowe.
- Uczenie głębokie.
- Uczenie w warunkach niepewności.
|
| Wizualizacja danych Big Data | 20 | - Wprowadzenie do wizualizacji danych. Charakterystyka procesu oraz podstawowych pojęć.
- Zasady i dobre praktyki projektowania efektywnych wizualizacji. Typowe błędy i sposoby ich naprawiania. Rozpoznawanie manipulacji z wykorzystaniem wizualizacji.
- Projektowanie systemu wskaźników oraz pulpitów.
- Zastosowanie Power BI do Wizualizacji danych
|
| Język Python w analizie danych i uczeniu maszynowym | 20 | - Inteligentna analiza i eksploracja danych.
- Sztuczne sieci neuronowe.
- Rozpoznawanie obrazów.
- Przetwarzanie tekstu i mowy.
|
| Bazy i hurtownie danych dla Big Data | 28 | - Wprowadzenie do bazy i hurtownie danych dla Big Data. Podstawowe techniki i narzędzia.
- Programowanie rozwiązań z wykorzystaniem Node.js
- Wprowadzenie do języka MongoDB.
- Zastosowanie wyrażeń regularnych w przetwarzaniu dużych zbiorów danych.
- Implementacja algorytmów typu MapReduce.
- Alternatywne metody programowania rozwiązań Big Data - SnowFlake.
- Klasyfikacja zbiorów danych i badanie jakości danych.
- Generowanie raportów na podstawie danych Big Data.
|
| Chmura AWS i bezpieczeństwo danych | 16 | - Tworzenie wirtualnych instancji maszyny oraz magazynu pamięci. Usługa EC2 oraz Amazon S3.
- Sposoby dostarczania i wyświetlenia treści z wykorzystaniem różnych usług.
- Wykorzystanie pamięci do przechowywania danych trwałych oraz tymczasowych
- Podstawowe usługi zapewniające bezpieczeństwo w chmurze.
- Monitorowanie usług chmurowych.
- Usługi bazy danych w chmurze.
|
| Case study | 8 | - Prezentacja przykładowych rozwiązań stosowanych w firmach zarządzających dużymi zbiorami danych
|
| Razem | 192 | |
