Studia Podyplomowe Data Science w Biznesie

Studia Podyplomowe Data Science w Biznesie dostarczają gruntownej wiedzy i umiejętności z obszaru statystyki oraz uczenia maszynowego niezbędnych do analizy danych w biznesie z wykorzystaniem języków programowania R i Python oraz środowiska SAS Viya.

Atuty kierunku
Otwarta księga i ołówek ikona zielona

Praktyczna wiedza – pokazujemy jak wykorzystać metody data mining do rozwiązywania konkretnych problemów biznesowych

Zaakceptowany dokument okna zielona

Wyjątkowy program – zaczynamy od podstaw programowania, a kończymy na zaawansowanych analizach biznesowych

Rozwijanie zdolności ikona

Trzy języki programowania – analizy danych uczymy z wykorzystaniem języków programowania R i Python oraz środowiska SAS Viya.

Dlaczego warto?

  • Celem Studiów Podyplomowych Data Science w Biznesie jest dostarczenie słuchaczom aktualnej i kompleksowej wiedzy oraz praktycznych umiejętności z obszaru data science.
  • Stale rosnąca ilość danych rodzi zapotrzebowanie na specjalistów data science. Nasze studia dostarczą Państwu kompetencji z zakresu programowania, statystyki oraz analizy danych niezbędnych do wykonywania tego zawodu.
  • W trakcie studiów słuchacze poznają i realizują pełny proces data science, który obejmuje: zrozumienie uwarunkowań biznesowych, integrację i eksplorację danych, przetwarzanie i czyszczenie danych, analizę danych z wykorzystaniem metod statystycznych oraz metod uczenia maszynowego, wizualizację wyników oraz wyciąganie wniosków umożliwiających tworzenie i realizację skutecznych strategii biznesowych.
  • Uczestnicy studiów zyskują umiejętność realizacji tych zadań z wykorzystaniem języków R i Python oraz oprogramowania SAS (9.4, Viya).

Czy dla mnie?

Studia Podyplomowe Data Science w Biznesie adresowane są zarówno do osób, które nie mają jeszcze doświadczenia w obszarze data science, jak również tych osób, które chcą poszerzyć i ugruntować swoją wiedzę w zakresie przetwarzania i analizy danych w biznesie, w szczególności:

  • statystyków,
  • analityków,
  • specjalistów IT,  
  • kierowników projektów IT,
  • pracowników naukowych.

Rekomendacje

Data scientist posiadający ugruntowaną wiedzę z zakresu modelowania statystycznego oraz uczenia maszynowego, to jeden z najbardziej poszukiwanych na rynku pracowników. Wykładowcami Studiów Podyplomowych Data Science w Biznesie są najlepsi eksperci, posiadający nie tylko doświadczenie w analizie danych w biznesie, ale również doświadczenie dydaktyczne. To sprawia, że oprócz dostarczenia Państwu praktycznych umiejętności, wiemy jak uczyć, aby zarazić Państwa naszą pasją do programowania i analityki biznesowej.

dr hab. Wioletta Grzenda, prof. SGH
kierownik Zakładu Metod Statystycznych i Analiz Biznesowych

Program

  • Programowanie w języku R (16 godz.)
  • Przetwarzanie danych w SAS (16 godz.)
  • Programowanie w języku Python (16 godz.)
  • Statystyczna analizy danych (28 godz.)
  • Regresja logistyczna (14 godz.)
  • Modele czasu trwania (14 godz.)
  • Prognozowanie i szeregi czasowe (14 godz.)
  • Data mining (14 godz.)
  • Uczenie maszynowe, uczenie głębokie w Python i SAS Viya (14 godz.)
  • Credit scoring, automatyzacja podejmowania decyzji (14 godz.)
  • Optymalizacja sprzedaży i odkrywanie asocjacji (14 godz.)
  • Big data engineering – case study (14 godz.)
  • Seminarium (2 godz.)

Kierownik studiów

dr hab. Wioletta Grzenda, prof. SGH
kierownik Zakładu Metod Statystycznych i Analiz Biznesowych

Kierownik Zakładu Metod Statystycznych i Analiz Biznesowych w Szkole Głównej Handlowej w Warszawie. Doktor habilitowany w dyscyplinie ekonomia i finanse (2019) oraz doktor nauk matematycznych (2006). W pracy naukowo–dydaktycznej koncentruje się na modelowaniu zjawisk społeczno–ekonomicznych z wykorzystaniem metod analizy czasu trwania oraz metod uczenia maszynowego.

Autorka wielu artykułów naukowych, w tym z listy JCR, z zakresu zastosowań bayesowskich i klasycznych metod statystycznych w analizie płodności i rynku pracy oraz z obszaru statystyki matematycznej i rachunku prawdopodobieństwa. Jest również autorką, a także współautorką książek dotyczących statystyki bayesowskiej, zaawansowanych metod analiz statystycznych oraz programowania w SAS 4GL. Posiada wieloletnie doświadczenie w prowadzeniu zajęć z data mining, analizy historii zdarzeń, modelowania ekonometrycznego, rachunku prawdopodobieństwa, statystyki klasycznej i bayesowskiej. Posiada również doświadczenie w kierowaniu zarówno projektami naukowymi, jak i biznesowymi. Jej pasją jest szeroko rozumiana analiza danych, którą realizuje wykorzystując m.in. języki SAS 4GL, R i Python.

Wykładowcy

wykładowca studia podyplomowe
dr hab. Wioletta Grzenda, prof. SGH

Kierownik Zakładu Metod Statystycznych i Analiz Biznesowych w Szkole Głównej Handlowej w Warszawie. Doktor habilitowany w dyscyplinie ekonomia i finanse (2019) oraz doktor nauk matematycznych (2006). W pracy naukowo-dydaktycznej koncentruje się na modelowaniu zjawisk społeczno–ekonomicznych z wykorzystaniem metod analizy czasu trwania oraz metod uczenia maszynowego.

Autorka wielu artykułów naukowych, w tym z listy JCR, z zakresu zastosowań bayesowskich i klasycznych metod statystycznych w analizie płodności i rynku pracy oraz z obszaru statystyki matematycznej i rachunku prawdopodobieństwa. Jest również autorką, a także współautorką książek dotyczących statystyki bayesowskiej, zaawansowanych metod analiz statystycznych oraz programowania w SAS 4GL. Posiada wieloletnie doświadczenie w prowadzeniu zajęć z data mining, analizy historii zdarzeń, modelowania ekonometrycznego, rachunku prawdopodobieństwa, statystyki klasycznej i bayesowskiej. Posiada również doświadczenie w kierowaniu zarówno projektami naukowymi, jak i biznesowymi. Jej pasją jest szeroko rozumiana analiza danych, którą realizuje wykorzystując m.in. języki SAS 4GL, R i Python. (Modele czasu trwania, Data mining).
wykładowca studia podyplomowe
dr hab. Stanisław Łobejko, prof. SGH

Profesor uczelni w Instytucie Rynków i Konkurencji. Aktywnie współpracuje z biznesem wykonując badania i analizy rynku oraz ekspertyzy na rzecz przedsiębiorstw krajowych i zagranicznych, a także instytucji naukowo-badawczych, ministerstw oraz innych organizacji. Od wielu lat prowadzi wykłady, ćwiczenia oraz laboratoria komputerowe z zakresu analiz statystycznych i prognozowania szeregów czasowych w systemie SAS.

Ukończył studia ekonomiczne na kierunku cybernetyki i informatyki ekonomicznej, specjalność statystyka i ekonometria. W latach 1980–1990 był pracownikiem Instytutu Statystyki i Demografii SGH. Jest redaktorem i współautorem podręcznika: S. Łobejko, K. Masłowska, R. Wojdan, Analiza i prognozowanie szeregów czasowych z programem SAS, Oficyna Wydawnicza Szkoła Główna Handlowa w Warszawie, Warszawa 2015 r. W swoim dorobku naukowym posiada ponad 80 autorskich i współautorskich publikacji (w tym m.in. dwie autorskie monografie, 5 redakcji książek, 10 publikacji w czasopismach naukowych) w zakresie zarządzania wiedzą i innowacjami, zarządzania strategicznego, tworzenia klastrów oraz parków naukowo-technologicznych. W latach 2017–2019 był członkiem Komitetu Inżynierii Produkcji Polskiej Akademii Nauk. Należy do Polskiego Towarzystwa Zarządzania Innowacjami oraz Polskiego Towarzystwa Zarządzania Produkcją, w którym pełni funkcję V-ce prezesa Oddziału Warszawskiego. (Prognozowanie i szeregi czasowe)
wykładowca studia podyplomowe
dr inż. Aleksandra Iwanicka

Adiunkt w Zakładzie Metod Statystycznych i Analiz Biznesowych w Szkole Głównej Handlowej w Warszawie. Doktor nauk ekonomicznych, specjalność: matematyka aktuarialna. Absolwentka matematyki na Wydziale Podstawowych Problemów Techniki Politechniki Wrocławskiej.

Pracowała jako asystent w Instytucie Zastosowań Matematyki na Uniwersytecie Ekonomicznym we Wrocławiu. Jest autorką publikacji z zakresu modelowania aktuarialnego i analizy tablic kontyngencji. Posiada wieloletnie doświadczenie w prowadzeniu zajęć dydaktycznych z zakresu statystyki, statystycznej analizy danych, regresji logistycznej,  rachunku prawdopodobieństwa, analizy matematycznej i algebry liniowej z elementami równań różniczkowych. Jej obecne zainteresowania naukowo-dydaktyczne skupiają się na metodach analizy danych kategorialnych. (Regresja logistyczna).
wykładowca studia podyplomowe
dr Adam Korczyński

Doktor nauk ekonomicznych, adiunkt w Zakładzie Metod Statystycznych i Analiz Biznesowych w Szkole Głównej Handlowej w Warszawie. Specjalizuje się w zagadnieniach związanych z modelowaniem statystycznym w badaniach wzdłużnych w tym problematyką braków danych i metodami imputacji danych. Od roku 2014 związany z branżą medyczną, obecnie pełni funkcję kierownika zespołu biostatystyki w KCR S.A. zarządzając zespołem statystyków i programistów statystycznych.


Absolwent Szkoły Głównej Handlowej w Warszawie kierunku Metody Ilościowe w Ekonomii i Systemy Informacyjne (2010), Ekonomia (2011). Stopień doktora uzyskał w 2017 na podstawie pracy “Screening wariancji jako narzędzie wykrywania zmowy cenowej. Istota i znaczenie imputacji danych”. Prowadzi zajęcia z modelowania z zastosowaniem różnego typu modeli regresji w tym regresji liniowej, logistycznej, kwantylowej oraz adaptacyjnej. W pracy poza SGH zapewnia wsparcie statystyczne w zakresie realizacji badań klinicznych, w tym ocenę wymagań co do danych, wielkości próby, monitorowania i oceny jakości danych, doboru metody i modelu statystycznego oraz przeprowadzenia analizy statystycznej podsumowującej wyniki badania. (Statystyczna analizy danych).
wykładowca studia podyplomowe
dr Karol Przanowski

Swoją działalnością stara się łączyć badania naukowe nad Credit Scoring z praktycznymi zastosowaniami w środowisku bankowym i ogólnie instytucjach finansowych. Posiada duże doświadczenie w zarządzaniu i analizie portfeli kredytów konsumenckich, ich symulacji i modelowaniu różnych procesów. Adiunkt w Zakładzie Metod Statystycznych i Analiz Biznesowych w Instytucie Statystyki i Demografii, magister matematyki i doktor fizyki na Uniwersytecie Łódzkim.

Prowadzi unikatowe zajęcia z „Credit Scoring - automatyzacja procesu biznesowego”. Autor książek „Credit Scoring – studia przypadków procesów biznesowych” i „Credit Scoring w erze Big Data”. Współautor książki pod redakcją: Daniel Kaszyński, Bogumił Kamiński and Tomasz Szapiro, “Credit scoring in the context of interpretable machine learning”. Odpowiedzialny w biznesie za: modelowanie IRB, IFRS9, ICAAP, modele predykcyjne, wdrożenia i monitoring, automatyzację procesów CRM, wielokanałowe zarządzanie kampaniami reklamowymi oraz automatyczne procesy budżetowania i planowania. (Credit scoring, Automatyzacja podejmowania decyzji).
wykladowca studia podyplomowe
mgr Łukasz Głąb

Asystent w Instytucie Statystyki i Demografii Szkoły Głównej Handlowej w Warszawie od 2023. Manager w dziale aktuarialnym w jednej z firm doradztwa biznesowego. Specjalizuje się w ubezpieczeniach na życie.

Absolwent Szkoły Głównej Handlowej w Warszawie na kierunkach Analiza danych – Big Data oraz Metody Ilościowe w Ekonomii i Systemy Informacyjne. Ukończył również studia prawnicze na Uniwersytecie Warszawskim. Absolwent programu CEMS MIM Master in International Management (Szkoła Główna Handlowa w Warszawie i Norges Handelshøyskole). Ma ponad 5 letnie doświadczenie zawodowe, w tym w ubezpieczeniach na życie i ubezpieczeniach majątkowych oraz modelowaniu aktywów. W swojej karierze pracował zarówno w firmach ubezpieczeniowych, jak i w konsultingu. W przeszłości zajmował się wyceną grupowych ubezpieczeń na życie, a także modelowaniem aktywów i rozwojem narzędzi na potrzeby procesu akceptacji modelu wewnętrznego wg Solvency II. Pracuje głównie nad projektami związanymi z wdrożeniem standardu MSSF 17. Obecnie zajmuje się również rozwojem usług analitycznych dla ubezpieczycieli z wykorzystaniem uczenia maszynowego. (Programowanie w języku R).
wykładowca studia podyplomowe
mgr Agnieszka Marszałek

Ekspertka ds. jakości danych w PKO Bank Polski SA od 2019 r. Zawodowo zajmuje się badaniem i zarządzaniem jakością danych w bankowości. Jej zainteresowania naukowe koncentrują się na badaniu sytuacji młodych osób na rynku pracy oraz aplikacji metod statystycznych i data mining w analizach biznesowych.

Absolwentka Szkoły Głównej Handlowej w Warszawie na kierunkach Analiza danych – Big Data oraz Metody Ilościowe w Ekonomii i Systemy Informacyjne. Prowadziła zajęcia dydaktyczne w Szkole Głównej Handlowej w Warszawie z zakresu modeli segmentacji, retencji i migracji oraz przetwarzania danych i statystyki z wykorzystaniem języków programowania R, SAS 4GL oraz Python. Posiada praktyczną wiedzę na temat przetwarzania dużych zbiorów danych w kontekście badania ich jakości oraz budowania i rozwoju systemu zarządzania danymi w dużych instytucjach finansowych. Zajmuje się automatyzacją i rozwojem systemów raportowych dotyczących wskaźników jakości danych oraz analizą danych tekstowych. Ma również doświadczenie jako kierownik techniczny projektu dotyczącego deduplikacji danych klientów PKO Bank Polski SA. (Statystyczna analizy danych).
wykładowca studia podyplomowe
mgr Ilona Pietras

Data engineer z doświadczeniem w sektorze bankowym oraz konsultingu IT. Zajmuje się projektowaniem i implementacją procesów przetwarzania danych, migracją danych do chmury, modelowaniem oraz wizualizacją danych. Certyfikowany Google Cloud Associate Cloud Engineer, Data Engineer i Database Engineer.

Absolwentka Szkoły Głównej Handlowej w Warszawie na kierunkach: Metody ilościowe w ekonomii i systemy informacyjne oraz Analiza danych Big Data – oba stopnie studiów ukończyła z wyróżnieniem. W pracy zawodowej jest zaangażowana w projekty związane z budową procesów ETL/ELT, optymalizacją przechowywania i przetwarzania danych, projektowaniem hurtowni danych, migracją do chmury, budową modeli w obszarze bankowości oraz NLP, a także tworzeniem dashboardów BI. (Big data engineering – case study).
wykładowca studia podyplomowe
mgr inż. Piotr Rozenbajgier

Absolwent Wydziału Elektroniki i Technik Informacyjnych Politechniki Warszawskiej. Od początku swojej kariery zawodowej w SAS Institute związany z systemami wspomagania podejmowania decyzji opartymi o hurtownie danych i Business Intelligence. Przez 14 lat zajmował się tworzeniem zaawansowanych procesów ETL, systemów raportowych, ML i AI oraz zarządzaniem i utrzymaniem systemu analitycznego na potrzeby badań klinicznych.

Od 2017 roku jest również wykładowcą w Zakładzie Metod Statystycznych i Analiz Biznesowych Szkoły Głównej Handlowej, prowadząc przedmioty związane z metodami zaawansowanej analityki ML, AI, Big Data oraz przygotowaniem danych na potrzeby analiz statystycznych. (Przetwarzanie danych w SAS, Uczenie maszynowe, uczenie głębokie w SAS Viya, Optymalizacja sprzedaży i odkrywanie asocjacji).
wykładowca studia podyplomowe
mgr inż. Marcin Zadroga

Absolwent Informatyki Wydziału ETI Politechniki Gdańskiej. Zaangażowany w projekty związane z przetwarzaniem danych w chmurze. Wykładowca studiów podyplomowych oraz bootcampów Data Science. Obecnie pracuje jako Data Engineer / Consultant w firmie EPAM.

Posiada wieloletnie doświadczenie w dziedzinie analizy i inżynierii danych. Pracował w rolach Software Engineer, Data Scientist i Data Engineer w firmach Thomson Reuters, Jeppesen (obecnie Boeing Poland), DNV. Entuzjasta szeroko rozumianej sztucznej inteligencji. Zaawansowany użytkownik technologii chmurowych, Pythona i baz danych. Specjalizuje się w tematyce analizy szeregów czasowych. Zwolennik zwinnych metod zarządzania projektami. Współzałożyciel grupy MLGdańsk, gdzie ma okazję dzielić się swoim doświadczeniem i wiedzą z innymi pasjonatami analizy danych i uczenia maszynowego. (Programowanie w języku Python, Uczenie maszynowe, Uczenie głębokie w Python).
„ ”

Informacje techniczne

Zajęcia będą organizowane za pośrednictwem aplikacji Microsoft TEAMS.

POBIERZ APLIKACJĘ MICROSOFT TEAMS

Aplikacja jest bezpłatna dla słuchaczy studiów podyplomowych SGH. Logowanie do aplikacji odbywa się za pośrednictwem kont SGH, które zostają nadane po przyjęciu na studia.  Dla całej edycji zostanie stworzony jeden zespół, aby słuchacze mogli utrzymywać ze sobą kontakt. Każde zajęcia będą prowadzone na osobnym kanale. Dzięki temu wszystkie informacje dotyczące zajęć (materiały, zadania, dyskusja) będą w jednym miejscu i będzie można do nich wracać podczas trwania studiów. 

Potrzebne będą: komputer stacjonarny, laptop lub urządzenie mobilne (tablet, smartfon) z systemami operacyjnymi iOS i Android, ewentualnie słuchawki (np. od smartfona, które zawierają wbudowany mikrofon) – poprawiają jakość słuchania wykładu i wypowiedzi słuchaczy podczas dyskusji. 

Jeśli mają Państwo jakieś wątpliwości dotyczące możliwości studiowania online, to zapraszamy na próbne zajęcia! W tym celu prosimy o kontakt z sekretarzem studiów.

Rekrutacja

Trwa rekrutacja na 2. edycję studiów. Zajęcia rozpoczną się w październiku 2024 r.

Czas trwania studiów: 2 semestry.

Dokumenty wymagane podczas rekrutacji:

  • umowa o warunkach odpłatności za studia,
  • formularz aplikacyjny (wypełniany podczas rejestracji na studia),
  • odpis dyplomu potwierdzającego ukończenie studiów co najmniej pierwszego stopnia,

Uwaga:

Osoby, które ukończyły studia na uczelni zagranicznej powinny dostarczyć zaświadczenie stwierdzające, że posiadany dyplom uprawnia do podjęcia studiów podyplomowych SGH.

Warunkiem uzyskania świadectwa ukończenia studiów jest:

  • uczestnictwo w zajęciach,
  • zaliczenie testów weryfikacyjnych,
  • przygotowanie pod opieką promotora z grona wykładowców SGH pracy końcowej związanej merytorycznie z profilem studiów,
  • obrona pracy wraz z egzaminem.

Harmonogram

Zajęcia odbywają się w soboty i niedziele od godz, 9.15, zazwyczaj dwa razy w miesiącu.

Terminy zjazdów w nadchodzącej 2. edycji studiów: 

Semestr I

  • 5–6 października 2024 r.
  • 19–20 października 2024 r.
  • 16–17 listopada 2024 r.
  • 30 listopada – 01 grudnia 2024 r.
  • 14–15 grudnia 2024 r.
  • 11–12 stycznia 2025 r.
  • 25–26 stycznia 2025 r.

Semestr II

  • 15–16 lutego 2024 r.
  • 1–2 marca 2024 r.
  • 15–16 marca 2024 r.
  • 29–30 marca 2024 r.
  • 12–13 kwietnia 2024 r.
  • 10–11 maja 2024 r.

Opłaty

Opłata za całość studiów wynosi 11 000 zł.

Możliwość wpłaty w dwóch ratach:

  • I rata: 7000 zł – płatna przy zapisie,
  • II rata: 4000 zł – płatna do 31 stycznia.

Indywidualny numer konta bankowego do wpłaty przekazywany jest podczas rejestracji na studia.

Kontakt

Sekretarz studiów
dr Aleksandra Iwanicka
e-mail: aiwanic@sgh.waw.pl

Kierownik studiów
dr hab. Wioletta Grzenda, prof. SGH
e-mail: wgrzend@sgh.waw.pl

tel.: +48 690 264 449

adres do korespondencji
Szkoła Główna Handlowa w Warszawie
Kolegium Analiz Ekonomicznych
Instytut Statystyki i Demografii
ul. Madalińskiego 6/8
02-513 Warszawa

Organizator studiów
Kolegium Analiz Ekonomicznych
Instytut Statystyki i Demografii

Pliki do pobrania:
Dokument

REKRUTACJA TRWA

  • Studia online
  • Zajęcia odbywają się raz lub dwa razy w miesiącu, w soboty i niedziele od 9:15.
  • Opłata za całość studiów: 11 000 zł (możliwe raty).
zdjęcie kierownika studiów podyplomowych
Kierownik studiów

dr hab. Wioletta Grzenda, prof. SGH
tel.: +48 690 264 449
e-mail: wgrzend@sgh.waw.pl

Sekretarz studiów

dr Aleksandra Iwanicka
e-mail: aiwanic@sgh.waw.pl

Programy MBA i studia podyplomowe