Podyplomowe Studia Inżynieria Danych – Big Data
Podyplomowe Studia Inżynieria Danych – Big Data mają na celu wykształcenie umiejętności wykorzystywania wartości drzemiącej w Big Data przez wszechstronne, informatyczne przygotowanie do analizy dużych wolumenów danych.

Unikatowe studia – nowatorskie i elitarne, niełatwo się dostać, a zajęcia odbywają się w małej grupie

Przekrojowe spojrzenie – na wszechstronną podbudowę informatyczną dla analityki dużych wolumenów danych

Aplikowalna wiedza – poparta doświadczeniem wykładających ekspertów i dużą liczbą zajęć praktycznych
Dlaczego warto?
- Studia przygotowują do wykorzystywania we wszystkich obszarach gospodarki i na wszystkich poziomach zarządzania wartości biznesowej drzemiącej w coraz większych wolumenach danych.
- Celem zajęć jest wszechstronne informatyczne przygotowanie do analizy dużych wolumenów danych, zwłaszcza w organizacjach i podmiotach gospodarczych.
- Absolwenci potrafią planować strategicznie, udoskonalać modele biznesowe oraz wykorzystywać możliwości dynamicznie zmieniających się technologii cyfrowych.
- Zajęcia prowadzone są w oparciu o oprogramowanie Oracle, SAS i open source: Hadoop (Cloudera), Python, GNU R oraz Microsoft Azure.
Czy dla mnie?
Podyplomowe Studia Inżynieria Danych – Big Data adresowane są do wszystkich chętnych z każdej branży, w szczególności z obszaru finansów, bankowości, ubezpieczeń, produkcji, marketingu, handlu, usług, opieki zdrowotnej, branży energetycznej oraz obszaru ICT, zainteresowanych pogłębieniem wiedzy o Big Data, a w szczególności:
- decydentów,
- analityków
- oraz specjalistów.
Rekomendacje
Raport The World Economic Forum (2012) podkreśla, że dane stanowią nową klasę ekonomicznych aktywów, zaś Big Data nazywa „nowym paliwem gospodarczym”. Poza osobami z umiejętnościami w zakresie Big Data potrzeba także ok. 1,5 mln menedżerów i analityków z szerokim rozumieniem roli Big Data. Taki trend zaznacza się już intensywnie także w Europie, zaczyna być również widoczny w Polsce. Jeżeli taka wizja Ci się podoba, to Inżynier Danych – “the Sexiest Job of the 21st Century” – to zawód dla Ciebie! Popyt na Twoje umiejętności będzie tylko rósł!
Program
BLOK I. TEORETYCZNE I PRAKTYCZNE PODSTAWY INŻYNIERII DANYCH – BIG DATA
- Big Data – filozofia, technologia, analityka (18 godz.)
- Budowa i eksploatacja baz danych (20 godz.)
- Hurtownie danych – teoria i praktyka (14 godz.)
- Przetwarzanie w chmurze (14 godz.)
- Wizualizacja i raportowanie danych (16 godz.)
BLOK II. ŚRODOWISKO PROGRAMISTYCZNE DLA INŻYNIERII DANYCH – BIG DATA
- Zaawansowany SQL (16 godz.)
- Analiza danych i symulacje w języku Python (20 godz.)
- Analityka predykcyjna w GNU R (24 godz.)
- Hadoop i Spark (22 godz.)
BLOK III. CASE STUDIES
- Case study: R na rynku energetycznym (8 godz.)
- Case study: Python na rynku bankowym (8 godz.)
- Case study: jakość danych (12 godz.)
Kierownik studiów
Pomysłodawca i kierownik Studiów Podyplomowych Inżynieria Danych – Big Data. Pomysłodawca i współtwórca koncepcji kierunku studiów magisterskich Analiza danych – Big Data. Jej prace badawcze dotyczą głównie wymiarowania procesów i produktów programowych. Temu zagadnieniu poświęciła większość spośród ok. 100 swoich publikacji, także z listy filadelfijskiej. Członek m.in. PTI, International Function Point Users Group (IFPUG), przedstawiciel na Polskę Common Software Measurement International Consortium (COSMIC) International Advisory Council. Członek-założyciel i członek zarządu Polskiego Stowarzyszenia Miar Oprogramowania (PSMO). Juror konkursu Innovators Under 35 organizowanego przez MIT (Massachusetts Institute of Technology) Technology Review od 2018 r. Jako ekspert współpracuje z instytucjami administracji publicznej oraz firmami konsultingowymi i z sektora IT. Ekspert/recenzent centrów naukowych w Polsce i przy Komisji Europejskiej. W 2014 r. powołana przez Minister Nauki i Szkolnictwa Wyższego na członka Komitetu Polityki Naukowej w kadencji 2014–2016, przewodnicząca tego Komitetu przez półroczną kadencję. W 2016 r. powołana ponownie w skład tego Komitetu. Jego reprezentantka w PLUS-IP. Członek Komitetu Naukoznawstwa PAN w kadencji 2015–2018 oraz 2019–2022. Nominowana w 2019 r. do nagrody im. Marka Cara.
Wykładowcy

Doktor nauk technicznych, Business Solution Manager w SAS Poland Technology and Big Data Competency Center oraz wykładowca w Szkole Głównej Handlowej w Warszawie w Instytucie Informatyki i Gospodarki Cyfrowej. Jest absolwentem Wydziału Elektrycznego na Politechnice Warszawskiej, doktor informatyki.
Ma ponad 20-letnie doświadczenie w zakresie technologii informacyjnych. Jego główne zainteresowania to text mining i metody optymalizacji. Posiada bogate doświadczenie w zakresie pozyskiwania informacji, wydobywania informacji, analiz sentymentu, klasyfikacji tekstu i grupowania, modelowania predykcyjnego i wizualizacji danych zdobyte podczas realizacji wielu projektów. Osobiście jest zwolennikiem edukacji domowej i prezesem Stowarzyszenia Edukacji w Rodzinie.
Case study: jakość danych

Ukończył studia na Wydziale Inżynierii Produkcji Politechniki Warszawskiej. Pracownik SAS Institute, karierę rozpoczynał w dziale edukacji, gdzie był odpowiedzialny m.in. za szkolenia z zakresu jakości danych. Od ponad 6 lat pracuje w dziale konsultingu.
Posiada duże doświadczenie w zakresie wdrażania i projektowania rozwiązań z obszaru integracji, czyszczenia danych a także Master Data Management zdobyte na wielu projektach.
Case study: Python na rynku bankowym

Doktor nauk technicznych specjalizujący się w zaawansowanej analizie danych (Data Science). Absolwent Polsko-Japońskiej Akademii Technik Komputerowych (dr, informatyka) i Szkoły Głównej Handlowej w Warszawie (mgr, metody ilościowe w ekonomii i systemy informacyjne). Były konsultant McKinsey.
Obecnie product owner w firmie Nokia specjalizujący się w prowadzeniu projektów automatyzujących skomplikowane procesy biznesowe (w szczególności przy wykorzystaniu technik sztucznej inteligencji i przetwarzania języka naturalnego) i zarządzający dużymi zespołami eksperckimi.
Case study: Hadoop i Spark

Doktor nauk ekonomicznych, pracownik naukowy Kolegium Analiz Ekonomicznych Szkoły Głównej Handlowej w Warszawie. Autor szeregu publikacji związanych z zastosowaniem systemów BI i Big Data w organizacjach. Konsultant i architekt systemów analitycznych z ponad 15 letnim doświadczeniem. Partner w firmie Sorigo. Realizuje projekty związane z integracją, analizą i przetwarzaniem danych, szczególnie w branżach telekomunikacyjnej oraz bankowej.
Doktor nauk ekonomicznych, adiunkt w Zakładzie Wspomagania i Analizy Decyzji w Instytucie Ekonometrii Kolegium Analiz Ekonomicznych Szkoły Głównej Handlowej w Warszawie. Specjalizuje się w makroekonometrii, optymalizacji i finansach ilościowych.
Absolwent Szkoły Głównej Handlowej w Warszawie (kierunki: Ekonomia, Metody Ilościowe) i programu doktorskiego Kolegium Analiz Ekonomicznych SGH. Studiował również na Wydziale Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego (Matematyka). W przeszłości ekonomista w Biurze Badań Stosowanych Instytutu Ekonomicznego Narodowego Banku Polskiego, odpowiedzialny za tworzenie narzędzi analitycznych i modeli prognostycznych dla Zarządu NBP i Rady Polityki Pieniężnej. Kierownik Sekcji Teoretycznej w firmie technologicznej Data Invest, odpowiedzialny za program rozwoju metod analizy danych. Partner i Chief Scientist w Turbine Asset Management S.A., firmie specjalizującej się w tworzeniu rozwiązań IT z zakresu metod ilościowych dla polskich i zagranicznych instytucji sektora inwestycyjnego, bankowego i ubezpieczeniowego. Autor kilkudziesięciu publikacji naukowych, prelegent na kilkudziesięciu krajowych i zagranicznych konferencjach naukowych.
Case study: Przetwarzanie w chmurze

Dyrektor Działu Badawczo-Rozwojowego w Grupie Kapitałowej Data Invest. Jego obecną domeną jest prowadzenie dużych, zaawansowanych projektów informatycznych, przede wszystkim jako project manager, z wykorzystaniem metodologii zwinnych, takich jak Agile Scrum, Scrumban czy Emerging Development.
Kieruje ponad dwudziestoosobowym zespołem specjalistów z takich dziedzin, jak matematyka, informatyka, ekonomia, fizyka. Wśród nich można znaleźć m.in. ekspertów ds. finansów i modeli finansowych, metod sztucznej inteligencji (Artificial Intelligence), algorytmów genetycznych i sieci neuronowych, obliczeń numerycznych, obliczeń równoległych HPC, rozproszonych baz danych (w tym Big Data), przetwarzania obrazów i analizy sygnałowej, a także zaawansowanych systemów informatycznych. Specjalizuje się w systemach utrzymania i podnoszenia jakości produktów i usług IT/ICT. Zajmuje się również projektowaniem części systemów odpowiedzialnych za HPC (High Performance Computing), w tym wykorzystujących procesory wielordzeniowe GPGPU do obliczeń masowo równoległych, przetwarzaniem danych o dużym wolumenie (Big Data), a także zachowaniami inteligentnymi przy wykorzystaniu metod sztucznej Inteligencji oraz technik Computer Vision. Prywatnie interesuje się kogniwistyką i metodami terapeutycznymi wykorzystującymi technikę uważności (mindfulness). Jest absolwentem Wydziału Fizyki, Astronomii i Informatyki Stosowanej Uniwersytetu Mikołaja Kopernika w Toruniu, specjalizacja Fizyka Komputerowa. Ukończył również studia podyplomowe w zakresie Zarządzanie oraz studia podyplomowe w zakresie Psychologia Zarządzania w Wyższej Szkole Bankowej w Toruniu.
Case study: Big Data – filozofia, technologia, analityka ; Wizualizacja i raportowanie danych

Starszy wykładowca w Instytucie Informatyki i Gospodarki Cyfrowej w SGH, adiunkt i kierownik zakładu Informatycznych Systemów Zarządzania na WAT. Wykłada na uczelniach w Polsce i za granicą. Zainteresowania naukowe: sztuczna inteligencja, eksploracja danych, big data, business dynamics.
Pracował jako analityk systemowy w Oracle Polska. Członek Naukowego Towarzystwa Informatyki Ekonomicznej oraz PLAIS (The Polish Association for Information Systems).
Case study: Analityka predykcyjna w GNU R

Doktorant w Instytucie Ekonometrii SGH oraz analityk ilościowy w PKO Bank Polski SA. Zainteresowania naukowe koncentrują się na makroekonomii oraz zastosowaniu metod ilościowych w ekonomii i zarządzaniu. Autor kilku badań naukowych z zakresu zarządzania długiem publicznym.
Posiada 4 letnie doświadczenie w prowadzeniu zajęć dydaktycznych w SGH. Udzielił wykładu gościnnego dla Dhruva College of Management – jednej z dziesięciu najlepszych szkół biznesu w Indiach oraz wygłosił prezentację nt. polskich doświadczeń w zarządzania długiem na forum uczestników warsztatów szkoleniowych w Wiedniu na zaproszenie Banku Światowego.
Case study: Big Data – filozofia, technologia, analityka

Absolwent Wydziału Informatyki i Zarządzania Politechniki Wrocławskiej. Tytuł doktora nauk ekonomicznych otrzymał na Wydziale Zarządzania i Informatyki Uniwersytetu Ekonomicznego we Wrocławiu. Ukończył program IFP w IESE Business School oraz Executive Program w MIT Sloan School of Management.
W latach 1999–2006 pracował na stanowiskach kierowniczych w T-Systems Polska oraz IMG Information Management Polska, gdzie był dyrektorem ds. konsultingu biznesowego. W ramach konsultingu odpowiadał za wdrożenie systemów controlingu finansowego, re-inżynierię procesów biznesowych, doradztwo informatyczne, oraz systemów analiz biznesowych m.in. w branży telekomunikacyjnej, produkcyjnej i sieciach handlowych. W latach 2006–2009 współpracował z MCI Management. W latach 2009–2010 był członkiem rady nadzorczej w firmie Teta S.A. Od 2008 r. jest członkiem Rady Nadzorczej i Komitetu Audytu w Grupie Kęty S.A. W roku akademickim 2011–2012 pracował jako visiting scholar w Harvard Business School. Obecnie pracuje jako visiting profesor w University of Massachusetts Lowell oraz jest zatrudniony jako pracownik naukowo-dydaktyczny w Szkole Głównej Handlowej w Warszawie.
Case study: Analiza danych i symulacje w języku Python

Adiunkt w Zakładzie Wspomagania i Analizy Decyzji w Szkole Głównej Handlowej w Warszawie. Jego zainteresowania naukowe koncentrują się wokół konstrukcji modeli wieloagentowych, metodyki analizy symulacyjnej, optymalizacji symulacji, ilościowego modelowania problemów decyzyjnych oraz narzędzi eksploracji danych.

Kierownik Zakładu Wspomagania i Analizy Decyzji w Szkole Głównej Handlowej w Warszawie oraz profesorem w Data Science Laboratory, Ryerson University, Kanada. Specjalizuje się w zastosowaniu zaawansowanych metod analizy danych do wspomagania podejmowania decyzji w przedsiębiorstwach. Jest autorem ponad stu artykułów na temat zastosowań biznesowych metod prognostycznych, optymalizacyjnych i symulacyjnych. Aktywnie promuje wykorzystanie najnowszych wyników badań naukowych w praktyce gospodarczej.
Case study: Budowa i eksploatacja baz danych; Zaawansowany SQL .

Starszy wykładowca w Instytucie Informatyki i Gospodarki Cyfrowej Szkoły Głównej Handlowej w Warszawie. Jest absolwentką SGH, tu również uzyskała stopień doktora nauk ekonomicznych. Prowadzi wykłady i zajęcia w laboratorium komputerowym, specjalizuje się w narzędziach i technologii Oracle.
Tematyka zajęć obejmuje m.in. SQL, PL/SQL, APEX, Discoverer. Przez 10 lat prowadziła szkolenia w Oracle University, głównie z SQL i PL/SQL. Uzupełnieniem pracy dydaktycznej i studiów teoretycznych jest dla niej praca w Banku BPH w Departamencie Hurtowni Danych i Informacji Zarządczej na stanowisku eksperta ds. systemów raportowania i integracji danych. Na co dzień zajmuje się modelowaniem danych, problemami środowiska hurtowni, pracami projektowymi.
Case study: Analityka predykcyjna w GNU R

Doktorant w Instytucie Ekonometrii SGH oraz konsultant ds. zaawansowanej analityki w warszawskim biurze firmy McKinsey & Company. Absolwent SGH na kierunku Metody Ilościowe w Ekonomii i Systemy Informacyjne. Autor kilkunastu artykułów naukowych dot. zastosowań metod ilościowych w ekonomii i zarządzaniu.
Opinie o studiach
Mocną stroną studiów są zajęcia prowadzone przez praktyków zajmujących się wybrana tematyką i przedstawienie metod rozwiązywania problemów w oparciu o rzeczywiste przypadki biznesowe. Wprowadzenie w Machine Learning i wykorzystanie metod AI do wydobywania wiedzy z danych umożliwia, praktycznie po pierwszych zajęciach, zastosowanie nabytych umiejętności do samodzielnego eksperymentowania z danymi i rozwijania wiedzy w tej dziedzinie. Wiedza nabyta na studiach daje mi możliwość szerszego zrozumienia potencjału tkwiącego w danych, i proponowania innowacyjnych rozwiązań problemów biznesowych.
Program zajęć jest profesjonalnie przygotowany, zajęcia prowadzone są w małej 24 osobowej grupie, co pozwala na dobry kontakt z wykładowcą.
Duży nacisk kładziony jest na praktykę, zagadnienia omawiane są zarówno formie teoretycznej, jak i w postaci ćwiczeń. Prowadzący mają bogatą wiedzę i doświadczenie praktyczne, omawiają tematy, narzędzia, z którymi pracują na co dzień, widać jest ich zaangażowanie, wsparcie. Studia pozwalają zapoznać się z zagadnieniami Big Data, zarówno od strony analitycznej, jak i technologicznej. Omawiają dostępne na rynku narzędzia, sposoby przetwarzania danych, języki programowania. Przedstawiają sprawdzone rozwiązania, a także nowinki, uczą podejścia do zagadnień Big Data. Projekty wykonywane podczas semestru, pozwalają usystematyzować i pogłębić zdobytą w czasie zajęć wiedzę.
Rekrutacja
Rekrutacja na edycję 17 została zakończona.
Rekrutacja na edycję 18, która zacznie zajęcia w październiku 2023 r. rozpocznie się 20 maja 2023 r.
Czas trwania studiów: 2 semestry.
Dokumenty wymagane podczas rekrutacji:
- umowa o warunkach odpłatności za studia,
Dokument
- 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.
Nostryfikacja i uznanie dyplomu
Warunkiem uzyskania świadectwa ukończenia studiów jest:
- zaliczenie wszystkich przedmiotów zgodnie z wymaganiami wykładowców (blok I – egzaminy, blok II – zaliczenia praktyczne, blok III – aktywny udział w zajęciach)
- napisanie i przyjęcie ocenionej pozytywnie (na ocenę) przez promotora pracy dyplomowej oraz jej obrona przed komisją egzaminacyjną (może nią być praca projektowa).
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 dla edycji jesiennej i do 31 sierpnia dla edycji wiosennej.
Indywidualny numer konta bankowego do wpłaty przekazywany jest podczas rejestracji na studia.
Kontakt
Sekretarz studiów
mgr Danuta Polak
tel.: +48 603 191 175
e-mail: dpolak@sgh.waw.pl
Kierownik studiów
dr hab. Beata Czarnacka-Chrobot, prof. SGH
tel.: +48 512 808 248
e-mail: bczarn@sgh.waw.pl
adres do korespondencji
Szkoła Główna Handlowa w Warszawie
ul. Madalińskiego 6/8, budynek M, pokój 239, II piętro
02-513 Warszawa
Organizator studiów
Kolegium Analiz Ekonomicznych
- Studia online
- Zajęcia odbywają się co dwa tygodnie, w soboty i niedziele od 10:00.
- Opłata za całość studiów: 11000 zł (możliwe raty).

dr hab. Beata Czarnacka-Chrobot, prof. SGH
tel.: +48 512 808 248
e-mail: bczarn@sgh.waw.pl
mgr Danuta Polak
tel.: +48 603 191 175
e-mail: dpolak@sgh.waw.pl
