Studia II Stopnia - Inteligentne systemy przetwarzania danych

Bezpośredni kontakt z przedstawicielem PJWSTK- Polsko-Japońska Wyższa Szkoła Technik Komputerowych

Aby się skontaktować, należy najpierw zaakceptować Politykę prywatności

Szczegóły Studia II Stopnia - Inteligentne systemy przetwarzania danych - W ciągu tygodnia - Warszawa - Mazowieckie

  • Cele
    Inteligentne Systemy Przetwarzania Danych „DM” Celem specjalizacji jest wykształcenie ekspertów z ogólnie pojętej dziedziny analizy danych, potrafiących stosować i modyfikować znane, jak również tworzyć własne techniki znajdowania w dużych, złożonych źródłach danych cennej wiedzy praktycznej. Nacisk położony jest zarówno na podstawy teoretyczne oraz programistyczne, jak i na zdolność ich stosowania w szerszych projektach, związanych ze specjalistycznymi hurtowniami danych oraz innymi aplikacjami wykorzystującymi techniki analizy danych. Bardzo istotnym czynnikiem umożliwiającym osiągnięcie powyższych celów jest praca na rzeczywistych danych, dotyczących najdynamiczniej rozwijających się w tej chwili na świecie dziedzin zastosowań. Zapewnia to specjalistyczne doświadczenia w wybranym zakresie. Wskazuje na trudności w analizie danych pochodzących od osób nie mających zazwyczaj pojęcia o sposobie, w jaki dane te powinny być przygotowane. Uczy wreszcie, jak wychodzić naprzeciw ekspertom, którzy posiadają bezcenną dla analizy konkretnych danych wiedzę, a którzy odnoszą się nieraz z pewną rezerwą do technik komputerowych.
  • Tutuł uzyskany
    Magister
  • Szczegółowe informacje

    Tematy prac magisterskich mogą dotyczyć zarówno uczestnictwa w większych projektach badawczych oraz komercyjnych, jak i zadań indywidualnych. Należy uwzględnić następujące aspekty, które powinny znaleźć odzwierciedlenie w pracy:

    ·         Możliwie duży wkład merytoryczny, polegający na modyfikacjach istniejących, bądź rozwoju nowych podejść analitycznych, zgodnych z potrzebami zastosowań

    ·         Możliwie głębokie wniknięcie w dziedzinę zastosowań, przygotowanie danych, praktyczna interpretacja wyników analiz w świetle dziedziny zastosowania

    ·         Wybróbowanie nowych algorytmów na możliwie szerokim zbiorze danych ukazujących różne możliwości zastosowań praktycznych

    Poniżej sygnalizujemy dwa spośród najistotniejszych dla nas kierunków zastosowań. Studenci mogą oczywiście formułować własne tematy prac. Zapewniamy w tym zakresie pełną pomoc merytoryczną, o ile proponowana tematyka wpisuje się w cele specjalizacji.

    Bioinformatyka i medycyna: Biologia podlega szybkiej przemianie z nauki opartej na małej ilości danych na dziedzinę, w której koniecznym jest przetwarzanie dużej ich liczby. Przykładowo, technologia mikromacierzy DNA umożliwia równoległą reprezentację i obserwację ekspresji tysięcy genów. Odpowiednie metody analityczne pozwalają na wykorzystanie tak zdobytych danych do interaktywnej wizualizacji zależności pomiędzy genami, a także na próby budowy modeli prognozowania ryzyka wystąpienia pewnych chorób (np. nowotworów) na podstawie wiedzy o ludzkiej charakterystyce genetycznej.

    CRM (Customer Relationship Management): CRM można określić jako interaktywny proces uzyskiwania optymalnej równowagi między inwestycjami firmy a satysfakcją klientów. CRM to między innymi nabywanie i ciągła aktualizacja wiedzy o potrzebach klientów, ich motywacji i zachowaniu, wykorzystanie wiedzy o kliencie do ciągłego polepszania wyników firmy w procesie uczenia się na podstawie sukcesów i porażek. Omawiane metody analizy danych służyć tu mogą, na przykład, wyborowi tych klientów, którzy zakupią określony produkt, podziałowi klientów na tych, którzy przynoszą zyski i tych, którzy przynoszą straty, identyfikację klientów, którzy pozostaną lojalni, a którzy odejdą, czy sprzedaż łączoną zainteresowanym klientom. Zgodnie z celem specjalizacji, tematyka ta obejmuje także zagadnienia implementacji odpowiednich systemów, które wspierają nabywanie i współdzielenie wiedzy o kliencie oraz mierzą efektywność CRM.

    Metodologia stosowana podczas realizacji projektów:

    • Eksploracja Danych (Data Mining): Techniki odkrywania wartościowych, wcześniej nieznanych regularności w danych, oparte zarówno na szybkich algorytmach wydobywania z danych cennej i zrozumiałej wiedzy, jak i na doświadczeniu w ich stosowaniu do rozwiązywania konkretnych problemów
    • Hurtownie Danych: Projektowanie baz danych wykorzystywanych jako podstawy tworzenia systemów wspomagania podejmowania decyzji, ze szczególnym uwzględnieniem problematyki łączenia danych pochodzących z różnych źródeł
    • Odkrywanie Wiedzy z Baz Danych (KDD): Interaktywny, zazwyczaj cykliczny, proces analizy danych obejmujący takie etapy, jak: zrozumienie problemu i celu analizy, budowa roboczego zbioru danych, eksploracja danych, interpretacja znalezionych regularności, a wreszcie wykorzystanie odkrytej wiedzy w praktyce

    Dziedziny nauki, które składają się na podstawy algorytmiczne i teoretyczne:

    ·         Statystyka i Rachunek Prawdopodobieństwa (Zakres inżynierskich wykładów MAD oraz SAD, a także obowiązkowego magisterskiego wykładu MIM).

    ·         Systemy Decyzyjne i Uczące się (Specjalistyczne wykłady WED oraz EDZ)

    ·         Sztuczna Inteligencja (Rozszerzenie zakresu inżynierskiego wykładu NAI)

    Magisterskie przedmioty specjalistyczne DM:

    ·         Wstęp do Eksploracji Danych (WED, Semestr I): utrwalenie i rozszerzenie podstawowej wiedzy potrzebnej do realizacji projektów magisterskich

    ·         Hurtownie Danych (HUR, Semestr II): modelowanie, przechowywanie i przetwarzanie wielkich baz danych, ze szczególnym uwzględnieniem ich analitycznego wykorzystania przy realizacji projektów

    ·         Eksploracja Dużych Zbiorów Danych (EDZ, Semestr III): algorytmy służące uefektywnieniu eksploracji i przetwarzania dużych zbiorów danych

    ·         Analiza Danych Złożonych (ADZ, Semestr IV): adaptacja uprzednio poznanych technik celem analizy danych wielostrukturalnych, w oparciu o przykłady z takich dziedzin, jak bioinformatyka, medycyna, internet, multimedia, etc.

    Sugerowane magisterskie przedmioty dodatkowe (w zależności od zainteresowań i ofert zatwierdzonych przez decyzje Senatu Uczelni): Algorytmy Ewolucyjne, Algorytmy na Grafach, Bioinformatyka, Metody Rozpoznawania Obrazów, Probabilistyczne Aspekty Sztucznej Inteligencji, Standardy i Percepcja Danych Multimedialnych.

    Istotne z punktu widzenia Specjalizacji DM magisterskie przedmioty obowiązkowe: Metody Ilościowe i Modelowanie, Przetwarzanie Sygnałów i Obrazów Cyfrowych, Inteligentne Systemy Informacyjne.

    Przedmioty inżynierskie, których dobra znajomość ułatwia studia magisterskie DM: MAD, ASD, SAD, NAI, wszelkie przedmioty związane z programowaniem.

    Specjalizacje inżynierskie, dla których DM stanowi korzystne rozszerzenie na poziomie magisterskim: odkrywanie wiedzy, bazy danych, systemy wieloagentowe, multimedia.

    Osoby odpowiedzialne: dr Jakub Wróblewski,  dr Dominik Ślęzak, współpracują pracownicy Katedry Sztucznej Inteligencji


    Program

    Automaty i gramatyki
    Zarządzanie projektami informatycznymi
    Proseminarium
    Fizyka
    Wykład blokowy
    Lektorat
    Przedmiot ogólny
    Przetwarzanie sygnałów i obrazów cufrowych
    Komputerowy skład tekstu
    Przetwarzanie informacji w Internecie
    Wykład blokowy
    Seminarium
    Lektorat
    Zaawansowana analiza danych
    Inteligentne systemy obliczeniowe
    Informatyka (IT) jako biznes
    Wykład blokowy
    Seminarium
    Lektorat
    Złożenie pracy magisterskiej




Inne informacje związane z informatyka i komputery

Używamy ciasteczek własnych oraz ciasteczek stron trzecich w celu doskonalenia naszych usług.
Kontynuując przeglądanie strony, automatycznie wyrażasz zgodę na wykorzystanie ciasteczek.
Zobacz więcej  |