Rekrutacja na semestr zimowy i rok akademicki 2026/2027

switch registrations cancel selection

The offer displayed on this page is limited to the selected registration. If you want to see the rest of the offer, select a different registration.

(USZ) Data Science, stacjonarne studia II stopnia

Details
Code USZ_S2_DSC
Organizational unit Uniwersytet Szczeciński
Field of studies Data Science
Form of studies Full-time
Level of education Second cycle (Master)
Language(s) of instruction Polish
Admission limit 1
WWW address https://teo.usz.edu.pl
  Ask a question
Phase 1 (15.04.2026 00:00 – 15.05.2026 23:59)

Data Science to interdyscyplinarny kierunek studiów kształcący na styku dwóch dynamicznych dziedzin ‒ technologii informatycznych, ze szczególnym uwzględnieniem sztucznej inteligencji i analizy danych, w tym zwłaszcza danych ekonomicznych.

Stały wzrost ilości danych wymaga znajomości technologii IT w zakresie ich pozyskiwania, gromadzenia i przetwarzania. Analiza procesów ekonomicznych jest możliwa dzięki wykorzystaniu metod i narzędzi matematycznych, statystycznych i ekonometrycznych. Coraz szybszy rozwój sztucznej inteligencji wymaga od biznesu wdrażania nowych rozwiązań analitycznych i wspierających procesy biznesowe.

Studia na kierunku Data Science umożliwiają zdobycie wiedzy z zakresu ekonomii, zarządzania, finansów, rachunkowości  oraz umiejętności praktycznych w obszarze projektowania i wdrażania rozwiązań informatycznych i analitycznych, stosowania technologii internetowych oraz wszechstronnej analizy danych.

Nauczysz się:

  • programować na potrzeby analizy danych,
  • projektować i prowadzić badania statystyczne i analizę danych,
  • projektować i wdrażać rozwiązania informatyczne oraz bazy danych, lokalne oraz w chmurze,
  • modelować i symulować procesy gospodarcze,
  • stosować narzędzia informatyczne we wspomaganiu decyzji,
  • analizować dane przestrzenne,
  • projektować i stosować narzędzia sztucznej inteligencji, uczenia maszynowego, obróbki dużych zbiorów danych (Big Data).
 
Przykładowe przedmioty:
  • sztuczna inteligencja w analizie danych,
  • eksploracyjna analiza danych,
  • sieci neuronowe i uczenie głębokie,
  • statystyczne metody rozpoznawania obrazów,
  • Text Mining,
  • systemy informacji przestrzennej.