Rekrutacja na semestr zimowy i rok akademicki 2026/2027

zmień rekrutację anuluj wybór

Oferta prezentowana na tej stronie ograniczona jest do wybranej rekrutacji. Jeśli chcesz zobaczyć resztę oferty, wybierz inną rekrutację.

(USZ) Data Science, stacjonarne studia II stopnia

Szczegóły
Kod USZ_S2_DSC
Jednostka organizacyjna Uniwersytet Szczeciński
Kierunek studiów Data Science
Forma studiów stacjonarne
Poziom kształcenia drugiego stopnia
Języki wykładowe polski
Limit miejsc 1
Adres WWW https://teo.usz.edu.pl
  Zadaj pytanie
Tura 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.