Zakres tematyczny przygotowuje s艂uchaczy do samodzielnego wykonywania analiz i raport贸w z wykorzystaniem nowoczesnych narz臋dzi informatycznych: STATISTICA (StatSoft), GNU R, ORACLE Database, AmiBroker. S艂uchacze uzyskuj膮 r贸wnie偶 wiedz臋 dotycz膮c膮 zarz膮dzania informacj膮 i strategicznego wykorzystania analiz danych. Wyk艂adowcami s膮 osoby z du偶ym do艣wiadczeniem akademickim oraz do艣wiadczeniem zawodowym w biznesie i instytucjach publicznych. Absolwenci studi贸w podyplomowych Analiza Danych i Data Mining b臋d膮 przygotowani do podj臋cia pracy w firmach 艣wiadcz膮cych us艂ugi analityczno-doradcze, w instytucjach finansowych, administracji pa艅stwowej, a tak偶e w firmach z bran偶y IT.
CZAS TRWANIA: 2 semestry, 231 godzin
ILO艢膯 MIEJSC: 24
KOSZTY UCZESTNICTWA: 5.500 z艂 (za ca艂e studia - dwa semestry, 231 godzin).
Dokumenty wymagane od kandydat贸w na studia podyplomowe:
Informacja o przetwarzaniu danych osobowych dla os贸b uczestnicz膮cych w rekrutacji na studia podyplomowe oraz dla s艂uchaczy studi贸w podyplomowych:
Rekrutacja na rok akademicki 2025/2026 rozpocznie si臋 1 czerwca 2025 r. Dokumenty mo偶na sk艂ada膰 osobi艣cie na Wydziale Matematyki i Informatyki U艁 b膮d藕 przesy艂a膰 skany wype艂nionych i podpisanych dokument贸w drog膮 mailow膮 (orygina艂y dokument贸w oka偶膮 Pa艅stwo w p贸藕niejszym czasie). Prosz臋 przesy艂a膰 dokumenty na podany poni偶ej adres mailowy.
Rekrutacja na studia podyplomowe Analiza Danych i Data Mining odbywa si臋 bez egzamin贸w i rozm贸w kwalifikacyjnych. Warunkiem przyj臋cia na studia jest posiadanie dyplomu uko艅czenia studi贸w wy偶szych (tytu艂 licencjata, in偶yniera lub magistra). Kandydaci na studia podyplomowe Analiza Danych i Data Mining b臋d膮 przyjmowani na podstawie kolejno艣ci z艂o偶onych dokument贸w. W przypadku wi臋kszej liczby kandydat贸w ni偶 miejsc przyj臋cia utworzona zostanie lista rezerwowa kandydat贸w. Wymagane dokumenty:
Zaj臋cia w roku akademickim 2025/2026 prowadzone b臋d膮 w formie stacjonarnej.
Email: analizadanych@wmii.uni.lodz.pl
Wydzia艂 Matematyki i Informatyki, Uniwersytet 艁贸dzki
ul. Banacha 22,
90-238 艁贸d藕
pok贸j B201 (p. mgr Joanna Chmielewska)
Godziny: 8.00 鈥� 15.00 (poniedzia艂ek-pi膮tek)
Adres: ul. Banacha 22, 艁贸d藕 90-238
Telefon: 042 6355907
Fax: 042 6354266
WWW:
Plan studi贸w podyplomowych Analiza Danych i Data Mining (pobierz).
1. Analiza statystyczna danych
2. Data mining (Eksploracja danych)
3. Metody statystyczne
4. Bazy danych i j臋zyk SQL
5. Analiza portfelowa
6. Audytorskie metody analizy danych
7. Analiza techniczna i fundamentalna
8. Metody statystyczne w badaniach spo艂ecznych i gospodarczych
9. Arkusze kalkulacyjne i VBA
Gruntowne wykszta艂cenie i do艣wiadczenie zawodowe zdobyte przez Prof. dr hab. Tomasza Pop艂awskiego w Polsce zosta艂y wzbogacone w czasie kr贸tkoterminowego sta偶u naukowego w Temple University w Filadelfii (USA). Dokonania naukowe Dr hab. Tomasza Pop艂awskiego zosta艂y docenione w postaci przyznanych presti偶owych nagr贸d i wyr贸偶nie艅. Jest On laureatem stypendium 鈥�UICC Yamagiwa-Yoshida Memorial International Cancer Study Grants鈥� przyznanym przez International Union Against Cancer (2006) i 2 nagr贸d zespo艂owych JM Rektora Uniwersytetu 艁贸dzkiego za cykl publikacji (2006 i 2009). Ca艂kowity dorobek naukowy Dr hab. Tomasza Pop艂awskiego obejmuje 19 zespo艂owych prac do艣wiadczalnych. Dorobek ten wzbogacaj膮: 6 artyku艂贸w przegl膮dowych, oraz 31 komunikat贸w na mi臋dzynarodowych i krajowych konferencjach naukowych.
Profesor nadzwyczajny w Katedrze Algorytm贸w i Baz Danych na Wydziale Matematyki i Informatyki Uniwersytetu 艁贸dzkiego. Specjalizuje si臋 w optymalizacji i badaniach operacyjnych. Autor licznych publikacji z zakresu optymalizacji. Publikuje w najwa偶niejszych czasopismach mi臋dzynarodowych z listy Journal Citation Reports (tzw. Lista Filadelfijska). Laureat trzech nagr贸d I stopnia Rektora U艁. Zaj臋cia z baz danych prowadzi na Uniwersytecie 艁贸dzkim ju偶 ponad 10 lat, a szczeg贸lne zainteresowania w tym obszarze dotycz膮 modelowania danych. Znajomo艣膰 dialekt贸w j臋zyka SQL firm Oracle i Microsoft oraz j臋zyka PL/SQL firmy Oracle. Prywatnie mi艂o艣nik historii i sportu oraz fan zespo艂u Dire Straits.
Adiunkt w Katedrze Teorii Prawdopodobie艅stwa i Statystyki Uniwersytetu 艁贸dzkiego. Specjalizuje si臋 w zakresie rachunku prawdopodobie艅stwa i jego zastosowa艅. Posiada do艣wiadczenie w nauczaniu statystyki oraz w jej wykorzystywaniu w praktyce.
Starszy wyk艂adowca w Katedrze Algorytm贸w i Baz Danych Uniwersytetu 艁贸dzkiego. Tematyka pracy doktorskiej 鈥� teoria prawdopodobie艅stwa, twierdzenia graniczne. Promotor prof. Ryszard Jajte 鈥� jeden z najbardziej rozpoznawalnych w 艣wiecie wsp贸艂czesnych matematyk贸w 艂贸dzkich. Zdoby艂 tak偶e dyplom IC2 Institute at The University of Texas at Austin po uko艅czeniu studi贸w podyplomowych w zakresie komercjalizacji nauki i technologii.Uko艅czy艂 podyplomowe studium w zakresie in偶ynierskich zastosowa艅 informatyki, organizowane przez Politechnik臋 艁贸dzk膮. Uko艅czy艂 Podyplomowe Studium J臋zyka Niemieckiego na U艁, a tak偶e kursy j臋zyka angielskiego na poziomie CAE oraz BEC-higher (Business English Certificate). Pe艂ni艂 wiele funkcji organizacyjnych m.in. Pe艂nomocnika Dziekana Kolegium Informatycznego WM U艁 w Skierniewicach, Wydzia艂owego Pe艂nomocnika Rektora ds. Promocji Wydzia艂u. By艂 pomys艂odawc膮 utworzenia na Wydziale 鈥瀉nalizy finansowej鈥� - nowej specjalno艣ci na kierunku matematyka. Prowadzi艂 zaj臋cia z wielu przedmiot贸w zwi膮zanych z finansami: analizy portfelowej, analizy technicznej, instrument贸w finansowych, instrument贸w pochodnych i element贸w in偶ynierii finansowej, ryzyka inwestycji finansowych.
Starszy wyk艂adowca w Katedrze R贸wna艅 R贸偶niczkowych i Informatyki. Rozprawa doktorska z dziedziny teorii sterowania optymalnego i r贸wna艅 r贸偶niczkowych. Zainteresowania naukowe obejmuj膮: teori臋 graf贸w i sieci z艂o偶onych, teori臋 punkt贸w siod艂owych i twierdzenia minimaksowe, twierdzenia o homeomorfi藕mie. Studia uko艅czy艂a na specjalno艣ci metody numeryczne i programowanie. Od pocz膮tku kariery zawodowej prowadzi艂a wiele zaj臋膰 zwi膮zanych z programowaniem w C++, Javie i C#, teori膮 graf贸w i sieci, eksploracj膮 danych oraz z informatyka wykorzystywan膮 w logistyce. Obserwuje rynek IT bior膮c udzia艂 w konferencjach, szkoleniach (m. in. firmy Microsoft). Posiada uko艅czony kurs tworzenia kurs贸w e-learningu.
Adiunkt w Katedrze Geometrii Algebraicznej i Informatyki Teoretycznej. Jej zainteresowania naukowe skupiaj膮 si臋 wok贸艂 teorii osobliwo艣ci.
Adiunkt na Wydziale Matematyki i Informatyki Uniwersytetu 艁贸dzkiego i lider zespo艂u Modelowania Matematycznego i Metod Obliczeniowych w Centrum Analiz, Modelowania i Nauk Obliczeniowych Uniwersytetu 艁贸dzkiego. Stopie艅 doktora informatyki uzyska艂 w Instytucie Informatyki Politechniki 艢l膮skiej. Prowadzi badania naukowe i wyk艂ady w zakresie informatyki, a tak偶e analizy danych. Wsp贸艂autor publikacji dotycz膮cych informatyki teoretycznej i stosowanej. Jego prace ukaza艂y si臋 w czasopismach mi臋dzynarodowych m.in. w Applied Sciences, Theoretical Computer Science, Fundamenta Informaticae. Cz艂onek Polskiego Towarzystwa Bioinformatycznego.
Aktualnie zatrudniony w Polskiej Agencji Rozwoju Przedsi臋biorczo艣ci oraz Bibliotece Narodowej. Certyfikowany audytor sektora publicznego. Do艣wiadczenie zawodowe zdobywa艂 realizuj膮c czynno艣ci audytowe i kontrolne w jednostkach sektora publicznego (szczebel rz膮dowy i samorz膮dowy) oraz sektora prywatnego. Posiada certyfikaty potwierdzaj膮ce kwalifikacje audytorskie 鈥� certyfikat wydany przez Ministra Finans贸w RP, certyfikat CGAP (Certified Government Auditing Professional) wydany przez IIA oraz certyfikat audytora systemu zarz膮dzania jako艣ci膮. Dysponuje potwierdzonymi kwalifikacjami w zakresie zaawansowanych technik analizy danych ACDA (ACL Certified Data Analyst) oraz zarz膮dzania projektami wed艂ug metodyki PRINCE2. Wykonuje audyty wykorzystuj膮ce zaawansowane techniki analizy danych. Przeprowadzi艂 audyty jako艣ci r贸偶nych system贸w informatycznych oraz dzia艂ania doradcze, obejmuj膮ce m.in. ocen臋 poprawno艣ci danych, weryfikacje dzia艂ania kluczowych mechanizm贸w kontrolnych, analiz臋 log贸w, ocen臋 efektywno艣ci proces贸w. Cz艂onek Stowarzyszenia Audytor贸w Wewn臋trznych IIA Polska.
Z wykszta艂cenia ekonometryk. Kieruje O艣rodkiem Statystyki Matematycznej Urz臋du Statystycznego w 艁odzi. Wsp贸艂pracuje z G艂贸wnym Urz臋dem Statystycznym w zakresie tworzenia metodologii bada艅 statystycznych, statystyki publicznej oraz stosowania z艂o偶onych technik statystycznych w opracowaniu i analizie danych pochodz膮cych z tych bada艅.