Mathematical methods in data analysis

Mathematical Methods in Data Analysis to kierunek przybliżający matematyczne metody wykorzystywane w analizie danych. Umiejętne pozyskanie, przetworzenie i zinterpretowanie danych pozwala na uzyskanie cennych informacji. Wydobywanie informacji z danym odbywa się przy użyciu narzędzi matematycznych i statystycznych.

Dynamiczny rozwój analizy danych to z kolei podłoże dla sztucznej inteligencji oraz uczenia maszynowego.

Studenci kierunku poznają zagadnienia statystycznej analizy danych, klasyfikacji, wykorzystania metod stochastycznych w prognozowaniu. Zdobywają wiedzę niezbędną w stosowaniu eksploracji danych i podejmowaniu właściwych decyzji na podstawie zdobytych informacji.

Kierunek realizowany jest w języku angielskim.

Studia matematyczne są odpowiednie dla kandydatów o umysłach ścisłych, predyspozycjach analitycznych, otwartości na niestandardowe rozwiązania. Dobrze sprawdzą się osoby, dla których niestraszny jest świat liczb, algorytmów, modeli, wzorów.

W programie studiów znajdą się m.in.:

• Engineering Drawing
• Introduction to Logic and Discrete Mathematics
• Linear Algebra in Data Analysis
• Mathematical Analysis
• Computer Aided Design
• Probability Theory for Data Analysts
• Introduction to Numerical Analysis
• Databases and Data Warehouses
• Mathematics of Data
• Applied Statistics
• Multivariate Data Analysis

Rekrutacja odbywa się w oparciu o konkretne przedmioty maturalne.

Szczegóły należy sprawdzić w serwisie rekrutacyjnym uczelni.

Ukończenie studiów matematycznych związanych z analizą danych pozwala na podjęcie zatrudnienia przykładowo w:

• firmach informatycznych
• firmach zajmujących się usługami z zakresu analizy danych
• działach projektowych lub finansowych
• bankach i innych instytucjach finansowych (działy ryzyka)
• firmach ubezpieczeniowych
• instytuty naukowo-badawcze

Kluczowe kompetencje, jakie uzyskują absolwenci kierunku, to umiejętność posługiwania się podstawowymi metodami i algorytmami eksploracji danych, znajomość algorytmów i metod obliczeniowych istotnych w eksploracji danych, w tym algorytmicznych metod algebry liniowej, posługiwanie się systemami informatycznymi w wydobywaniu wiedzy z danych.

Ta wiedza stanowi przewagę na rynku pracy, w kontekście dynamicznego rozwoju sztucznej inteligencji oraz uczenia maszynowego.