Studia są prowadzone w języku polskim [The courses are conducted in Polish]

Oferta studiów podyplomowych Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego „Data Science w zastosowaniach biznesowych – praktyczne warsztaty” jest odpowiedzią na rosnące zapotrzebowanie na rynku na interdyscyplinarnych analityków danych – tzw. data scientists. Głównym celem projektu jest podniesienie kompetencji osób zajmujących się szeroko rozumianą pracą z danymi w odniesieniu do analityki biznesowej oraz nowej dynamicznie rozwijającej się dziedziny – Data Science.

Po pełną informację o studiach zapraszamy na stronę internetową Wydziału Nauk Ekonomicznych:

https://www.wne.uw.edu.pl/kandydat/studia-podyplomowe/podyplomowe_datascience

Kandydaci

Oferta studiów skierowana jest do pracowników zespołów i instytucji analitycznych, statystycznych, finansowych, również do pracowników instytucji administracji publicznej oraz środowisk biznesowych, dla których niezbędna jest wiedza o przetwarzaniu danych oraz budowaniu i walidacji modeli predykcyjnych z wykorzystaniem nowoczesnych narzędzi analitycznych (uczenie maszynowe, analiza języka naturalnego).

Studia są kierowane do osób pracujących na co dzień z danymi. Wcześniejsza znajomość języków programowania Python i R nie jest wymagana. 

Program studiów przygotowuje słuchaczy do nowoczesnej pracy analitycznej na przykładach realnych problemów biznesowych. Wszystkie zajęcia mają charakter praktyczny – prowadzone są w pracowni komputerowej z wykorzystaniem języka programowania Python. W przypadku odpowiednio dużej liczby zgłoszeń możliwe jest uruchomienie zajęć wykorzystujących język R. Program obejmuje niżej wymienione przedmioty.

Semestr I (zimowy)

1.    Wprowadzenie do Pythona / Wprowadzenie do środowiska R  – 9 godzin

2.    Wczytywanie danych z różnych źródeł – 9 godzin

3.    Zaawansowane programowanie – 18 godzin

4.    Statystyczna analiza danych – 18 godzin

5.    Wizualizacja danych – 9 godzin

6.    Przygotowanie danych do analiz – 9 godzin

7.    Regresja liniowa i logistyczna – 18 godzin

8.    Machine learning 1 – 18 godzin

9.    Indywidualne konsultacje dotyczące przygotowania pracy dyplomowej - 5 godzin

Semestr II (letni)

1.    Machine learning 2 – 18 godzin

2.    Deep Learning – 18 godzin

3.    Unsupervised Learning – 18 godzin

4.    Natural Language Processing – 18 godzin

5.    Zajęcia fakultatywne – do wyboru 4 * 9 godzin

6.    Indywidualne konsultacje dotyczące przygotowania pracy dyplomowej - 5 godzin

* Fakultety do wyboru:

• Analiza danych przestrzennych
• Efektywne wykorzystywanie ChatuGPT
• Modelowanie tematów i analiza sentymentu 
• Raporty i prezentacje w Quarto/Markdown
• Tworzenie aplikacji webowych
• Web scrapping
• Wprowadzenie do dużych modeli językowych
• Wprowadzenie do reinforcement learning
• Wprowadzenie do systemów agentowych
• Wprowadzenie do szeregów czasowych
• Explainable Artificial Inteligence (Wytłumaczalna sztuczna inteligencja)

Wśród wykładowców są:

• dr hab. Piotr Wójcik, prof. ucz. – kierownik studiów
• dr mult. hab. Jacek Lewkowicz
• dr Wiktor Budziński
• dr Maria Kubara
• dr Maciej Świtała
• dr Ewa Weychert
• mgr Jakub Bandurski
• mgr Jan Frąckowiak
• mgr Michał Künstler

Studia zaoczne, 10 zjazdów weekendowych (sobota i niedziela), standardowo co 2-3 tygodnie (dwie grupy – naprzemiennie) + 4 jednodniowe zajęcia fakultatywne w weekendy (sobota lub niedziela).

Zaliczenia

Warunkiem ukończenia studiów podyplomowych jest jednoczesne spełnienie następujących kryteriów:

• zaliczenie testów cząstkowych do wszystkich kursów (minimum 50% poprawnych odpowiedzi w każdym z nich),
• przygotowanie pod kierunkiem osoby posiadającej co najmniej stopnień doktora w ramach konsultacji indywidualnych w drugim semestrze studiów i złożenie w terminie pracy dyplomowej oraz uzyskanie dwóch pozytywnych recenzji.

Wiedza

Absolwent studiów:

• ma zaawansowany stopień znajomości środowiska programistycznego Python lub R, w tym zna zasady budowania skomplikowanych algorytmów i optymalizacji (profilowania) kodu;
• ma zaawansowany stopień znajomości działania algorytmów wykorzystywanych w uczeniu maszynowym (ang. machine learning), uczeniu głębokim (ang. deep learning) czy przetwarzaniu języka naturalnego (ang. natural language processing);
• ma zaawansowany stopień znajomości teorii statystycznej i matematycznej potrzebnej do prawidłowego wnioskowania statystycznego w metodach ilościowych;
• zna terminologię używaną w Data Science oraz jej zastosowanie w dyscyplinach pokrewnych na poziomie rozszerzonym;
• zna zasady i techniki poprawnej i efektywnej wizualizacji danych;
• rozumie korzyści z zastosowania metod statystycznych w aplikacjach biznesowych;
• zna nowoczesne metody przetwarzania i analizowania danych;
• zna specyfikę gromadzenia i wykorzystania danych i algorytmów statystycznych z poszanowaniem praw autorskich, własności przemysłowej i ochrony danych osobowych;
• zna problemy, procesy, trendy i wyzwania we współczesnej analityce biznesowej;
• zna publikacje, czasopisma i inne źródła wiedzy o zastosowaniu Data Science w biznesie.

Umiejętności

Absolwent studiów potrafi:

• identyfikować i formułować na bazie obserwowanych zjawisk problemy badawcze możliwe do weryfikacji na podstawie dostępnych danych ilościowych;
• dobrać i zastosować do rozwiązania danego problemu badawczego odpowiednie narzędzie statystyczne;
• poprawnie wykorzystywać algorytmy uczenia maszynowego, uczenia głębokiego, przetwarzanie języka naturalnego oraz modelowania ekonometrycznego;
• budować zaawansowane kody i procedury w języku Python lub R do analizy danych automatyzujące pracę;
• opracowywać i komunikować wyniki swoich analiz statystycznych, a także potrafi opracowywać raporty i prezentacje prowadzonych prac badawczych, także w języku angielskim;
• współdziałać i pracować w grupach i projektach analitycznych, przyjmując w nich różne role;
• planować pracę analityczną, odpowiednio określić priorytety służące realizacji określonego przez siebie lub innych zadania;
• pracować samodzielnie oraz zespołowo w instytucjach wykorzystujących metody analizy i przetwarzania danych;
• łączyć wiedzę teoretyczną z kompleksowym podejściem do danych – od pozyskania, przetwarzania, analizowania z użyciem metod wnioskowania statystycznego, ekonometrii, wizualizacji, po raportowanie i prezentację danych;
• zdefiniować i poszerzać wiedzę i umiejętności w obszarze Data Science, a także potrafi ukierunkowywać i planować rozwój innych osób w zakresie Data Science.

Kompetencje społeczne

Absolwent studiów:

• na podstawie przedstawionych interpretacji uzyskanych wyników potrafi być krytyczny w stosunku do przedstawionych modeli, prawidłowo identyfikuje i rozstrzyga dylematy wykorzystaniem tych metod w prowadzeniu własnej firmy lub pracy zawodowej;
• potrafi dokonać merytorycznej oceny i weryfikacji poprawności stosowanych metod w aplikacjach biznesowych w środowisku Python lub R;
• jest przygotowany do podjęcia pracy w charakterze wysoko wykwalifikowanego analityka w różnych branżach (m.in. finanse, bankowość, ubezpieczenia, badania rynkowe, energetyka, sektor publiczny);
• jest gotów do inicjowania projektów analitycznych wspomagających działania na rzecz interesu publicznego, a także działalność przedsiębiorczą;
• jest gotów do profesjonalnego i odpowiedzialnego wypełniania obowiązków analityka danych (ang. data scientist);
• jest gotów do przestrzegania i rozwijania zasad etyki zawodowej (rzetelności badawczej) i popierania działania na rzecz przestrzegania; wysokich standardów badań statystycznych z poszanowaniem zasad prawnych, m. in. praw własności intelektualnej, ochrony danych osobowych i tajemnicy statystycznej.

Rekrutacja

1. W ramach danej tury rekrutacji kandydat dokonuje kompletnego zgłoszenia, tj.:

• w terminie rejestracji w IRK (zgodnie z harmonogramem, o którym mowa w § 2) dokonuje prawidłowej rejestracji w systemie IRK, tj. zapisuje się na studia SP-PRK-DS w edycji 2026/2027 za pomocą konta zawierającego kompletne dane wymagane przez system (w tym prawidłowo wprowadzone zdjęcie do identyfikacji wizualnej) oraz adres e-mail i numer telefonu,
• w terminie składania dokumentów (zgodnie z harmonogramem, o którym mowa w § 2) - składa w dziekanacie studiów podyplomowych lub przesyła kurierem lub listem poleconym kompletny i prawidłowo uzupełniony zestaw dokumentów, o którym mowa w ust. 2, na adres:

Wydział Nauk Ekonomicznych
Uniwersytet Warszawski
ul. Długa 44/50
00-241 Warszawa
z dopiskiem: "SP-PRK-DS - rekrutacja, pokój G"

• do jednego dnia po zakończeniu terminu rejestracji w IRK - uiszcza opłatę rekrutacyjną w kwocie 85 zł (zgodnie z postanowieniem nr 12 Rektora Uniwersytetu Warszawskiego z dnia 29 października 2021 r.).

2. Kompletny i prawidłowo uzupełniony zestaw dokumentów zawiera:

• podanie o przyjęcie na studia (wydruk z IRK),
• kserokopię dyplomu ukończenia studiów wyższych na poziomie min. 6 PRK (licencjat, inżynier, magister), potwierdzoną za zgodność z oryginałem przez pracownika dziekanatu (na wydziale) lub notariusza [jeśli dyplom zawiera miejsce na podpis posiadacza, to musi posiadać ten podpis pod rygorem nieważności], 
• lub kserokopię dyplomu równorzędnego wydanego za granicą, wraz z:
  
  • poświadczeniem dyplomu studiów wyższych w formie: legalizacji lub apostille (jeżeli dokument został wydany przez instytucję działającą w systemie edukacji państwa będącego stroną Konwencji Haskiej z dnia 5 października 1961 r.),
  • tłumaczeniem przysięgłym na język polski: dyplomu ukończenia studiów wyższych, legalizacji lub apostille - jeśli zostało sporządzone w języku obcym albo – w przypadku tłumaczenia za granicą innego niż przysięgłe – tłumaczenie zalegalizowane w polskiej placówce dyplomatycznej,
• CV wg własnego wzoru kandydata,
• dwie podpisane kopie umowy o odpłatności za studia podyplomowe (wzory zgodne z zarządzeniem Rektora dostępne są na stronie internetowej Wydziału), uzupełnionej o wymagane dane (imię i nazwisko, PESEL, dane teleadresowe, nr konta bankowego kandydata).

3. Kwalifikowani są prawidłowo zapisani kandydaci według kolejności dokonania kompletnych zgłoszeń, tj. uwzględniających wszystkie elementy wymienione w ust. 1. W przypadku wysyłki dokumentów drogą pocztową decyduje data wpływu przesyłki na Wydział Nauk Ekonomicznych.

4. W dniu ogłoszenia wyników wszyscy prawidłowo zapisani kandydaci są informowani o wyniku rekrutacji i dalszych krokach poprzez system IRK.

5. W przypadku osiągnięcia limitu przyjęć (zgodnie z § 4), każdy kolejny kandydat powyżej limitu wpisywany jest na listę rezerwową według kolejności dokonania kompletnego zapisu na studia. W przypadku rezygnacji uczestnika ze studiów przed rozpoczęciem pierwszych zajęć, na jego miejsce zostaje przyjęty pierwszy kandydat z listy rezerwowej.

6. W przypadku niewypełnienia limitu przyjęć w dniu ogłoszenia wyników dla danej tury rekrutacji, w IRK uruchamiana jest kolejna tura (zgodnie z armonogramem, o którym mowa w § 2).

Terminy

Termin rejestracji w IRK: 11.05.2026 r. - 31.08.2026 r.

Termin wniesienia opłaty rekrutacyjnej: 01.09.2026 r.

Termin dostarczenia dokumentów: 11.05.2026 r. - 07.09.2026 r.

Termin ogłoszenie wyników: 09.09.2026 r.

Opłata

Opłata za studia w roku akademickim 2026/2027 wynosi 10 000 zł.

• opłata wnoszona jednorazowo do 08.10.2026 r.
• opłata wnoszona w II ratach po 5 000 zł

I rata płatna do 08.10.2026 r.

II rata płatna do 29.01.2027 r.

Zasady odpłatności za studia oraz zwrotu odpłatności regulują „umowa o odpłatności za studia” lub „umowa o odpłatności za studia finansowane przez osobę trzecią”, stanowiące załączniki do zarządzenia nr 18 Rektora UW z dnia 5 marca 2026 r

https://monitor.uw.edu.pl/Lists/Uchway/Attachments/7704/M.2026.54.Zarz.18.pdf

 Wysokość opłat, terminy płatności oraz dodatkowe zasady związane z opłatami reguluje Zarządzenie Nr 8/2026 Prodziekana Ds. Studenckich - Kierownika Jednostki Dydaktycznej Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego z dnia 30 kwietnia 2026 r.

https://dokumenty.uw.edu.pl/dziennik/DWNE/Lists/Dziennik/Attachments/1075/DWNE.2026.29.ZKJD.8.pdf