Uczenie maszynowe w analityce danych

O STUDIACH 

Studia podyplomowe „Uczenie maszynowe w analityce danych” odpowiadają na rosnące zapotrzebowanie rynku na specjalistów potrafiących projektować, wdrażać i rozwijać rozwiązania oparte na sztucznej inteligencji oraz analizie danych. Program łączy zagadnienia z zakresu statystyki, eksploracji danych, baz danych, programowania oraz nowoczesnych metod uczenia maszynowego i głębokiego. Uczestnicy zdobywają kompetencje pozwalające na analizę dużych zbiorów danych, budowę modeli predykcyjnych oraz wykorzystanie algorytmów AI w praktycznych zastosowaniach biznesowych i technologicznych. Studia mają charakter praktyczny – znaczną część programu stanowią zajęcia laboratoryjne oraz projektowe realizowane z wykorzystaniem języków R i Python oraz nowoczesnych narzędzi analitycznych.

DO KOGO SKIEROWANE SĄ STUDIA 

Studia skierowane są do: 

• osób posiadających podstawową wiedzę z zakresu informatyki lub analityki danych, 
• specjalistów pracujących w obszarze Data Science, 
• programistów chcących rozwijać kompetencje związane ze sztuczną inteligencją, 
• analityków danych zainteresowanych zaawansowanymi metodami uczenia maszynowego, 
• osób planujących rozwój zawodowy w obszarze AI i Big Data, 
• kandydatów chcących zdobyć praktyczne umiejętności pracy z dużymi zbiorami danych.

WYMAGANIA OGÓLNE 

Studia podyplomowe „Uczenie Maszynowe w Analityce Danych” są kierunkiem zaawansowanym, przeznaczonym dla osób posiadających już podstawową wiedzę i doświadczenie w obszarze analizy danych, programowania lub zastosowań metod ilościowych. Program został przygotowany z myślą o specjalistach chcących rozwijać kompetencje związane z uczeniem maszynowym, modelowaniem danych oraz wykorzystaniem nowoczesnych metod sztucznej inteligencji w praktyce biznesowej i badawczej. 

Od kandydatów oczekuje się znajomości podstaw programowania (preferowany język Python), swobody w pracy z danymi oraz rozumienia podstawowych zagadnień z zakresu statystyki i algebry liniowej. Mile widziane jest również doświadczenie w pracy z narzędziami analitycznymi, bazami danych lub projektami związanymi z analizą danych. 

Wymagane na starcie: 

• znajomość podstaw języka python lub R 
• doświadczenie w pracy z danymi 
• umiejętność analitycznego myślenia 
• umiejętność systematycznej pracy 

Nie jest wymagane: 

• doświadczenie/wiedza z zakresu uczenia maszynowego 

ATUTY KIERUNKU

Program studiów łączy wiedzę teoretyczną z intensywną praktyką projektową. 

Najważniejsze atuty kierunku: 

• duży udział zajęć laboratoryjnych i projektowych, 
• wykorzystanie języków R i Python w praktycznych zastosowaniach analitycznych, 
• szeroki zakres tematyczny obejmujący AI, deep learning, NLP i Big Data, 
• realizacja zajęć w formule zdalnej umożliwiającej elastyczne uczestnictwo. 

Kierunek został zaprojektowany z myślą o osobach, które chcą rozwinąć praktyczne kompetencje z zakresu uczenia maszynowego i analityki danych w oparciu o rzeczywiste zastosowania technologii AI. Program łączy solidne podstawy matematyczne i statystyczne z nowoczesnymi metodami wykorzystywanymi w projektach Data Science i Big Data. 

dr Małgorzata Zajęcka - kierownik kierunku

PROGRAM STUDIÓW

Moduł I - Podstawy analityki danych i programowania 

• Wstęp do zaawansowanej analizy danych i Data Science 
• Języki programowania w Data Science (R) 
• Języki programowania w Data Science (Python) 
• Statystyka 
• Rachunek macierzowy 
   

Moduł II - Eksploracja danych i systemy bazodanowe 

• Eksploracja danych 
• Bazy danych 
• Analiza dużych zbiorów danych 
   

Moduł III - Uczenie maszynowe i sztuczna inteligencja 

• Uczenie maszynowe 
• Sieci neuronowe i deep learning 
• Duże modele językowe (LLM) w analizie danych tekstowych

Moduł IV - Analiza danych w praktyce 

• Wizualizacja danych w uczeniu maszynowym 
• Praktyczne zastosowania analizy danych 
• Hackathon 

ORGANIZACJA STUDIÓW

• Czas trwania studiów - 2 semestry 
• Łączna liczba godzin - 208 godzin 
• Forma realizacji zajęć - online; platforma zdalna AGH 
• Tryb zajęć - weekendowy

WARUNKI UKOŃCZENIA STUDIÓW

• zaliczenie wszystkich modułów przewidzianych programem studiów, 
• uzyskanie pozytywnych ocen ze wszystkich przedmiotów, 
• spełnienie wymogów określonych w Regulaminie Studiów Podyplomowych AGH. 

KADRA 

• dr Małgorzata Zajęcka-Bebel - kierownik kierunku. Adiunkt badawczo-dydaktyczny na Wydziale Informatyki AGH. Specjalizuje się w zagadnieniach związanych z analizą danych, sztuczną inteligencją oraz metodami optymalizacji. W swojej działalności dydaktycznej koncentruje się na praktycznym wykorzystaniu narzędzi analitycznych i nowoczesnych technologii. 

• prof. dr hab. Aleksander Mendyk - Prof. dr hab. Aleksander Mendyk jest ekspertem w zakresie zastosowań metod sztucznej inteligencji i analityki danych w szeroko rozumianych naukach farmaceutycznych i medycznych. W swojej działalności koncentruje się na praktycznym wykorzystaniu analizy danych, modelowania matematycznego oraz narzędzi informatycznych wspierających procesy decyzyjne i optymalizacyjne.  Autor i współautor ponad 100 publikacji naukowych. Farmaceuta i programista zarówno w aplikacjach Open Source, jak i komercyjnych (R, Python, Java). 

• prof. dr hab. inż. Rafał Scherer - Profesor na Wydziale Informatyki AGH. Specjalizuje się w obszarze sztucznej inteligencji, uczenia maszynowego, systemów wizyjnych oraz analizy i przetwarzania danych. W swojej działalności naukowej zajmuje się m.in. metodami eksploracji danych, rozpoznawaniem obrazów oraz projektowaniem systemów inteligentnych znajdujących zastosowanie w problemach inżynierskich i przemysłowych. W dydaktyce koncentruje się na zagadnieniach związanych z uczeniem maszynowym, analizą danych oraz systemami inteligentnymi, ze szczególnym naciskiem na praktyczne zastosowania metod sztucznej inteligencji. 

• Magdalena Król - Adiunkt na Wydziale Informatyki AGH. W działalności naukowej i dydaktycznej koncentruje się na zagadnieniach związanych z modelowaniem danych, algorytmami uczenia oraz wykorzystaniem narzędzi analitycznych w rozwiązywaniu problemów inżynierskich i biznesowych. Bierze udział w licznych projektach badawczych dotyczących zastosowań AI i data science. 

• dr hab. Piotr Duda - Specjalista w zakresie uczenia maszynowego, analizy danych oraz systemów inteligentnych. W swojej pracy zawodowej zajmuje się m.in. projektowaniem i implementacją modeli uczenia maszynowego oraz ich zastosowaniami w analizie danych i systemach wspomagania decyzji. Łączy działalność badawczą z dydaktyką, kładąc nacisk na praktyczne aspekty pracy z danymi i algorytmami AI. 

• dr hab. inż. Marcin Kurdziel - Profesor Uczelni na Wydziale Informatyki AGH, związany z obszarem uczenia maszynowego, sieci neuronowych oraz metod sztucznej inteligencji. Jego zainteresowania badawcze obejmują m.in. metody analizy reprezentacje neuronowych, algorytmy trenowania i regularyzacji sieci neuronowych oraz zastosowania AI w problemach praktycznych. W pracy dydaktycznej koncentruje się na przekazywaniu wiedzy z zakresu algorytmiki, uczenia głębokiego i statystycznej analizy danych.

JAK SIĘ ZAPISAĆ? 
 
Rekrutacja na studia rozpocznie się 9 czerwca 2026 r. o godzinie 12.00. 

1. Aby zapisać się na studia musisz posiadać konto w naszym systemie. Żeby je założyć  →kliknij tutaj.  Jeśli już posiadasz konto możesz pominąć ten krok. 

2. Po utworzeniu konta  → Zapisz się na studia - wypełnij elektroniczny formularz rekrutacyjny (po starcie rekrutacji, na górze strony wybranego kierunku pojawi się klawisz do zapisu).
    
   Dołącz pliki: 
   - skan dyplomu ukończenia studiów wyższych* 
   - potwierdzenia wniesienia opłaty wpisowej 

3. Poczekaj na potwierdzenie kwalifikacji i uruchomienia studiów. 

4. Po otrzymaniu e-maila dokonaj wpłaty za studia we wskazanym terminie. 

5. Prześlij lub dostarcz nam oryginały dokumentów przed uruchomieniem studiów. 

6. Przyjdź na pierwsze zajęcia!  
    

     *Dyplom ukończenia studiów za granicą należy przedłożyć wraz z legalizacją konsularną albo klauzulą apostille oraz tłumaczeniem przysięgłym. 

OPŁATY 

Cena studiów przy opłacie jednorazowej: 9 300 zł 

Cena studiów przy opłatach semestralnych: 

- I semestr – 6000 zł 
- II semestr – 3 600 zł  

Opłata wpisowa (odliczana od ceny czesnego): 100 zł** 

**Dane do przelewu 

Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Informatyki 
al. Mickiewicza 30, 30-059 Kraków  
Nr konta: 55 1240 2294 11110010 9554 7623  
Bank Pekao S.A. Kraków  
Z dopiskiem: wpisowe UMwAD, PD-240000-00023-P01, imię i nazwisko 

FAQ - NAJCZĘŚCIEJ ZADAWANE PYTANIA

Czy studia są przeznaczone dla osób początkujących? 

Nie. Jest to kierunek zaawansowany, wymagający podstawowej znajomości programowania, statystyki oraz pracy z danymi. Studia zakładają, że uczestnicy posiadają już doświadczenie w obszarze analizy danych lub IT. 

Czy muszę mieć doświadczenie w uczeniu maszynowym przed rozpoczęciem studiów? 

Nie jest to konieczne, jednak mile widziane jest podstawowe obycie z tematyką analizy danych i narzędziami programistycznymi. Program zaczyna się od uporządkowania podstaw, ale szybko przechodzi do zagadnień zaawansowanych. 

Jakie umiejętności zdobędę po ukończeniu studiów? 

Uczestnicy nauczą się budowy, trenowania i oceny modeli uczenia maszynowego, pracy z rzeczywistymi zbiorami danych oraz stosowania metod sztucznej inteligencji w rozwiązywaniu problemów biznesowych i analitycznych. 

Czy program obejmuje praktyczne projekty? 

Tak. Duży nacisk położony jest na zajęcia praktyczne, pracę projektową oraz analizę rzeczywistych przypadków użycia uczenia maszynowego w biznesie. 

Czy po ukończeniu studiów będę gotowy(-a) do pracy jako inżynier uczenia maszynowego (ML Engineer)? 

Studia rozwijają zaawansowane kompetencje w obszarze uczenia maszynowego, jednak same w sobie nie czynią absolwenta w pełni przygotowanym do pracy na stanowisku ML Engineer. Są raczej etapem pogłębiającym wiedzę i umiejętności — dobrą bazą do dalszego rozwoju zawodowego w kierunku Data Science, Machine Learning czy AI.

------------------------------------

Zapoznaj się z Regulaminem studiów podyplomowych Akademii Górniczo-Hutniczej