Politechnika Warszawska (PW)
Kierunek studiów 2026/2027
Inżynieria i Analiza Danych (Data Science)
- Warszawa
- angielski
Wybierz tryb studiów
II stopniamagisterskie
Poziom studiówStudia II stopnia
Czas trwania—
Tryb studiówStacjonarne
Tytuł zawodowyMagister
Język wykładowyangielski
OpłatyBezpłatne
Limit miejsc—
MiastoWarszawa
Inżynieria i Analiza Danych (Data Science) — poznaj kierunek bliżej
O kierunku
Studia na kierunku Inżynieria i Analiza Danych łączą wiedzę kierunkową z rozumieniem zagadnień związanych z jej zastosowaniem. Kształcenie obejmuje informatykę i analizę systemów, a zagadnienia programu pozwalają poznawać zależności między teorią i praktyką. W toku nauki rozwijasz myślenie analityczne, porządkujesz informacje i uczysz się dobierać metody rozwiązywania problemów. Zdobyta wiedza pomaga rozumieć zadania pojawiające się w pracy w danej dziedzinie. Przygotowujesz się do samodzielnej analizy i dalszego poszerzania kompetencji zawodowych.
Dla kogo?
- Dla osób zainteresowanych obszarem: Inżynieria i Analiza Danych.
- Dla osób chcących poznawać informatykę i analizę systemów.
- Dla osób lubiących analizować problemy i szukać rozwiązań.
Politechnika Warszawska (PW) (Warszawa) – Czego się nauczysz?
- Algorytmy i struktury danych
- Programowanie obiektowe
- Bazy danych
- Sieci komputerowe
Program studiów
II stopnia magisterskie · Stacjonarne
1STATYSTYKA KOMPUTEROWA / COMPUTER STATISTICS
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
2PODSTAWY ELEKTRONIKI / ELECTRONIC PRINCIPLES
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
3TRANSMISJA DANYCH / DATA TRANSMISSION
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
4PODSTAWY SYSTEMU UNIX / UNIX FUNDAMENTALS
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
5PROJEKT ZESPOŁOWY / GROUP PROJECT
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
6WPROWADZENIE DO UCZENIA MASZYNOWEGO/INTRODUCTION TO MACHINE LEARNING
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
7METODY OPTYMALIZACJI W ANALIZIE DANYCH / OPTIMISATION IN DATA ANALYSIS
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
8ZAAWANSOWANE METODY UCZENIA MASZYNOWEGO / ADVANCED MACHINE LEARNING
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
9METODY GŁĘBOKIEGO UCZENIA /DEEP LEARNING
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
10TECHNOLOGIE CHMUROWE / CLOUD COMPUTING
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
11EKSPLORACJA I WIZUALIZACJA DANYCH / DATA EXPLORATION AND VISUALISATION
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
12BAZY DANYCH / DATABASES
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
13METODY I SYSTEMY ANALIZY BIG DATA / BIG DATA ANALYTICS
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
14SIECI SPOŁECZNOŚCIOWE I SYSTEMY REKOMENDACYJNE / SOCIAL NETWORKS AND RECOMMENDATION SYSTEM
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
15WARSZTATY BADAWCZE / DATA SCIENCE WORKSHOP
- Metody analizy danych.
- Modelowanie i interpretacja wyników.
- Zastosowania narzędzi obliczeniowych.
Perspektywy zawodowe
Po ukończeniu studiów
Wiedza zdobyta podczas studiów może być wykorzystywana w firmach informatycznych i zespołach rozwijających systemy cyfrowe. Absolwenci mogą uczestniczyć w analizie problemów, przygotowywaniu rozwiązań i ocenie efektów podejmowanych działań. Rozwój w kierunku zadań specjalistycznych wymaga dalszego zdobywania doświadczenia, a poszerzanie kompetencji pozwala podejmować bardziej złożone zadania.
Przykładowe stanowiska
- Programista
- Analityk systemowy
- Projektant systemów informatycznych
- Specjalista do spraw danych
Zasady rekrutacji – Inżynieria i Analiza Danych (Data Science) (Politechnika Warszawska (PW))
Zasady rekrutacji
Kwalifikacja obejmuje analizę dokumentów i egzamin.
Terminy rekrutacji 2026/2027
- 03.08.2026Rozpoczęcie rejestracji — nabór letni
- 07.09.2026Koniec rejestracji — nabór letni
- do 18.09.2026Ogłoszenie wyników — nabór letni
- 11.01.2027Rozpoczęcie rejestracji — nabór zimowy
- 08.02.2027Koniec rejestracji — nabór zimowy
- do 19.02.2027Ogłoszenie wyników — nabór zimowy