Przekazanie fundamentalnej wiedzy o procesach, metodach i narzędziach wykorzystywanych w data science oraz ich roli we współczesnym przetwarzaniu i analizie danych. Wpływ konsumpcji zasobów infrastruktury, złożoności obliczeniowej oraz sposobu składowania danych w kontekście zasad zrównoważonego rozwoju.
Rozwój praktycznych umiejętności w zakresie podstawowych technik analizy danych, ich wizualizacji oraz interpretacji wyników w kontekście rzeczywistych problemów biznesowych.

Odniesienia do frameworka edukacyjnego mikrokompetencji SFIA:
Data Science DATS - poziom 2
Database Design DBDS - poziom 2
AI and Data Ethics AIDE - poziom 2

Wprowadzenie do data science i sztucznej inteligencji oraz ich roli w gospodarce cyfrowej. Podstawy teoretyczne, metodyki i standardy w analizie danych oraz pracy z modelami AI. Prawne i etyczne aspekty przetwarzania danych i wykorzystywania sztucznej inteligencji. Proces analizy danych zgodnie z metodyką CRISP-DM, obejmujący zarządzanie danymi i modelami oraz projektowanie architektury rozwiązań. Wprowadzenie do języka SQL i relacyjnych baz danych. Praktyczne aspekty pracy z narzędziami i platformami data science, analiza przypadków użycia w różnych branżach oraz podstawy prompt engineering.
Wpływ konsumpcji zasobów infrastruktury, złożoności obliczeniowej oraz sposobu składowania danych w kontekście zasad zrównoważonego rozwoju.

Wykład:
1. Wprowadzenie do data science - podstawowe pojęcia, rola we współczesnym świecie, ekosystem data science, główne obszary zastosowań, kluczowe kompetencje data scientist
2. Strategiczny wymiar AI i data science - narodowe strategie AI, koncepcja data spaces w UE, narzędzia przewagi konkurencyjnej, wpływ na rozwój gospodarczy, globalna konkurencja w obszarze AI. Wpływ konsumpcji zasobów infrastruktury w kontekście zasad zrównoważonego rozwoju
3. Aspekty prawne i etyczne AI - regulacje (AI Act, GDPR), ochrona danych osobowych, etyka w data science, odpowiedzialna AI, prywatność i bezpieczeństwo danych
4. Proces analizy danych (CRISP-DM) - zrozumienie biznesu, zrozumienie danych, przygotowanie danych, modelowanie, ewaluacja, wdrożenie, iteracyjność procesu, zarządzanie projektem data science
5. Data Science Pipeline - pozyskiwanie danych, przetwarzanie, czyszczenie, transformacja, analiza, wizualizacja, modelowanie, wdrażanie, monitoring modeli
6. Data Engineering - architektura danych, metadata management, data quality, data governance, data lineage, data catalog, data security
7. Storytelling danych i AI Governance - zarządzanie modelami AI, monitoring, audyt algorytmów, odpowiedzialność, transparentność, interpretacja wyników
8. Wprowadzenie do Big Data - charakterystyka (Volume, Velocity, Variety, Veracity, Value), technologie big data, architektura systemów big data. Wpływ sposobu składowania i przetwarzania danych w kontekście zasad zrównoważonego rozwoju
9. Internet Rzeczy i Edge Computing - architektura IoT, sensory i aktuatory, przetwarzanie danych w IoT, edge analytics, integracja z systemami centralnymi
10. Wprowadzenie do baz danych i SQL
11. Typy baz danych, model relacyjny
12. Podstawy SQL, zapytania, normalizacja, indeksowanie
13. Sztuczna inteligencja w praktyce - modele językowe, computer vision, systemy rekomendacyjne, automatyzacja procesów, superinteligencja, implikacje społeczne
14. Sztuczna inteligencja w praktyce - modele językowe, computer vision, systemy rekomendacyjne, automatyzacja procesów, superinteligencja, implikacje społeczne
15. Zaliczenie wykładu.

Pracownia specjalistyczna:
1. Wprowadzenie do narzędzi AI - przegląd platform i narzędzi, demonstracje możliwości, identyfikacja zastosowań biznesowych
2. Zrozumienie danych biznesowych: analiza przypadków użycia data science w różnych branżach; identyfikacja problemów biznesowych możliwych do rozwiązania za pomocą analizy danych
3. Podstawy prompt engineering - praca z modelami językowymi, projektowanie promptów, techniki zero-shot i few-shot learning. Frameworki zapytań. Strukturyzacja danych wejściowych i wyjściowych
4. Eksperymentowanie z generatywną AI - eksperymenty z modelami AI, generowanie treści, analiza obrazów, automatyzacja
5. Eksperymentowanie z generatywną AI - eksperymenty z modelami AI, generowanie treści, analiza obrazów, automatyzacja
6. Ćwiczenia z SQL - złączenia tabel, podzapytania
7. Ćwiczenia z SQL - złączenia tabel, podzapytania
8. Ćwiczenia z SQL - dialekty SQL
9. Ćwiczenia z SQL - optymalizacji zapytań
10. Ćwiczenia z SQL - zapytania i podzapytania SQL na prostych modelach
11. Ćwiczenia z SQL - zapytania i podzapytania SQL na prostych modelach
12. Narzędzia low-code/no-code dla AI - platformy automatyzacji
13. Narzędzia low-code/no-code dla AI - platformy automatyzacji
14. Narzędzia low-code/no-code dla AI - kreatory aplikacji
15. Zaliczenie pracowni specjalistycznej

wykład problemowy,   programowanie z użyciem komputera,   wykład informacyjny,   wykład z prezentacją multimedialną,  

Wykład: zaliczenie pisemne z pytaniami otwartymi
Pracownia specjalistyczna: opracowanie zadań projektowych realizowanych w grupach

1. A.J. Gutman, J. Goldmeier, Analityk danych: przewodnik po data science, statystyce i uczeniu maszynowym, Helion, Gliwice, 2023
2. M.J. Hernandez, Projektowanie baz danych dla każdego: przewodnik krok po kroku, Helion, Gliwice, 2022
3. Nycz M., Hurtownie danych i business intelligence w organizacji, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław, 2012
4. J. Nolis, E. Robinson, Skazany na sukces: kariera w Data Science, Helion, Gliwice, 2021
5. A. DeBarros, SQL w praktyce: jak dzięki danym uzyskiwać cenne informacje, Helion, Gliwice, 2024

1. D. Stephenson, Big Data, nauka o danych i AI bez tajemnic: podejmuj lepsze decyzje i rozwijaj swój biznes!, Helion, Gliwice, 2020
2. J. Reis, M. Housley, Inżynieria danych w praktyce: kluczowe koncepcje i najlepsze technologie, Helion, Gliwice, 2023
3. L. Campbell, C. Majors, Inżynieria niezawodnych baz danych. Projektowanie systemów odpornych na błędy, Wydawnictwo Helion, Gliwice, 2020
4. J. Schaich Borg, V. Conitzer, W. Sinnott-Armstrong, Moralna AI: czy bać się sztucznej inteligencji, Prószyński i S-ka, Warszawa, 2024