Koło naukowe Data Science & Machine Learning
Koło naukowe Data Science & Machine Learning to inicjatywa Wydziału Inżynieryjnego Informatyki, która stanowi wyzwanie dla studentów którzy pragną pogłębiać swoją wiedzę w obszarach przetwarzania Big Data (dużych i złożonych zbiorów danych), Data Science DS (nauki o danych), Machine Learning/Artificial Intelligence ML/AI (uczenia maszynowego/sztucznej inteligencji) oraz w wykorzystaniu tej wiedzy w opracowywaniu i wdrażaniu rozwiązań przemysłowych typu Business Intelligence (analityki biznesowej) np. segmentacja klientów, modele predykcyjne up/cross selling/customer revenue, zarządzanie ryzykiem np. finansowym czy badania marketingowe.
Koło prowadzi spotkania dyskusyjne dotyczące zastosowań Big Data, DS/ML/AI np. w sektorach gospodarczych takich jak np. bankowy, finansowy, telekomunikacyjny, FMCG. Z innej perspektywy koło prowadzi również dyskusje o technologiach tworzenia systemów informatycznych typu Big Data/DS/ML/AI z wykorzystaniem narzędzi np. DataSpell - The IDE for Professional Data Scientists (Python Notebooks), frameworki IDE PyCharm Python Diango, Flask itp. W zainteresowaniach koła jest również zarządzanie projektami o tematyce analityki biznesowej.
Cele koła:
- pogłębianie wiedzy z zakresu algebry liniowej, geometrii analitycznej, statystyki, rachunku wektorowego, rachunku różniczkowego, rachunku prawdopodobieństwa będącej podstawą Data Science oraz Machine Learning,
- pogłębiane wiedzy z zakresu metod analizy danych, metod wglądu w dane (Data Insights), metod wizualizacji danych,
- pogłębianie wiedzy z zakresu metod wstępnego przetwarzania danych, klasyfikacji, regresji, grupowania, redukcji wymiarów, oceny i selekcji modeli uczenia,
- łączenie teorii z praktyką rozwiązań,
- prowadzenie badań naukowych,
- przygotowanie artykułów naukowych,
- przygotowanie do wystąpień na konferencjach naukowych,
- rozwój naukowy studentów oraz budowanie przyszłej ścieżki zawodowej.
Opiekun naukowy: dr inż. Andrzej Ciemski - wieloletni konsultant w obszarze zarządzania, finansów, kontrolingu oraz analityki biznesowej. Wykładowca akademicki w obszarze baz danych, hurtowni danych, data science, analizy i projektowania systemów informatycznych.
Kontakt: andrzej.ciemski@uth.edu.pl