loader image

Sztuczna inteligencja i automatyzacja procesów biznesowych w ujęciu praktycznym

słowa kluczowe: zarządzanie, IT, AI
agsdi-calendar

Planowane rozpoczęcie

marzec 2022
agsdi-wallet

Cena

4400 zł
agsdi-calendar-check

Czas trwania

2 semestry / 184 h
agsdi-learn

Tryb nauki - stan na 18.01.22

stacjonarny

STUDIA PODYPLOMOWE

Wybierz zawód przyszłości z ogromnym potencjałem!

Sztuczna inteligencja już od kilku dobrych lat jest na ustach całego świata. Niezmiennie i powszechnie brakuje ekspertów w tej dziedzinie dlatego planując rozwój swojej kariery zawodowej postaw na pewnego konia. Na naszych studiach podyplomowych możesz wybrać jedną z dwóch ścieżek w zależności od Twojego stopnia zaawansowania w posługiwaniu się językiem Python.

Ścieżka biznesowa: Wybierz tę ścieżkę, jeśli będziesz wykorzystywał wiedzę o sztucznej inteligencji w szerszym ujęciu np. biznesowym, socjologicznym lub marketingowym.

Ścieżka techniczna: Wybierz tę ścieżkę jeśli jesteś inżynierem, programistą, analitykiem biznesowym, matematykiem lub zajmujesz się statystyką.

Sztuczna inteligencja i automatyzacja procesów biznesowych w ujęciu praktycznym

Informacje o kierunku

Edycja I. „Podstawy AI w biznesie” (ścieżka biznesowa) – tutaj słuchacze będą poznawali wyłącznie elementarz języka programowania Python (36 godzin) oraz zapoznają się z podstawowymi operacjami dotyczącymi analizy danych i ich wizualizacji. Przedstawione zostaną także statystyczne aspekty analizy danych oraz uczenia maszynowego. W blokach zajęciowych omówione będą różnorodne algorytmy sztucznej inteligencji w ujęciu biznesowym (na przykładach w języku Python, w stylu tzw. „end-to-end” – od pomysłu do wdrożenia).

Edycja II. „Ścieżka techniczna” – tutaj więcej czasu przeznaczymy na naukę programowania w języku Python (46 godzin), a słuchacze zdobędą umiejętności samodzielnego testowania wybranych algorytmów sztucznej inteligencji. Dwa przedmioty (Python – podstawy oraz analiza danych i  wizualizacja, a także NLP w Pythonie – 54 godziny) będą prowadzone w j. angielskim.

Dwie proponowane ścieżki będą różnić się także poziomem zaawansowania implementacji algorytmów sztucznej inteligencji przy użyciu języka Python. Na ścieżce biznesowej słuchacze pogłębią swoją wiedzę na temat implementacji metod AI w otoczeniu biznesowym, przy czym na ścieżce technicznej położony zostanie szczególny nacisk na aspekty programistyczne.

Edycja I. „Podstawy AI w biznesie” (ścieżka biznesowa– tutaj słuchacze będą poznawali wyłącznie elementarz języka programowania Python (36 godzin) oraz zapoznają się z podstawowymi operacjami dotyczącymi analizy danych i ich wizualizacji. Przedstawione zostaną także statystyczne aspekty analizy danych oraz uczenia maszynowego. W blokach zajęciowych omówione będą różnorodne algorytmy sztucznej inteligencji w ujęciu biznesowym (na przykładach w języku Python, w stylu tzw. „end-to-end” – od pomysłu do wdrożenia).

Edycja II. „Ścieżka techniczna” – tutaj więcej czasu przeznaczymy na naukę programowania w języku Python (46 godzin), a słuchacze zdobędą umiejętności samodzielnego testowania wybranych algorytmów sztucznej inteligencji. Dwa przedmioty (Python – podstawy oraz analiza danych i  wizualizacja, a także NLP w Pythonie – 54 godziny) będą prowadzone w j. angielskim.

Dwie proponowane ścieżki będą różnić się także poziomem zaawansowania implementacji algorytmów sztucznej inteligencji przy użyciu języka Python. Na ścieżce biznesowej słuchacze pogłębią swoją wiedzę na temat implementacji metod AI w otoczeniu biznesowym, przy czym na ścieżce technicznej położony zostanie szczególny nacisk na aspekty programistyczne.

Ścieżka biznesowa
Rewolucja technologiczno-gospodarcza

Opis: W ramach przedmiotu wyjaśnia się na czym polega rewolucja technologiczno-gospodarcza dokonująca się obecnie w świecie, także powoli w Polsce, również pokazuje się wpływ tej rewolucji na gospodarkę, na zmianę modeli biznesowych, na zmianę zapotrzebowania na pracowników zarówno tych wysokokwalifikowanych, ale też zmianę pozycji na rynku tych niskokwalifikowanych.

Prowadzący: dr hab. Ewa Lechman, prof. PG

Sposób zaliczenia: aktywny udział za zajęciach

Liczba godzin: 4

Etyka w sztucznej inteligencji

Opis: Przedmiot ma za zadanie nie tylko pokazać problemy natury etycznej – jakie są i będą stawiane przed naukowcami/menedżerami/użytkownikami urządzeń wyposażonych w sztuczną inteligencję [problem odpowiedzialności, granic stosowania, transparentności działań – ale ma też zwrócić uwagę na efekty negatywne w społeczeństwie wprowadzania rozwiązań bazujących na sztucznej inteligencji : znikania granic prywatności, nasilenie efektów.

Prowadzący: dr Ewa Hope

Sposób zaliczenia: aktywny udział za zajęciach

Liczba godzin: 4

Metody i narzędzia specyfikowania procesów biznesowych

Opis: Celem przedmiotu jest ukazanie słuchaczom metod i narzędzi do specyfikowania procesów biznesowych. Zajęcia pozwalają na nabycie praktycznej wiedzy i umiejętności z zakresu modelowania procesów za pomocą notacji BPMN w stopniu umożliwiającym interpretację zamodelowanych procesów, ze szczególnym uwzględnieniem elementów procesów możliwych do zoptymalizowania i wprowadzenia sztucznej inteligencji.

Prowadzący: mgr inż. Kamil Brodnicki

Sposób zaliczenia: rozwiązanie zadań na zajęciach

Oprogramowanie: Visio i Enterprise Architect

Liczba godzin: 4

Metody i techniki zbierania oraz definiowania wymagań – zagadnienie podstawowe

Opis: Celem przedmiotu jest zaznajomienie słuchaczy z metodami i technikami zbierania oraz dokumentowania wymagań (zarówno funkcjonalnych jak i niefunkcjonalnych) z perspektywy wdrażania rozwiązań automatyzacji procesów biznesowych i sztucznej inteligencji. Zbieranie wymagań w tym przypadku wymaga łączenia klasycznych umiejętności analityka biznesowego, konsultanta i architekta rozwiązań technologicznych. Przedstawione zostaną zagadnienie związane z zarządzaniem wymaganiami w projektach realizowanych zarówno w podejściu klasycznym jak zwinnym (Agile). Przedstawione zostaną podstawowe techniki dekompozycji i opisywania wymagań.

Prowadzący: dr inż. Sebastian Wilczewski

Sposób zaliczenia: ćwiczenia wykonywane w grupach na zajęciach

Liczba godzin: 16

Sztuczna Inteligencja w firmie – Transformacja Biznesu

Opis: W trakcie zajęć przedstawiona zostanie biznesowa perspektywa wdrażania rozwiązań z zakresu sztucznej inteligencji i nowoczesnych technologii. Omówione zostaną studium przypadków implementacji z różnych branż w kontekście konkretnych modeli biznesowych i główne wyzwania z tym związane. Poruszone zostaną elementy związane z transformacją firm, kulturą Organizacji i organizacją pracy; w tym funkcjonowania działów: R&D, Innowacji, Projektowych. Przedyskutujemy zagadnienia procesowego spojrzenia na funkcjonowanie Firm w kontekście wdrażania nowoczesnych technologii (AI) celem zwiększenia efektywności działania, optymalizacji łańcucha wartości i zwiększania satysfakcji klienta (Customer Experience).

Prowadzący: mgr Anna Pilawa – manager, praktyk biznesu

Sposób zaliczenia: zapoznanie się z materiałami przesłanymi przed zajęciami, przygotowanie przykładów z udanych i nie udanych wdrożeń w obszarze AI

Liczba godzin: 6

Analiza wybranego studium przypadku rozwiązania AI

Opis: Przedmiot obejmuje omówienie: A. Kontekst:1. Czym jest AI (mapa pojęć związanych z AI/ML/Modelowaniem)? 2. Kiedy konieczne jest użycie AI i dlaczego niekoniecznie powinniśmy atakować każdy problem sieciami neuronowymi? 3. Dlaczego samo AI nie wystarcza? 4. X + AI. 5. Co możemy osiągnąć dzięki XAI i dlaczego adaptować się do zmian na świecie? 6. Bayesowskie sieci neuronowe i to, co przed nami. B. Zrób to sam, projekt XAI: 1. Możliwości promocji i finansowania zespołu, bądź startupu technologicznego. 2. Zarządzanie zespołem (najlepiej w Scrum). 3. Stworzenie środowiska pracy. 4. Jak dostarczyć automatyczną diagnozę zdjęć RTG polskiemu szpitalowi. C. Tworzenie pitch deck’u.

Prowadzący: mgr Jakub Borkowski

Sposób zaliczenia: aktywność na zajęciach

Liczba godzin: 4

Automatyzacja i robotyzacja procesów biznesowych w praktyce

Opis: Przedmiot „Automatyzacja i robotyzacja (RPA) procesów biznesowych w praktyce” jest przeznaczony dla osób na różnych stanowiskach w organizacji, które chciałyby poznać możliwości wykorzystania elementów automatyzacji, jako elementu doskonalenia organizacji oraz zbudowania w tym obszarze nowych kompetencji, niezbędnych w szybko zmieniającym się świecie. Słuchacze będą mieli okazję zapoznać się z możliwościami, jakie daje zastosowanie Robotic Proces Automation, które będąc atrakcyjną alternatywą wobec implementacji zmian w systemach informatycznych, pozwala na uwolnienie pracowników od powtarzalnych, nudnych zadań, a tym samym skupienie się na procesach wymagających inteligencji. Słuchacze będą mieli możliwość przejść pełną ścieżkę, jaka realizowana jest w organizacjach, które zdecydowały się na zastosowanie robotyzacji a więc od zdefiniowania strategii automatyzacji, ocenę i selekcję procesów do automatyzacji, zbudowanie zespołu niezbędnego do przygotowania procesów automatyzacji, wybór metody automatyzacji, aż do przygotowania i opomiarowania procesów oraz samodzielnego wykorzystania platformy. Słuchacze poznają również metody oceny efektów wdrożenia botów w organizacji, jak również poznają metody szacowania ryzyka związanego z zastosowaniem robotyzacji wraz z metodami ich mitygacji. Zakres przedmiotu pozwoli słuchaczom być przygotowanym na wykorzystanie wiedzy z zakresu RPA w organizacjach różnych rozmiarów i o różnym profilu działalności.

Prowadzący: dr Grażyna Musiatowicz-Podbiał

Sposób zaliczenia: wykonanie zadania na zajęciach

Oprogramowanie: UiPath Community Cloud

Liczba godzin: 16

Programowanie w języku Python (podstawy)

Opis: Celem przedmiotu jest nauka programowania w języku Python. Studenci będą zapoznawani z takimi tematami jak: konfiguracja środowiska, składnia języka, podstawowe i złożone typy danych, podstawowe operacje, instrukcje warunkowe, pętle, funkcje, obsługa bibliotek oraz obsługa plików z użyciem języka Python. Przedmiot będzie realizowany zarówno w formie wykładu jak i laboratorium. Zaliczenie przedmiotu będzie polegało na zaliczeniu kolokwium lub zrealizowaniu projektu.

Prowadzący: mgr inż. Karol Szymański

Sposób zaliczenia: kolokwium lub projekt

Oprogramowanie: Python, PyCharm

Liczba godzin: 20

Programowanie w języku Python – analiza danych i wizualizacja

Opis: Celem przedmiotu jest nauka narzędzi i metod analizy oraz wizualizacji danych w języku Python. Studenci będą zapoznawani z takimi tematami jak: analiza danych z użyciem biblioteki numpy, analiza danych z użyciem biblioteki pandas, analiza plików txt, JSON, html oraz Microsoft Excel, wizualizacja danych z użyciem biblioteki matplotlib oraz seaborn. Przedmiot będzie realizowany zarówno w formie wykładu jak i laboratorium. Zaliczenie przedmiotu będzie polegało na zaliczeniu kolokwium lub zrealizowaniu projektu.

Prowadzący: mgr inż. Karol Szymański

Sposób zaliczenia: kolokwium lub projekt

Oprogramowanie: Python, Pycharm, numpy, pandas, matplotlib, seaborn

Liczba godzin: 16

Podstawy teorii uczenia maszynowego

Opis: Przedmiot przedstawia mapę pojęć związanych ze sztuczną inteligencją, przede wszystkim oferując wskazówki pomagające poruszać się po świecie modelowania, czyli też AI. Wiele zagadnień, z którymi słuchacze mogli spotkać się do tej pory nie będzie brzmiało już tak enigmatycznie, a uczestnicy zostaną uzbrojeni w wiedzę, dzięki której praktyczne zastosowanie ML będzie znacznie prostsze i bardziej intuicyjne.

Prowadzący: mgr Jakub Borkowski

Sposób zaliczenia: test, pytania otwarte

Liczba godzin: 16

Wprowadzenie do uczenia maszynowego w Pythonie

Opis: Zajęcia będą podzielone na wprowadzenie do używanych narzędzi, a później rozwinięcie praktycznych aspektów posługiwania się AI. Ponadto omówione zostaną techniki przygotowania danych tak, aby projektowane rozwiązania były optymalne. Przytoczone zostaną konkretne przykłady, co ułatwi w przyszłości identyfikację zapotrzebowania na rozwiązanie uczenia maszynowego w biznesie. W ramach przedmiotu zostaną przedstawione algorytmy wykorzystywane w różnych firmach na świecie.

Prowadzący: mgr Jakub Borkowski

Sposób zaliczenia: Uczestnicy dostaną do rozwiązania zagadnienie regresji lub klasyfikacji, oparte na przykładach z zajęć.

Liczba godzin: 16

Podstawy analizy danych

Opis: Celem przedmiotu jest przedstawienie podstawowych pojęć oraz zadań statystycznej analizy danych w otoczeniu biznesowym. Zajęcia realizowane będą w formie dyskusji i prezentacji rozwiązań problemów obejmujących poszczególne typy analizy statystycznej w różnorakim kontekście biznesowym – na zanonimizowanych faktycznych danych. Część pierwsza (8h) obejmie statystykę opisową. Część druga (8h) – modelowanie statystyczne.

Prowadzący: dr inż. Karol Flisikowski

Oprogramowanie: R, R-studio

Wymagania wstępne: Znajomość matematyki na poziomie szkoły średniej.

Sposób zaliczenia: Wykonanie raportu w R-Markdown (w parach).

Liczba godzin: 16

Deep Learning w Keras

Opis: W trakcie realizacji tego przedmiotu słuchacz pozna teorię sieci neuronowych i sposób ich budowania za pomocą interfejsu Keras. Po zakończeniu przedmiotu słuchacz będzie w stanie zbudować wielowarstwowe perceptrony, sieci konwolucyjne, sieci rekurencyjne i autokodery do zadań regresji, klasyfikacji i niektórych zadań nienadzorowanych. Zostanie tez pokazane jakie zastosowanie ma przekazana wiedza w biznesie.

Prowadzący: mgr Michał Maj

Oprogramowanie: Python z zainstalowanym pakietem tensorflow w wersji >= 2.0, podstawowe pakiety (np. numpy).

Wymagania wstępne: podstawowa znajomość Pythona, podstawowa znajomość Machine Learningu – regresja liniowa i logistyczna (tego nauczą się słuchacze z podstaw ML w Pythonie).

Sposób zaliczenia: Raport realizowany w parach.

Liczba godzin: 18

Metody rozpoznawania obrazów

Opis: W ramach tego przedmiotu słuchacz pozna teorię bardziej zaawansowanych zadań Computer Vision (CV), takich jak: detekcja obiektów, segmentacja obrazu i optyczne rozpoznawanie znaków: czym jest detekcja obiektów, najnowocześniejsze algorytmy detekcji obiektów, zastosowania detekcji obiektów, czym jest segmentacja obrazu, najnowocześniejsze algorytmy do segmentacji obrazów, zastosowania segmentacji obrazu, czym jest optyczne rozpoznawanie znaków, zastosowania OCR. Zostanie pokazane też jakie zastosowanie ma przekazana wiedza w biznesie.

Prowadzący: mgr Michał Maj

Wymagania wstępne: zajęcia nie wymagają szczególnego przygotowania teoretycznego. Pomocna będzie ogólna umiejętność obsługi oprogramowania.

Sposób zaliczenia: aktywność na zajęciach.

Liczba godzin: 4

NLP w Pythonie

Opis: Celem przedmiotu jest praktyczne omówienie podstawowych zagadnień związanych z przetwarzaniem języka naturalnego, takich jak: tokenizacja, stemming, lematyzacja, parsowanie. W ramach zajęć zostanie omówiona: analiza dokumentów hipertekstowych (page rank, SEO), analiza sieci społecznościowych, profilowanie użytkowników oraz ich zachowania (sentiment analysis), chatbooty.

Prowadzący: mgr Anna Czaja

Wymagania wstępne: podstawy programowania w Pythonie

Sposób zaliczenia: test

Liczba godzin: 8

Prezentacja projektów

Opis: Realizacja własnego projektu będzie zwieńczeniem nauki na danej ścieżce studiów, a zarazem okazją do wykorzystania i rozwinięcia wszystkich nabytych w jego trakcie umiejętności. Tematy prac oraz opiekunowie – do wyboru.

Prowadzący: dr inż. Karol Flisikowski

Liczba godzin: 4

łącznie godzin: 184
Ścieżka techniczna
Rewolucja technologiczno-gospodarcza

Opis: W ramach przedmiotu wyjaśnia się na czym polega rewolucja technologiczno-gospodarcza dokonująca się obecnie w świecie, także powoli w Polsce, również pokazuje się wpływ tej rewolucji na gospodarkę, na zmianę modeli biznesowych, na zmianę zapotrzebowania na pracowników zarówno tych wysokokwalifikowanych, ale też zmianę pozycji na rynku tych niskokwalifikowanych.

Prowadzący: dr hab. Ewa Lechman, prof. PG

Sposób zaliczenia: aktywny udział za zajęciach

Liczba godzin: 4

Analiza biznesowa i jej zastosowanie w sztucznej inteligencji – metody i narzędzia specyfikowania procesów

Opis: Zajęcia pozwalają na nabycie praktycznej wiedzy i umiejętności z zakresu modelowania procesów za pomocą notacji BPMN ze szczególnym uwzględnieniem elementów procesów możliwych do zoptymalizowania i wprowadzenia sztucznej inteligencji. Słuchacze poznają specyfikę notacji i jej zastosowanie w podejściu do różnych dziedzin przemysłu, gdzie współcześnie wykorzystywana jest sztuczna inteligencja.

Prowadzący: mgr inż. Kamil Brodnicki

Sposób zaliczenia: Rozwiązanie zadań na zajęciach.

Oprogramowanie: Visio i Enterprise Architect

Liczba godzin: 16

Metody i techniki zbierania oraz definiowania wymagań – zagadnienia zaawansowane

Opis: Celem przedmiotu jest zaznajomienie słuchaczy z zagadnieniami zaawansowanymi związanymi z metodami i technikami zbierania oraz dokumentowania wymagań. Wiedze podstawowa zostanie rozszerzone o zagadnienie związane z zarządzaniem wymaganiami w dużych (skalowalnych) rozwiązaniach realizowanych w podejściu zwinnym poprzez odniesienie się do takich metodyk jak np. Scaled Agile Framework i innych. Omówione zostaną zasada dekompozycji wymagań i ich opisywania na poszczególnych poziomach dekompozycji: Epic, feature, user story oraz zagadnienie związane z Definition of Ready (DoR) oraz Definition of Done (DoD).

Prowadzący: dr inż. Sebastian Wilczewski

Wymagania wstępne: Znajomość zagadnień dotyczących „Metody i techniki zbierania oraz definiowania wymagań – zagadnienia podstawowe”.

Sposób zaliczenia: Ćwiczenia wykonywane w grupach na zajęciach.

Liczba godzin: 8

Prowadzenie projektu AI

Opis: W ramach przedmiotu zostaną ukazane istniejące już rozwiązania, a także nisze, w których sztuczna inteligencja mogłaby być zastosowana, bądź rozwinięta. Zidentyfikowane zostaną możliwości wdrożenia sztucznej inteligencji w konkretnych procesach biznesowych, a także wskazane zostaną ewentualne błędy, które na tej ścieżce można popełnić. Wskazane kwestie zostaną przedstawione na podstawie wybranych przykładów biznesowych. Ponadto w ramach przedmiotu zostanie pokazana ścieżka zespołu badawczo-rozwojowego od sformułowania problemu społeczno-gospodarczego, aż do wdrożenia rozwiązania AI.

Prowadzący: mgr Jakub Borkowski

Sposób zaliczenia: Przygotowanie prezentacji własnego projektu AI.

Liczba godzin: 8

Programowanie w języku Python – podstawy dla ścieżki technicznej

Opis: Podczas kursu zaprezentowane zostaną szczegółowe zasady programowania w języku Python, nauczą się samodzielnie pisać skrypty w prawidłowy i ustrukturyzowany sposób. Uczestnicy kursu poznają również sposoby unikania najczęstszych błędów popełniać przy tworzeniu skryptów, będą swobodnie posługiwać się językiem programowania Python w celu rozwiązywania rzeczywistych problemów biznesowych. Zaprezentowane zostaną następujące tematy: Typy zmiennych; Podstawowe operatory logiczne; Listy; Podstawowe operacje na ciągach znaków; Pętle; Zdania warunkowe; Funkcje; Klasy; Słowniki; Instrukcje warunkowe if-else; Pętle; Operacje na ciągach znaków; Tworzenie funkcji i klas; Analiza danych z wykorzystaniem bibliotek: Numpy i Pandas.

Prowadzący: dr Olgun Aydin

Wymagania wstępne: Podstawowa wiedza z zakresu programowania i podstawowy poziom zaawansowania w języku Python.

Sposób zaliczenia: Zaliczenie będzie opierać się o pozytywne wyniki quizów przeprowadzanych na zajęciach i zadaniu polegającym na napisaniu kodu w języku Python w celu rozwiązania konkretnego problemu.

Liczba godzin: 30

Programowanie w języku Python – analiza danych i wizualizacja

Opis: Kurs obejmuje szczegółowe rozmienia i naukę analizy danych. Zaprezentowane i omówione zostaną różnorodne techniki prezentowania danych wizualnie. W trakcie kursu uczestnicy zapoznają się ze stosowaniem bibliotek wizualizacyjnych w Pythonie: Maplotlib oraz Seabor. Słuchacze poznają również zasady i sposoby używania bibliotek: Pandas, i Numpy w celu pracy z próbką danych. Szczególny nacisk zostanie położyna na naukę wprowadzania danych, ich przekształcania ze względu na cel analizy, analizowania i wizualizowania. Wykorzystane zostaną rzeczywiste zbiory danych. W tym kursiei zaprezentowane zostaną następujące tematy: Importowanie i eksportowanie danych; Analiza danych za pomocą Numpy; Analiza danych za pomocą Pandas; Agregacja danych; Tworzenie powiązań; Budowanie prostych modeli regresji liniowej; Tworzenie histogramów, wykresów pudełkowych, wykresów słupkowych przy użyciu Biblioteki Matplotlib; Tworzenie histogramów, wykresów pudełkowych, wykresów słupkowych przy użyciu Biblioteki Seaborn; Tworzenie grafów interaktywnych przy użyciu biblioteki Plotly.

Prowadzący: dr Olgun Aydin

Wymagania wstępne: Podstawowa znajomość języka programowania Python oraz statystycznej analizy danych.

Sposób zaliczenia: Zaliczenie kursu będzie opierać się o pozytywne wyniki quizów przeprowadzanych na zajęciach i zaliczenia zadania polegającego na napisaniu kodu w języku Python w celu rozwiązania konkretnego problemu.

Liczba godzin: 16

Podstawy uczenia maszynowego

Opis: Kurs przybliży teorię AI, co pozwoli stosować uczenie statystyczne, czyli też AI, w sposób optymalny i współmierny do potrzeb. Zajęcia będą głównie teoretyczne, uzupełnione przykładami. Omówione zostaną tutaj zagadnienia związane z uczeniem maszynowym takie jak, regresja liniowa, logistyczna, problemy klasyfikacyjne, proste sieci neuronowe, a także wyjaśnianie drzew decyzyjnych. Ponadto przybliżę różnice w podejściu frekwencyjnym i bayesowskim poparte przykładami z użyciem tensorflow probability. Poza tym zostaną omówione zagadnienia, takie jak „false discovery rate” oraz tak zwane przekleństwo wielowymiarowości.

Prowadzący: mgr Jakub Borkowski

Wymagania wstępne: Znajomość podstaw statystyki i teorii prawdopodobieństwa.

Sposób zaliczenia: Test, pytania otwarte.

Liczba godzin: 16

Uczenie maszynowe w Pythonie

Opis: Zajęcia będą podzielone na wprowadzenie do używanych narzędzi, a później rozwinięcie praktycznych aspektów posługiwania się AI. Ponadto omówione zostaną techniki przygotowania danych tak, aby projektowane rozwiązania były optymalne. Przytoczone zostaną konkretne przykłady, co ułatwi w przyszłości identyfikację zapotrzebowania na rozwiązanie uczenia maszynowego w biznesie.

Prowadzący: mgr Jakub Borkowski

Sposób zaliczenia: Uczestnicy dostaną do rozwiązania zagadnienie regresji lub klasyfikacji, oparte na przykładach z zajęć.

Wymagania wstępne: Wiedza zdobyta na tej edycji podczas zajęć „Wprowadzenie do uczenia maszynowego”.

Liczba godzin: 16

Statystyczna analiza danych

Opis: Rozszerzony kurs analizy danych. W części pierwszej omówione zostaną aspekty podstawowej analizy danych – od przygotowania danych do analizy (brakujące obserwacje; duplikaty; obserwacje odstające; błędy w formatach; czyszczenie danych itp.) aż po statystykę opisową i podstawy wnioskowania. W części drugiej – modelowanie statystyczne (modele regresji i szeregów czasowych) – podstawowe pojęcia, dobór zmiennych, własności i porównywanie modeli, testowanie modelu, prognozowanie/klasyfikacja, publikowanie raportu.

Prowadzący: dr inż. Karol Flisikowski

Wymagania wstępne: Znajomość matematyki na poziomie szkoły średniej.

Sposób zaliczenia: Wykonanie raportu w R-Markdown (w parach).

Liczba godzin: 16

Praktyczne przygotowanie automatyzacji procesów (RPA)

Opis: Przedmiot „Przygotowanie procesów automatyzacji i robotyzacji (RPA) w praktyce” pozwoli na poznanie możliwości, jakie daje zastosowanie. Robotic Proces Automation w organizacjach. Automatyzacja procesów będąc często atrakcyjną alternatywą wobec implementacji zmian w systemach informatycznych, pozwala na uwolnienie pracowników od powtarzalnych, nudnych zadań, pozwalając się skupić na procesach wymagających inteligencji. Słuchacze przejdą praktyczną ścieżkę, jaka realizowana jest w organizacjach, które zdecydowały się na zastosowanie robotyzacji a więc od wyboru procesów właściwych do zastosowania automatów, poprzez przygotowanie środowiska automatyzacji, aż do wykonania własnego bota i jego uruchomienie. Słuchacze poznają również dobre praktyki i ryzyka związane z zastosowaniem robotyzacji, aby być przygotowanym na wykorzystanie wiedzy w organizacjach różnych rozmiarów i o różnym profilu działalności.

Prowadzący: dr Grażyna Musiatowicz-Podbiał

Oprogramowanie: UiPath Community Cloud

Sposób zaliczenia: Wykonanie zadania na zajęciach.

Liczba godzin: 8

Warstwy sieci neuronowych w tensorflow

Opis: Przedmiot ma za zadanie przedstawienie framework’a tensorflow w kontekście sztucznych sieci neuronowych. Szczegółowo zostaną omówione podstawy sieci neuronowych, typy neuronów, typy warstw oraz algorytm propagacji wstecznej. Zaprezentowane zostaną również przykładowe zastosowania sieci oraz sposoby ich realizacji. W skrócie zostanie opisana instalacja tensoflow i zagadnienie kompatybilności z GPU. Następnie zostanie przedstawione sekwencyjne API tensorflow, możliwe warstwy, sposoby uczenia oraz istotne parametry. API zostanie zaprezentowane na szeregu przykładów z użyciem zewnętrznych dataset’ów.

Prowadzący: dr inż. Michał Czubenko

Oprogramowanie: Google Colab (gdzie będę prezentował kod) oraz PyCharm z Pythonem 3.7 i tensorflow-gpu (w tym przypadku potrzebne są komputery z kartą graficzną NVIDIA)

Wymagania wstępne: Znajomość operacji macierzowych, podstawy algebry liniowej i analizy matematycznej (pochodne), umiejętność programowania w Pythonie (lub innym języku), znajomość pakietu numpy.

Sposób zaliczenia: Projekt realizowany w parach.

Liczba godzin: 12

Architektury sieci neuronowych i ich uczenie w tensorflow

Opis: Przedmiot przybliży słuchaczom zagadnienia związane z głębokimi sieciami neuronowymi. Począwszy od normalizacji batch’owej, poprzez zanurzenie danych i dostrajanie skomplikowanych sieci głębokich takich jak VGG czy ResNet. Następnie zostaną przedstawione rekurencyjne sieci neuronowe, w szczególności z nastawieniem na warstwy typu LSTM i GRU. Jako przykład zastosowania zostanie przedstawiona klasyfikacja tekstu. Zostanie również zaprezentowana architektura auto-enkoderów wraz z ich zastosowaniem oraz funkcjonalne API Kerasa.

Prowadzący: mgr Michał Maj

Oprogramowanie: Python z zainstalowanym pakietem tensorflow w wersji >= 2.0, podstawowe pakiety (np. numpy).

Wymagania wstępne: Podstawowa znajomość Pythona, podstawowa znajomość Machine Learningu – regresja liniowa i logistyczna (tego nauczą się słuchacze z podstaw ML w Pythonie).

Sposób zaliczenia: Raport realizowany w parach.

Liczba godzin: 12

Przetwarzanie języka naturalnego w Pythonie

Opis: W tym kursie omówiona zostanie dogłębnie analiza języka ludzkiego. Przybliżone zostaną szczegóły wydobywania (text mining) i obróbki danych tekstowych, a także analizy sentymentu danej wypowiedzi. Ponadto przybliżone zostaną najbardziej aktualne modele NLP. Uczestnicy nauczą się opracowywać własne algorytmy z użyciem bibliotek: CoreNLP, NLTK, gensim, spaCy. Zostaną omówione następujące zagadnienia: Wprowadzenie do NLP; Przykłady użycia NLP; Biblioteki NLP w Python; Text Mining z użyciem Python; Analiza sentymentu w Python; Osadzanie słów (Word embeddings); Word2Vec; Doc2Vec; Glove; Fasttext; Osadzanie słów w Python; Name Entity Recognition; Wstęp do NER; Użycie wstępnie trenowanych modeli; Jak przygotować dane? Tworzenie modelu NER w Python. Absolwenci i absolwentki kursu będą w stanie dokonać analizy tekstu i zrozumieć wynikające z niego dane. Będą w stanie dokonać osadzeni słów przy użyciu Pythona. Poznają zasady pisania modeli w celu analizy nastroju i modeli NER.

Prowadzący: dr Olgun Aydin

Wymagania wstępne: Podstawowa znajomość NLP oraz zaawansowane rozumienie algorytmów uczenia maszynowego (machine learning).

Sposób zaliczenia: Zaliczenie będzie opierać o pozytywne wyniki quizów przeprowadzanych na zajęciach i zaliczenie zadania polegającego na napisaniu algorytmu uczenia maszynowego w języku Python używając NLP.

Liczba godzin: 8

Computer Vision w Pythonie

Opis: Podczas realizacji przedmiotu zostaną przedstawione zaawansowane algorytmy z dziedziny Computer Vision. Słuchacz dowie się jak dokonać segmentacji obrazu klasyfikując każdy piksel z osobna, wykorzystując sieć typu U-Net. Ponadto nauczy się detekcji obiektów na obrazie z wykorzystaniem algorytmów takich jak YOLO. Poruszone zostaną także tematy optycznego rozpoznawanie znaków i detekcji punktów charakterystycznych.

Prowadzący: mgr Michał Maj

Oprogramowanie: Python z pakietem tensorflow w wersji >=2.0 + podstawowe pakiety (np. numpy).

Sposób zaliczenia: Rozwiązanie zadań na zajęciach.

Liczba godzin: 8

Prezentacja projektów

Opis: Realizacja własnego projektu będzie zwieńczeniem nauki na danej ścieżce studiów, a zarazem okazją do wykorzystania i rozwinięcia wszystkich nabytych w jego trakcie umiejętności. Tematy prac oraz opiekunowie – do wyboru.

Prowadzący: dr inż. Karol Flisikowski

Liczba godzin: 6

łącznie godzin: 184
dr Olgun Aydin

dr Olgun Aydin

email: oaydin@zie.pg.edu.pl | email: olgunaydinn@gmail.com

Olgun Aydin finished his PhD by publishing a thesis about Deep Neural Networks. He works as a Senior Data Scientist in PwC Poland, gives lectures in Gdansk University of Technology in Poland and member of WhyR? Foundation. Olgun is a very big fan of R and author of the book called “R Web Scraping Quick Start Guide”, two video courses are called “Deep Dive into Statistical Modelling using R” and “Applied Machine Learning and Deep Learning with R”. He has already published academic papers about the application of statistics, machine learning, and deep learning. He loves statistics, and loves to investigate new methods and share his experience with other people.

mgr Jakub Borkowski

mgr Jakub Borkowski

email: jakub.borkowski@chionis.co

Absolwent matematyki finansowej, mól książkowy, pasjonat muzyki i lekkiego życia. Nieznosząca bezczynności dusza wciąż zmusza mnie do biegu w poszukiwaniu nowych ścieżek rozwoju. Ostatnio ukończyłem pracę z zakresu automatycznej diagnozy zdjęć RTG, nauczyłem się poprawnie piec soufflé i zarządzać niewielkim hotelem. Ponadto wraz z kolegą ze studiów zdecydowaliśmy się założyć zespół, który opracował oparte na wyjaśnialnej sztucznej inteligencji rozwiązanie dla lokalnej sieci placówek medycznych. Moje główne zainteresowania to marketing marki, podróże (głównie Afryka i Kaukaz Południowy), etno, jazz, sirtaki, tennis, narciarstwo, projekty graficzne i wykorzystanie wysokich technologii w medycynie.

mgr inż. Kamil Brodnicki

mgr inż. Kamil Brodnicki

email: kamil.brodnicki@zie.pg.gda.pl

Kamil Brodnicki jest asystentem w Katedrze Informatyki w Zarządzaniu na Wydziale Ekonomii i Zarządzania Politechniki Gdańskiej. Od 2017 roku jest kierownikiem laboratorium Customer Experience. Od 2011 roku pracuje w jednej z trójmiejskich firm IT jako Analityk Systemów Informatycznych, realizując projekty z branży finansowej. Jego zainteresowania badawcze koncentrują się w następujących obszarach: ergonomia i użyteczność w projektach informatycznych, analiza biznesowa i systemowa w IT, zastosowanie Design Thinking w funkcjonowaniu przedsiębiorstw.

mgr inż. Anna Czaja

mgr inż. Anna Czaja

email: amhczaja@gmail.com

Po ukończeniu studiów magisterskich na kierunku Informatyka (Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki) przez szereg lat pracowała jako programista. Jej zainteresowania badawcze skupiają się na tematyce gamifikacji oraz uczeniu maszyn.

dr inż. Michał Czubenko

dr inż. Michał Czubenko

email: m.czubenko@gmail.com

Michał Czubenko jest absolwentem Wydziału Elektroniki, Telekomunikacji i Informatyki na Politechnice Gdańskiej, gdzie obronił w 2017 roku z wyróżnieniem rozprawę doktorską w dyscyplinie automatyka i robotyka. W 2015 roku był wiceprzewodniczącym Komitetu Organizacyjnego na 12. Międzynarodowej Konferencji na temat Diagnostyka Procesów i Systemów, zaś w 2012 roku odbył trzymiesięczny staż w Kingston University London. Obecnie jest adiunktem na Politechnice Gdańskiej, związanym z Katedrą Systemów Decyzji i Robotyki. Aktualnie zajmuje się koncepcją modelowania emocji dla systemów autonomicznych. Obszar jego badań głównie leży w dziedzinie sztucznej inteligencji, robotyki i psychologii. Wśród jego głównych publikacji, można wyróżnić trzy wysoce cytowane artykuły JCR. Jego wskaźnik cytowań w Google Scholar właśnie przekroczył 190, zaś prywatnie zainteresuje się szachami, grą na gitarze, trekingiem (zwłaszcza w trudnych warunkach) i żeglarstwem.

dr inż. Karol Flisikowski

dr inż. Karol Flisikowski

email: karflisi@pg.edu.pl | www.flisikowski.eu

Karol Flisikowski jest absolwentem Wydziału Elektroniki, Telekomunikacji i Informatyki oraz Wydziału Zarządzania i Ekonomii na Politechnice Gdańskiej, gdzie obronił w 2015 roku rozprawę doktorską w dyscyplinie ekonomia/statystyka. W roku 2017 odbył staż na Uniwersytecie Porto, natomiast w latach 2018-2019 pracował na I-Shou University w Tajwanie. Od 15 lat jest pracownikiem Politechniki Gdańskiej, związanym z Zakładem Statystyki. Aktualnie zajmuje się modelowaniem ryzyka kredytowego i ograniczeń budżetowych gospodarstw domowych. Wśród jego głównych publikacji, można wyróżnić dwa wysoce cytowane artykuły JCR. W międzyczasie pracował także jako analityk kredytowy, budował modele scoringowe dla kilku instytucji. Obecnie zajmuje się głównie dydaktyką – prowadzi różnego typu kursy statystyczne (od niedawna zdalnie) oraz jest wykonawcą grantu „Mistrzowie dydaktyki”. Jest opiekunem naukowym studenckiego koła „Data Science” oraz członkiem-założycielem Centrum Nowoczesnej Edukacji PG.

dr Ewa Hope

dr Ewa Hope

email: ewa.hope@zie.pg.gda.pl

(Docent) Obecnie adiunkt na Wydziale Zarządzania i Ekonomii Politechniki Gdańskiej, kierownik Zakładu Nauk Filozoficznych na PG, Podyplomowych Studiów Public Relations i Podyplomowych Studiów Społecznej Odpowiedzialności Biznesu. Wykładowca przedmiotu „Etyka działań PR” na uczelniach polskich. Zdobywczyni nagród ogólnopolskich: „Łeb PR” – nominowana „za obronę prawdziwych i etycznych zasad w public relations” „Lew PR” – za „konsekwentną pracę na rzecz etyki w Public Relations”, „PRotony”za największe osiągnięcia w edukacji PR w 2013 roku. Autorka publikacji dotyczących problemów etycznych w PR, społecznej odpowiedzialności biznesu, etyki biznesu, m.inn książki „Public relations – czy to się sprawdzi?”,„Etyka w zawodzie specjalistów public relations”. Członek pierwszego składu Rady Etyki Public Relations – i jej współtwórczyni. Ekspert w Radzie Etyki PR – od 2016, ekspert w CSR – grupa Edukacja przy Ministerstwie Gospodarki. Od 2015, autorka blogu „Hope for future” na www.zie.pg.gda.pl

dr hab. Ewa Lechman, prof. PG

dr hab. Ewa Lechman, prof. PG

email: ewa.lechman@zie.pg.gda.pl

Absolwentka Wydział Ekonomicznego Uniwersytetu Gdańskiego, od roku 2002 zatrudniona na Wydziale Zarządzania i Ekonomii Politechniki Gdańskiej, gdzie w 2007 obroniła rozprawę doktorską z zakresu ekonomii rozwoju oraz nowych technologii. W 2016 roku uzyskała stopień doktora habilitowanego w dziedzinie nauk ekonomicznych. Jej zainteresowania naukowe koncentrują się wokół zagadnień związanych z ekonomią rozwoju, zaś w szczególności skupiają się wokół problematyki rozwoju społeczno-gospodarczego, ze szczególnym uwzględnieniem roli technologii informacyjnych i komunikacyjnych, jako jego determinant. Kierownik i współwykonawca grantów badawczych finansowanych przez Narodowe Centrum Nauki, Narodowy Bank Polski, CERGE-EI Global Development Network. Za prowadzoną działalność recenzencką w czasopismach naukowych, w roku 2013 otrzymałam międzynarodową nagrodę Emerald Literati Network 2013 Awards for Excellence przyznaną przez wydawnictwo Emerald Insight. Prowadzi szeroko zakrojoną działalność ekspercką w ramach której współpracuje m.in. z Agencją Rozwoju Pomorza w zakresie (od 2009 jest członkiem Zespołu Ekspertów, przy Agencji Rozwoju Pomorza, ds. oceny projektów małych i średnich przedsiębiorstw, składanych w ramach Funduszy Unii Europejskiej), od 2013 – członek Kapituły konkursu Gdyński Biznes Plan. Ekspert ds. oceny ex- post w projektach Narodowego Centrum Badań i Rozwoju (m.in. Take Off Austria, Competence Centres for Excellent Technologies).

 

mgr Michał Maj

mgr Michał Maj

email: michalmaj116@gmail.com

Data scientist z ponad 5 latami doświadczenia w tej dziedzinie, programista R / Shiny i freelancer, który interesuje się głębokim uczeniem maszynowym i statystyką. Uwielbia nowe wyzwania i zawsze jest gotów pomóc w rozwiązywaniu problemów związanych z data science. W codziennej pracy jest odpowiedzialny za projektowanie, testowanie i rozwój zaawansowanych modeli uczenia głębokiego i maszynowego w R i Python. Jest wielkim entuzjastą języka R i współorganizatorem Trójmiejskich spotkań entuzjastów R (https://www.meetup.com/Trojmiejska-Grupa-Entuzjastow-R/). Jest twórcą pakietu „platypus”, który umożliwia budowe zaawansowanych modeli głębokiego uczenia do detekcji obiektów i segmentacji obrazów, takich jak YOLOv3 i U-Net, w kilku wierszach kodu R: https://github.com/maju116/platypus

mgr Anna Pilawa-Sąsiadek

mgr Anna Pilawa-Sąsiadek

email: annamarpil@gmail.com

Praktyk Biznesu, menedżer z ponad 20-letnim doświadczeniem zawodowym, które zdobywała w rożnych sektorach (Finanse, Bankowość, EduTech, Energetyka, Produkcja) pełniąc kluczowe role w globalnych korporacjach (Sanoma, General Electric) i spółkach giełdowych. Członek Rady Programowej Forum Nowoczesnej Produkcji. Aktualnie Dyrektor Generalny ds. Operacji w BEST SA, uprzednio Wiceprezes Zarządu Grupy Black Red White i Prezes Zarządu BRW Comfort. Współzałożycielka działającej międzynarodowo firmy ResultChamps świadczącej profesjonalne usługi biznesowe w obszarach: akceleracja sprzedaży, automatyzacja procesów i optymalizacja kosztów oraz skuteczne transformacje modeli biznesowych. W swojej dotychczasowej karierze zrealizowała ponad 100 projektów w Polsce i za granicą. Ukończyła wydział Prawa i Administracji Uniwersytetu Gdańskiego oraz studia MBA prowadzone przez Gdańską Fundację Kształcenia Menedżerów we współpracy z Erasmus University of Rotterdam. Jest również absolwentem Politechniki Gdańskiej w ramach studiów podyplomowych „Sztuczna inteligencja i automatyzacja procesów biznesowych w ujęciu praktycznym”. Prywatnie mama trójki dzieci. Interesuje się historią powszechną i technikami komunikacji. Uwielbia pływać.

dr Grażyna Musiatowicz-Podbiał

dr Grażyna Musiatowicz-Podbiał

email: Grazyna.Podbial@pg.edu.pl

Dr Grażyna Musiatowicz-Podbiał jest zatrudniona na stanowisku adiunkta w Katedrze Informatyki w Zarządzaniu, Wydziału Zarządzania i Ekonomii Politechniki Gdańskiej Przez ponad 20 lat pracowała w instytucjach administracji państwowej oraz firmach sektora finansowego, m.in. w Nordea Bank Polska, GE Money Bank, Meritum Bank, Alior Bank i Nest Bank, zajmując stanowiska związane zarówno z informatyką i bezpieczeństwem teleinformatycznym, jak i zarządzając komórkami operacyjnymi i administracyjnymi. Ostatnie kilkanaście lat zarządzała zespołami specjalistów, zajmując kolejno stanowiska dyrektorskie jak i zasiadając w zarządach spółek. Aktualnie przekazuje zdobytą wiedzę i doświadczenie studentom w trakcie prowadzonych zajęć oraz rozwija swoje zainteresowania naukowe.

mgr inż. Karol Szymański

mgr inż. Karol Szymański

email: karszyma@pg.edu.pl

Absolwent Wydziału Elektroniki, Telekomunikacji i Informatyki na Politechnice Gdańskiej, gdzie uzyskał tytuł magistra inżyniera w 2017. Od 2017 jest doktorantem i asystentem w Katedrze Systemów Decyzyjnych i Robotyki; autorem 3 publikacji z dziedziny uczenia maszynowego. Poza uczelnią wykonywał pracę związaną z uczeniem maszynowym w kilku firmach m.i. w Amazonie, Intelu i OPEGIEKA. Prywatnie lubi wędkować i jeździć na nartach.

dr inż. Sebastian Wilczewski

dr inż. Sebastian Wilczewski

email: swilczewski@zie.pg.gda.pl

Dr inż. Sebastian Wilczewski. Od ponad 20 lat w branży IT. Obecnie jest zatrudniony w firmie Nordea jako lider międzynarodowego zespołu analityków IT oraz jako adiunkt na Wydziale Zarządzania i Ekonomii Politechniki Gdańskiej. Swoje doświadczenia zbierał w różnych obszarach IT: zarządzanie wymaganiami funkcjonalnymi i niefunkcjonalnymi (BABOK, IREB), zarządzanie projektami i portfelami (w podejściu zwinnym i klasycznym), zarządzanie usługami IT (ITIL), zarządzanie wiedzą. Pracował dla firm z różnych sektorów (wytwarzanie oprogramowania, bankowość, energetyka, sektor publiczny, ubezpieczenia, inne). Chętnie dzieli się wiedzą jako wykładowca, prelegent, menadżer i konsultant na studiach podyplomowych, konferencjach oraz w moich książkach, artykułach i webcastach. Posiada prestiżowe certyfikaty: PMP (Project Management Professional), certyfikaty ITIL czy Microsoft Most Valuable Professional (MVP) oraz tytuł doktora nauk o zarządzaniu i ekonomii.

Zajęcia odbywają się średnio dwa razy w miesiącu i są prowadzone przez 10 miesięcy z pominięciem wakacyjnych.

Zajęcia laboratoryjne (czyli większość) będą się odbywały na prywatnych komputerach uczestników ze względu na:

  • możliwość tworzenia indywidualnych kont użytkowników na platformach dostawców oferujących rozwiązania AI jako usługi internetowe
  • możliwość pracy nad rozwiązaniami pomiędzy zajęciami, np. w domu
  • możliwość zachowania wypracowanych przez użytkowników kodów źródłowych.

 

Link do E-kursy.

Aktualności aplikacyjne

  • REKRUTACJA TRWA
  • Uruchomienie edycji 1 – ścieżka techniczna oraz edycji 2 – ścieżka biznesowa nastąpi po zakończeniu pełnej rekrutacji. Rozpoczęcie studiów planowane jest w marcu 2022 r.

Kontakt

Kierownik Studiów Podyplomowych

prof. dr hab. Ewa Grzegorzewska-Mischka
pokój 510 gmach WZiE
Ewa.Grzegorzewska@zie.pg.gda.pl
T: +48 58 347 28 75, +48 500 073 737

Sekretariat

mgr Mariola Kummer
pokój 307 gmach WZiE
Mariola.Kummer@zie.pg.gda.pl
T: +48 664 240 388

Referencje

Szczerze polecam!

Szczerze polecam studia podyplomowe na PG. Dużo ciekawych rozwiązań, casów z innych firm i przede wszystkim znajomości z ludźmi z różnych branż.

Paweł
Studia Menedżer Sprzedaży

Bogaty program studiów

Bogaty program studiów znalazł przełożenie w rzeczywistości. Ilość przekazanej wiedzy i jej sposób przekazania był bardzo dostępny i trafiający do każdego.

Elżbieta
Studia Rachunkowości i finansów

Kopalnia wiedzy

Zajęcia były dla mnie kopalnią wiedzy, wspaniałym polem do wymiany doświadczeń i okazją do nawiązania trwałych przyjaźni.

Elwira
Studia Menedżer HR

Bogaty program

Bogaty program studiów znalazł przełożenie w rzeczywistości. Ilość przekazanej wiedzy i jej sposób przekazania był bardzo dostępny i trafiający do każdego.

Elżbieta
Studia Rachunkowości i finansów

 

Dlaczego studia na PG?

bookmark star icon

Ponad 117 lat doświadczenia

Politechnika Gdańska od 1904 roku jest pionierem edukacji spełniającym najwyższe standardy.

income icon

Kierunki poszukiwane przez pracodawców

Kreujemy ofertę kształcenia w oparciu o trendy i potrzeby rynku pracy.

learn icon

Kadra naukowa z doświadczeniem biznesowym

Łączymy wszechstronną wiedzę akademicką z praktyką i doświadczeniem biznesowym.