Cel i misja koła
Działające na wydziałach ZiE oraz ETi koło naukowe Data Science Club tworzą pasjonaci szeroko pojętej analizy danych. Od klasycznych metod statystyki i ekonometrii po zaawansowane algorytmy uczenia maszynowego i pogłębionego z wykorzystaniem technologii Big Data. Naszą misją jest wspólne odkrywanie świata data science oraz dzielenie się posiadanymi umiejętnościami analitycznymi umożliwiającymi rozwiązywanie realnie istniejących problemów. W naszej działalności wyróżniamy się profesjonalnym podejściem w realizowaniu podejmowanych przedsięwzięć. Wiedzę zdobywamy w sposób praktyczny poprzez uczestnictwo w warsztatach organizowanych przez członków koła. Nasze zainteresowania obejmują cały cykl życia danych. Od pozyskania ze źródeł, przez projektowanie architektury aż po konstruowanie modeli uczenia maszynowego i wizualizację. Pozyskane umiejętności wykorzystujemy w realizacji różnorodnych projektów badawczych, wykorzystując zarówno klasyczne, jak i nowoczesne metody przetwarzania danych oparte na rozwiązaniach chmurowych. Nasze koło cieszy się ogromnym zainteresowaniem ze strony przedstawicieli świata biznesu. Od lat nawiązują z nami współpracę przedsiębiorstwa, będące potencjalnymi pracodawcami dla studentów naszych wydziałów.
Nabór
Nabór do koła jest otwarty. Zainteresowanych powiększeniem grona pasjonatów analizy danych zapraszamy do kontaktu poprzez:
- E-mail: datascienceclubgut@gmail.com
- Strona: https://pg.edu.pl/datascienceclub
- Youtube: https://www.youtube.com/channel/UCPgrt8GTI_fYRIx17LzpaPA
- Facebook: https://www.facebook.com/datascienceclubgut
- Twitter: https://twitter.com/datascience_pg
- Discord: po rekrutacji
Opiekun koła
Nieocenionym wsparciem dla naszego koła jest dr inż. Karol Flisikowski, prof. PG, Profesor Katedry Statystyki i Ekonometrii
Dane kontaktowe:
- email: karol.flisikowski@pg.edu.pl, strona: http://www.flisikowski.eu
- telefon: (58) 348 63 12
- Gmach B pokój 708
Osiągnięcia
1. Pierwsze miejsce w krajowym etapie V edycji Międzynarodowego Konkursu Umiejętności Statystycznych 2020. Tytuł projektu: “Influence of the blue light from electrical devices on sleep quality”. W składzie nagrodzonego zespołu znaleźli się dr inż. Karol Flisikowski (opiekun) oraz studenci: Norbert Nieżorawski, Marta Sobolewska, Maciej Winnik. Więcej informacji: https://zie.pg.edu.pl/strona-glowna/wydarzenia/zwyciestwo-zespolu-pg
2. Pierwsze miejsce w tegorocznym konkursie pod patronatem Dziekan Wydziału Zarządzania i Ekonomii Politechniki Gdańskiej na finansowanie projektów studenckich realizowanych przez koła naukowe. Grant naukowy w wysokości 15 000 zł.
Działalność koła w roku akademickim 2021/2022:
1. Realizacja projektu badawczego mającego na celu opracowanie modelu uczenia maszynowego służącego przewidywaniu cen lokali mieszkalnych na polskim rynku nieruchomości. Wykorzystane zostaną najnowsze technologie z dziedziny data science takie, jak m.in.: AWS, Delta Lake, MLflow, Airflow, Kubernetes, Docker, Spark, Pandas, Git, Dash czy Clickhouse. Projekt w całości będzie finansowany z pozyskanego na drodze konkursu grantu naukowego. Planowany czas realizacji projektu szacowany jest na trzy do dwunastu miesięcy.
2. Organizacja warsztatów z zakresu:
- Przetwarzanie Big Data w Chmurze z Apache Spark.
- Web Scraping Python + Selenium w Chmurze.
- Wydajne przetwarzanie i analiza danych w R i Pythonie.
- Machine Learning oraz analiza statystyczna w R i Pythonie.
- Projektowanie nowoczesnych systemów przetwarzania danych.
- Wdrażanie i utrzymywanie modeli maszynowych – MLOps.
- Rozwiązania chmurowe do przetwarzania danych.
- Systemy kontroli wersji – Git.
- Konteneryzacja – Docker.
- SQL oraz bazy danych.
- Przetwarzanie rozproszone.
- Wizualizacja danych.
Działalność koła w ubiegłych latach
1. Realizacja projektu „Fuzzy matching polskich adresów pocztowych” we współpracy z firmą Best S.A. w Gdyni.
2. Warsztaty organizowane wraz z przedstawicielami firmy Thomson Reuters pt. „Po co Tobie R? Biznes a wizualizacje”.
3. Reprezentacja koła na Forum Organizacji i Kół Akademickich FOKA.
4. Organizacja warsztatów pt.:
- What is Data Science?
- Python Basics for Data Science.
- Pandas Data Manipulation.
- Model Development Cycle to Solve Real Life Problems.
- Harnessing a Deep Learning project.
- Manipulating Databases with Python – SQLAlchemy.