Jakość danych i data governance w analizie danych oraz ML

Przegląd sekcji

• Wybierz sekcję Wizytówka kursu

  Minimalizuj Rozwiń

  Wizytówka kursu

  Zwiń wszystko Rozwiń wszystko

  • Wybierz aktywność ENHANCER+ wsparcie krótkich form kształcenia stude...

    

    

    ENHANCER+ wsparcie krótkich form kształcenia studentów i pracowników Politechniki Warszawskiej w środowisku międzynarodowym sojuszu ENHANCE.

    
  • Wybierz aktywność Informacje o publikacji

    Autorzy/Autorki:

    mgr Radosław Zając

    Afiliacja autorów:

    Wydział Zarządzania, Politechnika Warszawska

    Data publikacji:

    1 października 2026

    Korzystaj na licencji::

    CC BY 4.0 — Uznanie autorstwa

    Pokaż treść licencji

  • Wybierz aktywność Wizytówka kursu

      

      

• Wybierz sekcję Informacje o kursie

  Minimalizuj Rozwiń

  Informacje o kursie

  • Wybierz aktywność Jak realizować kurs

    

    Jak realizować kurs Strona
  • Wybierz aktywność Sylwetka absolwenta

    

    Sylwetka absolwenta Strona
• Wybierz sekcję Komunikacja

  Minimalizuj Rozwiń

  Komunikacja

  Kurs jest w formule otwartego dostępu w związku z czym elementy komunikacji wewnątrz kursu dla osób niezalogowanych nie są dostępne. Jeśli masz pytania lub znalazłeś błąd napisz do nas na pomoc.okno@pw.edu.pl.
• Wybierz sekcję Materiał merytoryczny

  Minimalizuj Rozwiń

  Materiał merytoryczny

  • Wybierz aktywność Wstęp do kursu

    

    Wstęp do kursu Plik

    materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji

  • • Minimalizuj Rozwiń

      Moduł 1: Wprowadzenie: dlaczego jakość danych decyduje o jakości analizy i ML

      • Wybierz aktywność M1 - Wprowadzenie: dlaczego jakość danych decyduje o jakości analizy i ML

        

        M1 - Wprowadzenie: dlaczego jakość danych decyduje o jakości analizy i ML Plik

        materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji

      • Wybierz aktywność M1 - Test samosprawdzający

        

        M1 - Test samosprawdzający H5P
  • • Minimalizuj Rozwiń

      Moduł 2: Wymiary jakości danych w praktyce

      • Wybierz aktywność M2 - Wymiary jakości danych w praktyce

        

        M2 - Wymiary jakości danych w praktyce Plik

        materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji

      • Wybierz aktywność M2 - Test samosprawdzający

        

        M2 - Test samosprawdzający H5P
  • • Minimalizuj Rozwiń

      Moduł 3: Cykl życia danych i źródła problemów jakości

      • Wybierz aktywność M3 - Cykl życia danych i źródła problemów jakości

        

        M3 - Cykl życia danych i źródła problemów jakości Plik

        materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji

      • Wybierz aktywność M3 - Test samosprawdzający

        

        M3 - Test samosprawdzający H5P
  • • Minimalizuj Rozwiń

      Moduł 4: Data Governance i role w organizacji

      • Wybierz aktywność M4 - Data Governance i role w organizacji

        

        M4 - Data Governance i role w organizacji Plik

        materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji

      • Wybierz aktywność M4 - Test samosprawdzający

        

        M4 - Test samosprawdzający H5P
  • • Minimalizuj Rozwiń

      Moduł 5: Data Quality by Design

      • Wybierz aktywność M5 - Data Quality by Design

        

        M5 - Data Quality by Design Plik

        materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji

      • Wybierz aktywność M5 - Test samosprawdzający

        

        M5 - Test samosprawdzający H5P
  • • Minimalizuj Rozwiń

      Moduł 6: Bias, leakage i drift w praktyce ML

      • Wybierz aktywność M6 - Bias, leakage i drift w praktyce ML

        

        M6 - Bias, leakage i drift w praktyce ML Plik

        materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji

      • Wybierz aktywność M6 - Test samosprawdzający

        

        M6 - Test samosprawdzający H5P
  • • Minimalizuj Rozwiń

      Moduł 7: Jakość etykiet, celu i definicji biznesowych

      • Wybierz aktywność M7 - Jakość etykiet, celu i definicji biznesowych

        

        M7 - Jakość etykiet, celu i definicji biznesowych Plik

        materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji

      • Wybierz aktywność M7 - Test samosprawdzający

        

        M7 - Test samosprawdzający H5P
  • • Minimalizuj Rozwiń

      Moduł 8: Monitorowanie jakości danych po wdrożeniu modelu

      • Wybierz aktywność M8 - Monitorowanie jakości danych po wdrożeniu modelu

        

        M8 - Monitorowanie jakości danych po wdrożeniu modelu Plik

        materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji

      • Wybierz aktywność M8 - Test samosprawdzający

        

        M8 - Test samosprawdzający H5P
  • • Minimalizuj Rozwiń

      Moduł 9: Audyt, regulacje i zaufanie do modeli ML

      • Wybierz aktywność M9 - Audyt, regulacje i zaufanie do modeli ML

        

        M9 - Audyt, regulacje i zaufanie do modeli ML Plik

        materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji

      • Wybierz aktywność M9 - Test samosprawdzający

        

        M9 - Test samosprawdzający H5P
  • • Minimalizuj Rozwiń

      Moduł 10: Warsztat końcowy: rekomendacja Data Governance dla Customer 360

      • Wybierz aktywność M10 - Warsztat końcowy: rekomendacja Data Governance dla Customer 360

        

        M10 - Warsztat końcowy: rekomendacja Data Governance dla Customer 360 Plik
      • Wybierz aktywność M10 - Test samosprawdzający

        

        M10 - Test samosprawdzający H5P
  • • Minimalizuj Rozwiń

      Zasoby wspólne dla modułów merytorycznych

      • Wybierz aktywność Dane wejściowe do części laboratoryjnej (data)

        

        Dane wejściowe do części laboratoryjnej (data) Folder