Informatics and Econometrics, full-time, second cycle programme (S2-PRK-IE)(in Polish: Informatyka i ekonometria, stacjonarne, drugiego stopnia) | |
second cycle programme full-time, 2-year studies Language: Polish | Jump to: Opis ogólnyLimit miejsc: 50, w tym: 45 miejsc w I turze, w rekrutacji czerwcowo-lipcowej oraz 5 miejsc w II turze, w rekrutacji sierpniowo-wrześniowej. Studia drugiego stopnia na kierunku „Informatyka i ekonometria” stanowią naturalną i pożądaną kontynuację studiów pierwszego stopnia na tym samym kierunku oraz na kierunkach pokrewnych. Ponadto, studia te są atrakcyjną propozycją dla osób posiadających dobre wykształcenie w zakresie matematyki i nauk ścisłych, a chcących poznać ich zadziwiająco praktyczne zastosowanie w ekonomii, zarządzaniu, finansach i ubezpieczeniach. Kierunek „Informatyka i ekonometria” jest 2. programem w Europie Wschodniej w kategorii Information Systems Management w rankingu Eduniversal Best Masters Ranking 2022. Absolwent tego kierunku posiada umiejętność swobodnego posługiwania się specjalistyczną terminologią ekonomiczną w języku angielskim i wykorzystuje ją w nieprzerwanym procesie rozwijania własnych kompetencji. Absolwent zna zaawansowane metody i najnowocześniejsze narzędzia wykorzystywane w pracy wysoko wyspecjalizowanego analityka danych empirycznych. Zna klasyczne i nowoczesne metody ilościowe, a także narzędzia informatyczne, obliczeniowe i ekonometryczne stosowane w procesie pogłębionej analizy danych. Zna niezbędne w analizie nowoczesne metody pozyskiwania i przetwarzania danych do badania. Absolwent zna i rozumie zaawansowane makroekonomiczne teorie opisujące funkcjonowanie gospodarki na poziomie pozwalającym wyjaśniać i interpretować zjawiska makroekonomiczne z wykorzystaniem zaawansowanych modeli i metodologii. Zna narzędzia wspomagające analizę mikroekonomiczną, zna również praktyczne aplikacje przedstawionych teorii i modeli. Absolwent zna programy do obliczeń statystycznych i ekonometrycznych, z których najważniejsze to R, SAS, Python, VBA. Rozumie założenia modeli statystycznych używanych w zaawansowanej analizie szeregów czasowych oraz rozumie ich matematyczne podstawy. Ma pogłębioną wiedzę na temat problemów pojawiających się w trakcie analizy danych empirycznych. Zna i rozumie metody konstruowania prognoz na podstawie wybranych modeli szeregów czasowych. Zna metody symulacji, w tym metodę Monte Carlo. Absolwent posiada pogłębioną teoretyczną i praktyczną wiedzę z zakresu prognozowania ekonomicznego, zna typy prognoz, metody pomiaru błędu prognozy. Absolwent zna także zaawansowane techniki informatyczne, szczególnie z zakresu programowania. Dogłębnie zna i rozumie podstawowe konstrukcje i pojęcia programistyczne używane w strukturalnych i obiektowych językach programowania. Zna klasyczne algorytmy oraz struktury danych. Ma podstawową wiedzę z zakresu projektowania oprogramowania. Student potrafi matematycznie modelować wybory konsumenta i producenta. Absolwent posiada szerokie i pogłębione umiejętności doboru właściwej koncepcji i modelu formalnego do analizy rynków finansowych. Umie nie tylko zaprojektować i przeprowadzić zaawansowane badanie empiryczne, ale poprawnie zinterpretować jego wyniki i poprawnie sformułować raport z całego badania. Rozwiązując problemy ekonomiczne, umie stosować rozszerzone narzędzia matematyczne, w tym zaawansowaną analizę matematyczną, równania różniczkowe oraz algorytmy optymalizacji. Potrafi wykorzystać poznane metody obliczeniowe do zaawansowanych badań ilościowych. Potrafi stosować metody statystycznej i ekonometrycznej analizy danych wielowymiarowych, a także analizować i prognozować szeregi czasowe. Absolwent posiada umiejętność doboru metody kalkulacji składki w ubezpieczeniach majątkowych i życiowych. Potrafi stosować zaawansowane narzędzia matematyczne i obliczeniowe do wyceny ryzyka ubezpieczeniowego. Umie obliczyć wysokość składki i poziom rezerwy w ubezpieczeniu indywidualnym i grupowym. Absolwent rozumie, że teorie ekonomiczne wymagają weryfikacji za pomocą danych empirycznych. Rozumie znaczenie badań ilościowych i ich rolę w analizowaniu procesów ekonomicznych. Absolwent zna obszary zastosowań metod ilościowych oraz technik informatycznych wykorzystywanych w pracy wysoko wykwalifikowanego analityka danych empirycznych. Rozumie ich znaczenie w procesie podejmowania strategicznych decyzji w wielu instytucjach i jednostkach analityczno-badawczych. Studenci mają też możliwość ukończenia programu SAS Data Mining Certificate Program, który przeznaczony jest dla analityków danych. Specjalistyczna wiedza z zakresu ekonometrii i informatyki pozwala podjąć pracę we wszystkich podmiotach gospodarczych i instytucjach, w których wymagane jest stosowanie narzędzi matematycznych, statystycznych, ekonometrycznych i informatycznych, jak również prowadzić własną działalność doradczą, która wymaga kwalifikacji analitycznych. Absolwent jest przygotowany do pracy nie tylko w instytucjach finansowych, ale również w firmach, w których przeprowadza się np. badania marketingowe. Kierunek jest prowadzony przez Wydział Nauk Ekonomicznych Uniwersytetu Warszawskiego, który:
|
Qualification awarded:
Access to further studies:
Learning outcomes
The graduate of this specialization:
- knows and understands in-depth theories of micro and macroeconomics, finance, insurance, mathematics, statistics, econometrics, computer science, and programming, as well as their applications in modelling social and economic processes; knows the developmental trends in the disciplines of economics and finance;
- knows and understands advanced quantitative methods used by economic and financial data analysts, including statistical, econometric, actuarial, computational, and IT methods used in the analysis of economic, financial, and management problems;
- knows and understands in-depth research methods using selected IT tools, including programming languages and analytical tools from the STATA, SAS, R, Matlab, Eviews, and Maxima groups;
- knows and understands the principles of industrial property protection and copyright law applied by the data analyst in relation to knowledge and data sources and IT tools;
- can combine advanced theoretical knowledge with a comprehensive approach to data processing and analysis, including the methodology of processing large data sets ("big data") and data analysis with an undefined structure ("data mining", "text mining"); can select and apply methods and tools in the field of information and communication;
- can perform complex statistical, econometric and simulation analyses, forecast time series, apply methods of quantitative and qualitative data analysis, including factor, discriminant, cluster, and multivariate analysis, as well as report and present results, also in the English language;
- can solve tasks on a higher level of difficulty using their own methods and analytical tools created in selected programming languages (C, C ++, R, Python, SQL, VBA, and 4GL) to acquire, integrate, process and analyse databases based on modern database systems; can plan and implement their own learning throughout their life;
- can lead debates, critically refer to the results of their own research and compare them with scientific research in economics and finance; can plan and organize their own and teamwork, especially of an interdisciplinary nature; can manage the work of analytical teams;
- can use English at B2 + level, including specialist terminology needed to work and conduct research in the field of economics and finance;
- is prepared to recognize a wide range of benefits of possessing the knowledge and skills related to complex data management in enterprises, research and financial institutions, banks, firms, and other entities, and is prepared to critically assess and expand their knowledge;
- is prepared to actively participate in the work of analytical teams and to fulfil social obligations, implement complex projects, think and act in an entrepreneurial way, as well as work individually and in a team in a creative way; and
- is prepared to observe professional ethical standards, fulfil the undertaken commitments, as well as develop and disseminate acquired competencies and knowledge.