Lielo datu analītika

Akadēmiskā maģistra programma 60 KP / 90 ECTS (ja iepriekš iegūts profesionālā bakalaura grāds), vai 80 KP / 120 ECTS (ja iepriekš iegūts akadēmiskā bakalaura grāds)

Šī ir Latvijā vienīgā maģistra līmeņa studiju programma, kas sagatavo datu (toskait Lielo datu) speciālistus darbam uzņēmumos un organizācijās.

Akreditēta līdz 2027. gada 5. augustam

Pieteikties

Galvenā informācija

  • Ilgums:
    1,5 gads (ja pabeigtas 4 gadu bakalaura studijas)
    2 gadi (ja pabeigtas 3 gadu bakalaura studijas)
  • Veids:
    Pilna laika (vakari)
  • Valoda:
    Angļu (pilna laika), Latviešu (pilna laika)
  • Kredītpunkti:
    60 KP / 90 ECTS (ja iepriekš iegūts profesionālā bakalaura grāds), vai 80 KP / 120 ECTS (ja iepriekš iegūts akadēmiskā bakalaura grāds)
  • Programmas grāds:
    Sociālo zinātņu maģistra grāds ekonomikā
  • Maksa gadā:
    LR pilsoņiem un pastāvīgajiem iedzīvotājiem:
    3340 EUR (latviešu valodā)
    4400 EUR (angļu valodā)

    ES, EEZ, NVS, Ukrainas, Gruzijas un Turkmenistānas pilsoņiem:
    3340 EUR (latviešu valodā)
    4980 EUR (angļu valodā)

    Ārzemniekiem, kas nav ES pilsoņi:
    5540 EUR (angļu valodā)

Šī ir Latvijā vienīgā maģistra līmeņa studiju programma, kas sagatavo datu (toskait Lielo datu) speciālistus darbam uzņēmumos un organizācijās. Tajā studējošie padziļināti apgūst prasmes datu iegūšanā, glabāšanā, apkopošanā, vizualizēšanā un analizēšanā. Šī programma atbilst pasaulē vadošo datu speciālistu izglītības programmu, ko īsteno Hārvardas universitāte, Stenfordas universitāte, IBM Lielo datu universitāte un citas prestižas augstskolas, definētajām prasmēm: uzņēmējdarbības prasme, analītiskā prasme, datoru zināšanas, statistikas un matemātikas zināšanas un mašīnmācības zināšanas.

Šīs ir pilna laika studijas, kas noris vakarā RISEBA galvenajā ēkā Meža ielā 3. Tās ir lekcijas ar daudzveidīgu ekonomikas nozares izglītības saturu par biznesa procesiem, kas ir saistīti ar uzņēmumu un organizāciju datu izmantošanu informācijas sistēmās, prognozēšanas modelēšanā, risku vadībā, statistiskā analīzē, biznesa datu apstrādē.
Studiju programmas uzdevumi ir apmācīt studējošos veikt organizāciju datu apstrādi, izmantojot SPSS un Power BI programmas pakotnes, veikt datu apstrādi relāciju datubāzēs, izmantojot SQL un R valodu instrumentus, veikt datu apstrādi nerelāciju (NoSQL), izmantojot MapReduce pieeju un Hadoop ekovides dažādos instrumentus, kā arī pielietot mašīnmācības metodes datu apstrādē, izmantojot uzraugošās un neuzraugošās mašīnmācības algoritmus, pielietojot Python valodu, KNIME un citus instrumentus.

Modulis Nr.1 “Uzņēmējdarbības datu apstrāde”: 11KP (16,5 ECTS)

Informācijas sistēmu biznesa prasību analīze un specifikācijas (Mini MBA, Mg.bus.man., Mg.inf.sys. J. Paksis, “Emergn”): 2 KP (A daļa)
Daudzfaktoru datu analīze (Dr.oec., prof. B. Sloka): 2 KP (A daļa)
Prognozēšanas metodes (Dr.sc.comp.h.c., prof. P. Rivža): 2 KP (B daļa)
Power BI praktiska pielietošana uzņēmējdarbības datu apstrādē (Dr.phys., prof. hon. I. Godmanis) : 2 KP (A daļa)
Biznesa analītika SPSS vidē (Dr.admin.sc., prof. I. Ludviga): 2 KP (A daļa)
Korporatīvā sociālā atbildība un vides ekoloģija (S. Blumberga): 1 KP (A daļa)


Modulis Nr.2 “Lielo datu pārvaldība”: 14 KP (20 ECTS)

Ievads Lielos Datos un mašīnmācībā (Dr.phys., doc. I. Godmanis): 3 KP (A daļa)
SQL valodas izmantošana darbā ar relāciju datu bāzēm (Mg.dat. E. Plācis, “Accenture”: 2 KP (A daļa)
R valoda (Mg.dat. A. Alksnis): 2 KP (A daļa)
Datu priekšapstrāde un datu pārvaldīšana, izmantojot R valodu: (Dr.oec., asoc.prof. E. Brēķis): 2 KP (B daļa)
Lielo datu pārvaldības instrumenti (Mg.eng.sc. A. Vesjolijs, “Accenture”): 3 KP (A daļa)
Datu vizualizācijas metodes (Dr.sc.ing. S. Bērziša): 2 KP (B daļa)


Modulis Nr.3 “Lielo datu izmantošana jaunās tehnoloģijās”: 9 KP (13,5 ECTS)

Python valoda (Dr.dat., asoc.prof. U. Bojārs): 2 KP (B daļa)
Praktiskā mašīnmācība, izmantojot Python valodu (Dr.sc.comp. J. Rāts): 2 KP (B daļa)
Lielo datu analītikas izmantošana uzņēmējdarbībā – KNIME u.c. rīki (MBA, Chicago uni., U. Sprūdžs): 3 KP (B daļa)
Biznesa platformas (Dr.phys, doc. I. Godmanis): 2 KP (C daļa)


Prakses darbs

  • 6 KP (ar 4 gadu bakalaura studijām),
  • 26 KP (ar 3 gadu bakalaura studijām)

Maģistra darbs (20 KP)

Mācībspēki

Uzņemšanas noteikumi

Lūdzam iepazīties ar uzņemšanas noteikumiem, kas publicēti mūsu mājaslapas sadaļā Nāc studēt -> Uzņemšanas noteikumi


Karjeras iespējas

Uzņēmumu un organizāciju pieprasījums pēc datu speciālistiem, kuri spēj un prot datus (toskait Lielos datus) izmantot (iegūt, apkopot, saglabāt, apstrādāt, vizualizēt un analizēt) strauji pieaug visā pasaulē, arī Latvijā. Digitālo biznesa platformu, Lietu Interneta un Mākslīgā intelekta tehnoloģiju pieaugošā attīstība un to pielietošana uzņēmumu un organizāciju darbībā balstās uz strauji pieaugoša apjoma daudzveidīgu datu (Lielo datu) izmantošanu, kuru pārzina šīs studiju programmas absolventi.


Iespējas studēt tālāk

Pēc programmas absolvēšanas ir iespēja turpināt izglītību doktorantūras studiju programmā Biznesa vadība

Doties Erasmus+ apmaiņas programmā var jebkurš maģistra programmas students, kurš ir pabeidzis vismaz vienu studiju gadu.
Students var doties studēt kādā no RISEBA partneruniversitātēm. Studiju mobilitātes ilgums ir 2-12 mēneši.
Par studiju un prakses apmaiņas programmā pavadīto periodu ārvalstīs studentam nav jāmaksā, mācību maksu sedz partneraugstskola, bet students turpina apmaksāt RISEBA studiju maksu. Par ārvalstīs mobilitātes laikā pavadīto periodu studentam tiek piešķirta Erasmus+ stipendija, lai nosegtu transporta un uzturēšanās izmaksas.
Erasmus+ prakses mobilitāte paredz, ka students var iziet praksi kādā no sev interesējošajiem uzņēmumiem kādā no Erasmus+ programvalstīm. Par šo prakses periodu students saņem Erasmus+ stipendiju. Prakses mobilitātes ilgums ir 2-12 mēneši.
Vairāk par Erasmus+ un pieteikšanos uzzini ŠEIT!

Pašnovērtējuma ziņojumi:
2018./2019.
2019./2020.
2020./2021.
2021./2022.

Monta Sapata
Vecākā studiju programmu administratore
Adrese
108, Meža iela 3
Marija Janova
Vecākā studiju programmu administratore
Adrese
108, Meža iela 3

    Sazinies ar mums

    To top