AI & Data Science - dzienny - (dla Firm)
Możliwość dofinansowania
AI & Data Science - dzienny - (dla Firm)
Numer usługi 2024/09/26/10671/2330921
12 177,00 PLN
brutto
9 900,00 PLNnetto
50,74 PLNbrutto/h
41,25 PLNnetto/h
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Administracja IT i systemy komputerowe
- Sposób dofinansowaniawsparcie dla osób indywidualnych
- Grupa docelowa usługi
Kurs przeznaczony jest dla osób, chcących wykonywać zawód Data Scientista, który wymaga licznych kompetencji z wielu różnych specjalności. Pożądane na rynku pracy jest to, aby Data Scientist miał zdolności matematyczne i analityczne, umiał programować, potrafił zaprezentować analizowane dane i wyciągnąć konkretne wnioski. Dodatkowo taka osoba powinna cechować się dociekliwością, umiejętnością opowiadania historii przez dane (data storytelling) i rozumieć potrzeby biznesu.
- Minimalna liczba uczestników8
- Maksymalna liczba uczestników18
- Data zakończenia rekrutacji28-10-2024
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi240
- Podstawa uzyskania wpisu do BURCertyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych
Cel
Cel
Cel edukacyjny
Podczas trwania kursu uczestnik rozwinie kompetencje, pozwalające na zdobycie zawodu Data Scientist.Po kursie uczestnik zna język Python, statystyczne metody analizy danych, metody uczenia maszynowego oraz DL - uczenie głębokie, zna bibliotekę SPARK do przetwarzania big data, umie korzystać z systemu kontroli wersji Git, umie posługiwać się językiem SQL. W trakcie zajęć uczestnik realizuje projekty, które składają się na syntezę umiejętności w postaci projektu finalnego.
Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
Efekty uczenia się Nauka języka Python, bibliotek ukierunkowanych na analizę danych,poznanie statystycznych metod analizy danych, poznasz metody uczenia maszynowego oraz głębokie uczenie (deep learning), poznanie biblioteki Spark, nauka korzystania z systemu kontroli wersji GIT | Kryteria weryfikacji Obecność na zajęciach | Metoda walidacji Wywiad swobodny |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Pytanie 1. Czy dokument potwierdzający uzyskanie kompetencji zawiera opis efektów uczenia się?
Dokument zawiera krótki opis nabytych umiejętności.
Pytanie 2. Czy dokument potwierdza, że walidacja została przeprowadzona w oparciu o zdefiniowane w efektach uczenia się kryteria ich weryfikacji?
Nie, nie potwierdza.
Pytanie 3. Czy dokument potwierdza zastosowanie rozwiązań zapewniających rozdzielenie procesów kształcenia i szkolenia od walidacji?
Nie, nie zapewnia.
Program
Program
TYDZIEŃ 1
Python podstawy
TYDZIEŃ 2
Python rozszerzenie
TYDZIEŃ 3
Python: Pandas
TYDZIEŃ 4
Python: praca z różnymi źródłami danych
TYDZIEŃ 5
Statystyka opisowa, rachunek prawdopodobieństwa, statystyka 1
TYDZIEŃ 6
Statystyka 2, model regresji liniowej 1
TYDZIEŃ 7
Model regresji liniowej cz. 2,
modelowanie szeregów czasowych
TYDZIEŃ 8
Podstawy uczenia maszynowego - problem klasyfikacji
TYDZIEŃ 9
Zaawansowane elementy uczenia maszynowego
TYDZIEŃ 10
Uczenie maszynowe: redukcja wymiaru i analiza danych tekstowych
TYDZIEŃ 11
Deep learning
TYDZIEŃ 12
Implementacja produkcyjnych systemów uczenia maszynowego cz 1
TYDZIEŃ 13
Implementacja produkcyjnych systemów uczenia maszynowego cz 2., Wykorzystanie sztucznej inteligencji w data science
TYDZIEŃ 14
Uczenie maszynowe: analiza podobieństwa obiektów, metoda najbliższych sąsiadów, segmentacja danych
TYDZIEŃ 15
SPARK
Harmonogram
Harmonogram
Liczba przedmiotów/zajęć: 20
| Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Przedmiot / temat zajęć 1 z 20 Programowanie w języku Python | Prowadzący - | Data realizacji zajęć 04-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 2 z 20 Programowanie w języku Python | Prowadzący - | Data realizacji zajęć 05-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 3 z 20 Programowanie w języku Python | Prowadzący - | Data realizacji zajęć 07-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 4 z 20 Programowanie w języku Python | Prowadzący - | Data realizacji zajęć 08-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 5 z 20 Analiza danych w języku Python | Prowadzący - | Data realizacji zajęć 12-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 6 z 20 Analiza danych w języku Python | Prowadzący - | Data realizacji zajęć 13-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 7 z 20 Analiza danych w języku Python | Prowadzący - | Data realizacji zajęć 14-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 8 z 20 Analiza danych w języku Python | Prowadzący - | Data realizacji zajęć 15-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 9 z 20 Uczenie maszynowe | Prowadzący - | Data realizacji zajęć 18-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 10 z 20 Uczenie maszynowe | Prowadzący - | Data realizacji zajęć 19-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 11 z 20 Uczenie maszynowe | Prowadzący - | Data realizacji zajęć 21-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 12 z 20 Uczenie maszynowe | Prowadzący - | Data realizacji zajęć 22-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 13 z 20 Uczenie maszynowe | Prowadzący - | Data realizacji zajęć 25-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 14 z 20 Uczenie maszynowe | Prowadzący - | Data realizacji zajęć 26-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 15 z 20 Uczenie maszynowe | Prowadzący - | Data realizacji zajęć 28-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 16 z 20 Uczenie maszynowe | Prowadzący - | Data realizacji zajęć 29-11-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 17 z 20 Deep learning | Prowadzący - | Data realizacji zajęć 02-12-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 18 z 20 Deep learning | Prowadzący - | Data realizacji zajęć 03-12-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 19 z 20 Deep learning | Prowadzący - | Data realizacji zajęć 05-12-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 20 z 20 Deep learning | Prowadzący - | Data realizacji zajęć 06-12-2024 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Cena
Cena
Cennik
- Rodzaj cenyCena
- Koszt przypadający na 1 uczestnika brutto12 177,00 PLN
- Koszt przypadający na 1 uczestnika netto9 900,00 PLN
- Koszt osobogodziny brutto50,74 PLN
- Koszt osobogodziny netto41,25 PLN
Prowadzący
Prowadzący
Liczba prowadzących: 3
1 z 3
Krzysztof Jankiewicz
Szeroko rozumiane przetwarzanie danych, to temat, którym Krzysztof zajmuje się od ponad 25 lat, czyli od początku swojej pracy zawodowej, tworząc i współtworząc przez ten czas dziesiątki systemów informatycznych.
Od tradycyjnych systemów baz danych małej i dużej skali (Oracle, PostgreSQL), przez wszelkiego rodzaju bazy danych NoSQL (Cassandra, Redis, Neo4j, MongoDB) na rozwiązaniach zaliczanych do klasy Big Data funkcjonujących w środowiskach chmurowych oraz on-premise kończąc.
Nie stroni od rozwiązań opartych na relacyjnym modelu danych, przez szereg lat zajmował się przetwarzaniem danych semistrukturalnych oraz danych przestrzennych, przez dłuższy czas tworzył aplikacje i prowadził szkolenia z platformy dla aplikacji mobilnych Android, od 2015 roku specjalizuje się w narzędziach Big Data wykorzystywanych zarówno do wsadowego przetwarzania danych (Hadoop, Pig, Hive, Spark, HBase) jak i przetwarzania strumieni danych (Spark, Kafka, Flink).
Pracuje jako pracownik akademicki na uczelniach publicznych i prywatnych, od 2001 roku prowadzi i tworzy szkolenia oraz warsztaty zarówno otwarte jak i przeznaczone dla konkretnego odbiorcy.
Od tradycyjnych systemów baz danych małej i dużej skali (Oracle, PostgreSQL), przez wszelkiego rodzaju bazy danych NoSQL (Cassandra, Redis, Neo4j, MongoDB) na rozwiązaniach zaliczanych do klasy Big Data funkcjonujących w środowiskach chmurowych oraz on-premise kończąc.
Nie stroni od rozwiązań opartych na relacyjnym modelu danych, przez szereg lat zajmował się przetwarzaniem danych semistrukturalnych oraz danych przestrzennych, przez dłuższy czas tworzył aplikacje i prowadził szkolenia z platformy dla aplikacji mobilnych Android, od 2015 roku specjalizuje się w narzędziach Big Data wykorzystywanych zarówno do wsadowego przetwarzania danych (Hadoop, Pig, Hive, Spark, HBase) jak i przetwarzania strumieni danych (Spark, Kafka, Flink).
Pracuje jako pracownik akademicki na uczelniach publicznych i prywatnych, od 2001 roku prowadzi i tworzy szkolenia oraz warsztaty zarówno otwarte jak i przeznaczone dla konkretnego odbiorcy.
2 z 3
Bartosz Mikulski
Data engineer (specjalizuje się w użyciu PySpark na platformie AWS), prelegent (Data Natives, LambdaDays oraz meetupy), blogger (https://mikulskibartosz.name). Współorganizator meetupów Poznan Software Craft Group oraz (już nieistniejącego) Poznan Scala User Group.
3 z 3
Patryk Palej
Od 2018 pracuje w obszarach analizy danych, uczenia maszynowego oraz programowania w Pythonie. Posiada background akademicki związany z matematycznym modelowaniem procesów fizycznych. Lubi dzielić się zdobytą wiedzą.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Materiały udostępniane w formie elektronicznej.
Nagrania ze wszystkich zajęć z trenerem.
Dostęp do kursu on-line z podstaw Pythona (trener: Maciej Bartoszuk)
Warunki uczestnictwa
Warunki uczestnictwa
- znajomość podstaw programowania w dowolnym języku (rozumienie pojęć takich jak pętla, instrukcja warunkowa, zmienna itp.)
- znajomość języka angielskiego na poziomie średniozaawansowanym
Informacje dodatkowe
- 256 h na żywo z trenerem (online)
- 40h pre-work
- 84h pracy własnej nad projektami
- 40h pracy przy projekcie końcowym
- Nieograniczony dostęp do nagrań z kursu
- Konsultacje i mentoring
- Aktualne narzędzia i dobre praktyki
- Zadania domowe i konsultacje przy ich rozwiązaniu na zamkniętej grupie na Slacku
- Uczestnik otrzyma zaświadczenie o ukończeniu kursu, jeśli zaliczy pozytywnie projekt końcowy.
- Godzina lekcyjna trwa 60 minut
Harmonogram jest ramowy, termin rozpoczęcia może ulec zmianie.
Warunki techniczne
Warunki techniczne
Zajęcia warsztatowe prowadzone na platformie zoom.
Wymagania:
- stabilne połączenie internetowe (zalecane min. 10Mbit/s download i 1Mbit/s upload)
- przeglądarka internetowa Chrome lub Firefox (zalecane Chrome); na urządzeniach mobilnych niezbędna jest aplikacja Zoom
- dobrej jakości słuchawki oraz mikrofon oraz miejsce wolne od hałasu
- (opcjonalnie) kamera internetowa
- (opcjonalnie) duży monitor lub dwa urządzenia (np. tablet na którym oglądamy szkolenia i komputer na którym pracujemy) lub dwa ekrany; w przypadku użycia dwóch niezależnych urządzeń nie będzie możliwości pokazania zawartości swojego ekranu
Kody otrzymują zapisani uczestnicy przed zajęciami.
Kontakt
Kontakt
Emilia Popko
E-mail
e.popko@sages.com.pl
Telefon
(+48) 692 204 438