Kurs Analityk Danych + AI | forma zdalna w czasie rzeczywistym
Możliwość dofinansowania
Kurs Analityk Danych + AI | forma zdalna w czasie rzeczywistym
Numer usługi 2025/04/18/11051/2698833
5 400,00 PLN
brutto
4 390,24 PLNnetto
69,23 PLNbrutto/h
56,29 PLNnetto/h
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Bazy danych
- Identyfikatory projektówMałopolski Pociąg do kariery
- Grupa docelowa usługi
DLA KOGO JEST TEN KURS?
Szkolenie przeznaczone jest dla osób bez doświadczenia w programowaniu, z podstawowym doświadczeniem w zakresie analizy danych. Wcześniejsze doświadczenie i wiedza z zakresu programowania w dowolnym języku mogą być pomocne, lecz nie są konieczne do wzięcia udziału w kursie.
Dobrze, by osoba chcąca skorzystać ze szkolenia była chętna do zdobywania nowej wiedzy, doceniała wartość automatyzowania wykonywanych czynności oraz tworzenia wizualizacji danych w komunikacji z interesariuszami.
Kurs skierowany również dla osób mających dofinansowanie w ramach projektu Kierunek – Rozwój.
Usługa również adresowana dla Uczestników Projektu MP i/lub dla Uczestników Projektu NSE.
- Minimalna liczba uczestników10
- Maksymalna liczba uczestników15
- Data zakończenia rekrutacji14-07-2025
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi78
- Podstawa uzyskania wpisu do BURZnak Jakości TGLS Quality Alliance
Cel
Cel
Cel edukacyjny
Celem szkolenia jest poszerzenie wiedzy oraz umiejętności osób zajmujących się zawodowo analizą danych, które chcą do tego wykorzystać metody programistyczne, ze szczególnym naciskiem na zastosowanie języka programowania Python.Ma ono wyposażyć uczestników w znajomość podstaw teoretycznych i praktycznych wykonywania analiz dużych zbiorów danych, budowania raportów, wyciągania wniosków oraz tworzenia na ich podstawie rekomendacji biznesowych.
Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
Efekty uczenia się Posługuje się wiedzą z zakresu środowiska pracy Analityka | Kryteria weryfikacji Zakłada i konfiguruje konta GitHub oraz podstaw pracy z repozytoriami. Dokonuje Tworzenia, klonowania i zarządzania projektami za pomocą systemu kontroli wersji Git oraz Efektywnego śledzenia zmian w kodzie, analizy historii projektu. Dowie się, jak uruchomić, korzystać i organizować pracę w Jupyter Notebook. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Charakteryzuje podstawy Pythona w analizie danych | Kryteria weryfikacji Stosuje podstawy Pythona, typy danych i operacje na nich oraz podstawy programowania algorytmicznego. Charakteryzuje zasady tworzenia instrukcji warunkowych oraz pętli w automatyzacji zadań. Dowie się, jak używać Pythona do przetwarzania i czyszczenia danych. Definiuje pracę z listami, krotkami, zestawami i słownikami do efektywnego przechowywania iprzetwarzania danych. Stosuje pisanie skryptów do automatyzacji prostych zadań analitycznych. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Definiuje obiektowość w analizie danych (OOP) | Kryteria weryfikacji Opisuje zasady programowania obiektowego (OOP) i ich zastosowanie w analizie danych. Obsługuje tworzenie i zarządzanie klasami oraz obiektami. Definiuje dziedziczenie, polimorfizm i enkapsulacja w kontekście pracy z danymi. Dowie się, jak OOP wspiera modularność i ponowne wykorzystanie kodu. Dokonuje projektowania obiektów i ich implementacji w kontekście analizy danych. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Stosuje Analizę danych z użyciem SQL (SQLite) | Kryteria weryfikacji Stosuje podstawy SQL i jak działa baza danych SQLite. Dowie się, jak tworzyć i zarządzać tabelami w SQLite. Opisuje i wdraża pisanie zapytań SELECT do pozyskiwania danych. oraz jak filtrować, sortować i agregować dane w SQL. Stosuje tworzenie efektywnych zapytań z wykorzystaniem JOIN, GROUP BY i HAVING. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Opisuje przetwarzanie wielowymiarowych danychz użyciem tablic NumPy | Kryteria weryfikacji Definiuje podstawy pracy z biblioteką NumPy i jej rolę w analizie danych. Stosuje tworzenie i manipulacja tablicami wielowymiarowymi oraz operacje matematyczne i statystyczne na tablicach NumPy. Dowie się, jak efektywnie przetwarzać i filtrować duże zbiory danych. Opisuje zastosowanie NumPy w analizie wielowymiarowej i algebrze liniowej. Opisuje i wdraża optymalizację wydajności analiz poprzez użycie NumPy. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Definiuje zasady Analizy danych z biblioteką Pandas | Kryteria weryfikacji Obsługuje podstawy pracy z biblioteką Pandas i jej zastosowanie w analizie danych. Stosuje pracę z DataFrame: tworzenie, indeksowanie i filtrowanie danych. Opisuje, jak stosować manipulację danymi: agregacja, grupowanie i przekształcanie danych. Obsługuje importowanie, eksportowanie i czyszczenie danych z użyciem Pandas. Dowie sią jak, tworzyć zaawansowanych analiz i wizualizacji danych z Pandas. Dokonuje integracji Pandas z innymi narzędziami i bibliotekami w Pythonie | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Opisuje sposób pozyskiwania danych z API oraz Web Scraping | Kryteria weryfikacji Stosuje podstawy pracy z API: jak wysyłać zapytania i odbierać dane w formacie JSON.Definiuje autoryzacje i uwierzytelnianie przy pracy z API. Opisuje techniki Web Scraping: jak pozyskiwać dane z HTML przy użyciu bibliotek BeautifulSoup i Scrapy. Potrafi obrabiać i czyścić dane pozyskane z sieci. Dowie się, jak pozyskiwać dane z popularnych serwisów internetowych. Charakteryzuje etyczne aspekty Web Scraping i przestrzeganie zasad zgodności. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Obsługuje dobre prompty – wykorzystanie AI w analizie danych | Kryteria weryfikacji Stosuje formułowania skutecznych promptów, aby otrzymać wartościowe informacje. Potrafi używać dopasowywania promptów do konkretnych etapów analizy danych. Dokonuje Weryfikowania oraz udoskonalania promptów na podstawie otrzymanych rezultatów. Dowie się, jak unikać typowych pułapek – zbyt ogólnych, wieloznacznych lub nieprecyzyjnychzapytań. Stosuje AI do generowania sugestii dotyczących kodu, metryk, metod analizy czy wizualizacji danych oraz do integracji sztucznej inteligencji z istniejącymi narzędziami i procesami pracy analityka, celem zwiększenia efektywności i jakości wyników. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Stosuje efektywne wizualizacje danych w Pythonie | Kryteria weryfikacji Stosuje podstawy tworzenia wizualizacji z użyciem bibliotek Matplotlib i Seaborn. Obsługuje tworzenie różnych typów wykresów, takich jak słupkowe, liniowe, kołowe i wykresyrozrzutu. Stosuje personalizację wykresów: kolory, style, etykiety i legendy oraz dokonuje tworzenia interaktywnych wizualizacji za pomocą Plotly. Potrafi używać wizualizacji do opowiadania historii danych (data storytelling). Stosuje optymalizację wizualizacji pod kątem różnych odbiorców i platform | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Stosuje raportowanie danych dla biznesu w Pythonie | Kryteria weryfikacji Tworzy raporty danych w Pythonie z użyciem bibliotek takich jak Pandas iMatplotlib. Dowie się, jak generować zautomatyzowanych raportów w formacie PDF i Excel. Potrafi używać integracji danych z różnych źródeł w celu stworzenia kompleksowego raportu. Stosuje zastosowanie Pythona do monitorowania kluczowych wskaźników wydajności (KPI) oraz personalizację raportów według potrzeb odbiorcy (np. menedżerowie, analitycy). Obsługuje automatyzację procesu raportowania i powiadamiania o wynikach. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Tworzy dashboardy z wykorzystaniem Tableau | Kryteria weryfikacji Stosuje podstawy pracy z Tableau: importowanie danych i tworzenie podstawowychwizualizacji. Dokonuje projektowania interaktywnych dashboardów w Tableau. Stosuje tworzenie dynamicznych wykresów, map i tabel oraz łączenie różnych źródeł danych i ich wizualizacja w jednym dashboardzie. Dokonuje optymalizacji dashboardów pod kątem wydajności i czytelności oraz dowie się jak, publikować i udostępniać dashboardów w organizacji. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Obsługuje techniki AI (Machine Learning) | Kryteria weryfikacji Definiuje podstawowe pojęcia i techniki uczenia maszynowego. Dowie się, jak przygotować dane do treningu modelu Machine Learning. Stosuje implementację prostych modeli predykcyjnych z użyciem scikit-learn. Opisuje i wdraża ocenę i optymalizację modeli Machine Learning. Charakteryzuje techniki uczenia nadzorowanego i nienadzorowanego. Dowie się, jak praktycznie zastosować AI w analizie danych: od prognozowania trendów poklasyfikację. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Współpracuje i komunikuje się z członkami zespołu. | Kryteria weryfikacji Stosuje zasady komunikacji w grupie. | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
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?
TAK
Pytanie 2. Czy dokument potwierdza, że walidacja została przeprowadzona w oparciu o zdefiniowane w efektach uczenia się kryteria ich weryfikacji?
TAK
Pytanie 3. Czy dokument potwierdza zastosowanie rozwiązań zapewniających rozdzielenie procesów kształcenia i szkolenia od walidacji?
TAK
Program
Program
Moduły szkoleniowe
Celem szkolenia jest poszerzenie kompetencji uczestników w zakresie przetwarzania i analizy danych z wykorzystaniem języka programowania Python. Ma ono wyposażyć uczestników w znajomość technologii i narzędzi niezbędnych do pracy, ale także pokazać dobre praktyki i umożliwić zmierzenie się z praktycznym zastosowaniem zdobytej wiedzy.
W czasie całego cyklu nauczania staramy się dać adeptom nie tylko wiedzę, ale przede wszystkim możliwość zrozumienia, jak wygląda codzienna praca z analizą danych. Wszystkie zajęcia mają więc formę warsztatową i prowadzone są przez doświadczonych praktyków, specjalistów w wybranych dziedzinach.
Kurs opublikowany w godzinach zegarowych.
Ewentualne przerwy w trakcie trwania zajęć będą ustalane indywidualnie między trenerem a uczestnikami. Przerwy wliczają się do czasu trwania zajęć.
Tematyka szkolenia:
- Analiza danych z użyciem SQL (SQLite)
- Podstawy Pythona w analizie danych
- Obiektowość w analizie danych (OOP)
- Praca z bibliotekami, modułami i plikami w analizie danych
- Stosowanie wyjątków oraz regexów w analizie danych
- Środowisko pracy GitHub z użyciem CoPilot
- Przetwarzanie wielowymiarowych danych z użyciem tablic NumPy
- Analiza danych z biblioteką Pandas
- Pozyskiwanie danych z API oraz Web Scraping
- Zastosowanie Pythona w Microsoft Excel
- Efektywne wizualizacje danych w Pythonie
- Raportowanie danych dla biznesu w Pythonie
- Tworzenie dashboardów z wykorzystaniem Tableau
- Wprowadzenie do technik AI (Machine Learning)
Harmonogram
Harmonogram
Liczba przedmiotów/zajęć: 27
| Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Przedmiot / temat zajęć 1 z 27 Środowisko pracy Analityka - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 15-07-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 2 z 27 Python Typy danych - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 17-07-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 3 z 27 Python Instrukcje i pętle 1/2 - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 29-07-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 4 z 27 Python Instrukcje i pętle 2/2 - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 31-07-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 5 z 27 Python Funkcje 1/2 - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 05-08-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 6 z 27 Python Funkcje 2/2 - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 07-08-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 7 z 27 Obiektowość w analizie danych (OOP) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 19-08-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 8 z 27 Praca z bibliotekami, modułami i plikami w analizie danych - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 21-08-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 9 z 27 Stosowanie wyjątków oraz regexów w analizie danych - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 02-09-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 10 z 27 Analiza danych z użyciem SQL (SQLite) 1/2 - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 04-09-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 11 z 27 Analiza danych z użyciem SQL (SQLite) 2/2 - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 09-09-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 12 z 27 Przetwarzanie wielowymiarowych danych z użyciem tablic NumPy - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 11-09-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 13 z 27 Analiza danych z biblioteką Pandas 1/3 – (podstawy) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 23-09-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 14 z 27 Analiza danych z biblioteką Pandas 2/3 – (zaawansowane operacje, grupowanie) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 25-09-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 15 z 27 Analiza danych z biblioteką Pandas 3/3 – (optymalizacja, praca z dużymi zbiorami) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 30-09-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 16 z 27 Pozyskiwanie danych z API oraz Web Scraping - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 02-10-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 17 z 27 Dobre prompty – wykorzystanie AI w analizie danych - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 14-10-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 18 z 27 Efektywne wizualizacje danych w Pythonie 1/3 – (podstawy bibliotek do wizualizacji, np. Matplotlib) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 16-10-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 19 z 27 Efektywne wizualizacje danych w Pythonie 2/3 – (zaawansowane wizualizacje, np. Seaborn) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 21-10-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 20 z 27 Efektywne wizualizacje danych w Pythonie 3/3 – (interaktywne wizualizacje, np. Plotly) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 23-10-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 21 z 27 Raportowanie danych dla biznesu w Pythonie 1/2 – (formatowanie i generowanie raportów) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 04-11-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 22 z 27 Raportowanie danych dla biznesu w Pythonie 2/2 – (automatyzacja raportowania) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 06-11-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 23 z 27 Tworzenie dashboardów z wykorzystaniem Tableau 1/2 – (podstawy Tableau) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 18-11-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 24 z 27 Tworzenie dashboardów z wykorzystaniem Tableau 2/2 – (zaawansowane techniki, integracje) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 20-11-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 25 z 27 Wprowadzenie do technik AI (Machine Learning) 1/2 – (podstawy ML, trening prostych modeli) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 25-11-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:00 | Liczba godzin 02:30 |
Przedmiot / temat zajęć 26 z 27 Walidacja za pomocą testu z wynikiem generowanym automatycznie | Prowadzący Karolina Wadowska | Data realizacji zajęć 25-11-2025 | Godzina rozpoczęcia 20:00 | Godzina zakończenia 20:30 | Liczba godzin 00:30 |
Przedmiot / temat zajęć 27 z 27 Wprowadzenie do technik AI (Machine Learning) 2/2 – (wykorzystanie ML w praktycznych scenariuszach analitycznych) - rozmowa na żywo | Prowadzący Karolina Wadowska | Data realizacji zajęć 27-11-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 5 400,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 4 390,24 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 69,23 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 56,29 PLN |
Prowadzący
Prowadzący
Liczba prowadzących: 1
1 z 1
Karolina Wadowska
Trenerka infoShare Academy. Trenerka Karolina Wadowska ukończyła między innymi Politechnikę Warszawską, specjalność Data Science i Big Data, a także Uniwersytet AGH w Krakowie. Pracuje zawodowo z danymi jako Data Scientist od 2017 roku, swoją karierę rozpoczynała w obszarze uczenia maszynowego dla sektora bankowego. Posiada dyplomy Szkoły Głównej Handlowej oraz Politechniki Warszawskiej. Z infoShare Academy współpracuje od ponad 5 lat, obecnie prowadzi też ćwiczenia projektowe dla studentów AGH. Pasjonuje się pracą z ludźmi i prezentowaniem odbiorcom zastosowania zaawansowanej analityki w różnych obszarach ich biznesu. Pracowała jako Data Science dla takich firm jak Citi, T-Mobile, infor iIT.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Materiały przekazywane kursantom podczas zajęć są udostępniane w formie linków do źródeł, nie udostępniamy ich przed rozpoczęciem szkolenia, a w trakcie zajęć. Przed pierwszymi zajęciami uczestnicy otrzymują prework, są to materiały do samodzielnej nauki przygotowujące do kursu.
Trener udostępnia autorskie materiały w formie linków do źródeł.
Warunki uczestnictwa
CZEGO OCZEKUJEMY OD CIEBIE?
- wysokiej motywacji
- otwartej głowy, która umie liczyć
- podstawowej znajomości języka angielskiego
Warunki techniczne
- własny laptopa z systemem operacyjnym Windows 10 /11 lub/ MacOS 11.7.10 Big Sur /lub wyższy, Linux
- optymalna konfiguracja sprzętowa: procesor i5+ lub podobny, 8GB+ pamięci RAM, zalecany dysk SSD
- konieczność posiadania kamerki, mikrofonu, słuchawek i internetu
- opcjonalnie dodatkowy monitor
Kurs również skierowany jest do osób, które otrzymały dofinansowanie w ramach projektu Kierunek – Rozwój.
Przed zapisaniem się na kursu Kandydat musi przejść proces rekrutacji. W tym celu skontaktuj się z infoShare Academy.
Informacje dodatkowe
- Warsztaty prowadzone przez doświadczoną trenerkę
- Niezbędne licencje na oprogramowanie w trakcie kursu
- Wsparcie techniczne
- Zajęcia będą realizowane przy użyciu platformy Zoom, komunikacja będzie odbywała się za pomocą Slack
- uczestnik otrzyma link umożliwiający uczestnictwo podczas zajęć, który będzie ważny od godziny rozpoczęcia przez cały czas trwania danych zajęć
- Po zakończeniu kursu wystawiamy zaświadczenie o uczestnictwie w kursie
Kurs również dedykowany jest dla osób chcących skorzystać z projektu "Małopolski pociąg do kariery"
Na zakończenie kursu jest przeprowadzany test końcowy, który jest wymagany do zaliczenia kursu.
Warunki techniczne
Warunki techniczne
Wymagania sprzętowe:
- własny laptopa z systemem operacyjnym Windows 10 /11 lub/ MacOS 11.7.10 Big Sur /lub wyższy, Linux
optymalna konfiguracja sprzętowa: procesor i5+ lub podobny, 8GB+ pamięci RAM, zalecany dysk SSD -
konieczność posiadania kamerki, mikrofonu, słuchawek i internetu
-
opcjonalnie dodatkowy monitor
Kontakt
Kontakt
Anna Mikulska
E-mail
anna.mikulska@infoshareacademy.com
Telefon
(+48) 730 822 802