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
- Identyfikator projektuMałopolski Pociąg do kariery
- Sposób dofinansowaniawsparcie dla osób indywidualnychwsparcie dla pracodawców i ich pracowników
- 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 rekrutacji10-07-2025
- 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 obsługuje środowisko pracy Analityka | Kryteria weryfikacji dokonuje zakładania i konfiguracji 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 obsługuje 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 obsługuje obiektowość w analizie danych (OOP) | Kryteria weryfikacji stosuje 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 obsługuje Analiza 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 obsługuje 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 obsługuje Analiza 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 obsługuje 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 obsługuje 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 obsługuje raportowanie danych dla biznesu w Pythonie | Kryteria weryfikacji dokonuje tworzenia raportów 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 obsługuje tworzenie dashboardów 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 |
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, dokument zawiera efekty uczenia się, do których uzyskania uczestnik przygotowywał się w procesie uczenia się.
Pytanie 2. Czy dokument potwierdza, że walidacja została przeprowadzona w oparciu o zdefiniowane w efektach uczenia się kryteria ich weryfikacji?
Tak, dokument potwierdza, że walidacja została przeprowadzona zgodnie z ustalonymi kryteriami weryfikacji zawartymi w efektach uczenia się.
Pytanie 3. Czy dokument potwierdza zastosowanie rozwiązań zapewniających rozdzielenie procesów kształcenia i szkolenia od walidacji?
Tak, dokument potwierdza zastosowanie rozwiązań zapewniających rozdzielenie procesów kształcenia i szkolenia od walidacji.
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.
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: 26
| Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Przedmiot / temat zajęć 1 z 26 Środowisko pracy Analityka | 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 26 Python Typy danych | 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 26 Python Instrukcje i pętle 1/2 | 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 26 Python Instrukcje i pętle 2/2 | 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 26 Python Funkcje 1/2 | 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 26 Python Funkcje 2/2 | 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 26 Obiektowość w analizie danych (OOP) | 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 26 Praca z bibliotekami, modułami i plikami w analizie danych | 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 26 Stosowanie wyjątków oraz regexów w analizie danych | 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 26 Analiza danych z użyciem SQL (SQLite) 1/2 | 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 26 Analiza danych z użyciem SQL (SQLite) 2/2 | 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 26 Przetwarzanie wielowymiarowych danych z użyciem tablic NumPy | 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 26 Analiza danych z biblioteką Pandas 1/3 – (podstawy) | 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 26 Analiza danych z biblioteką Pandas 2/3 – (zaawansowane operacje, grupowanie) | 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 26 Analiza danych z biblioteką Pandas 3/3 – (optymalizacja, praca z dużymi zbiorami) | 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 26 Pozyskiwanie danych z API oraz Web Scraping | 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 26 Dobre prompty – wykorzystanie AI w analizie danych | 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 26 Efektywne wizualizacje danych w Pythonie 1/3 – (podstawy bibliotek do wizualizacji, np. Matplotlib) | 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 26 Efektywne wizualizacje danych w Pythonie 2/3 – (zaawansowane wizualizacje, np. Seaborn) | 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 26 Efektywne wizualizacje danych w Pythonie 3/3 – (interaktywne wizualizacje, np. Plotly) | 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 26 Raportowanie danych dla biznesu w Pythonie 1/2 – (formatowanie i generowanie raportów) | 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 26 Raportowanie danych dla biznesu w Pythonie 2/2 – (automatyzacja raportowania) | 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 26 Tworzenie dashboardów z wykorzystaniem Tableau 1/2 – (podstawy Tableau) | 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 26 Tworzenie dashboardów z wykorzystaniem Tableau 2/2 – (zaawansowane techniki, integracje) | 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 26 Wprowadzenie do technik AI (Machine Learning) 1/2 – (podstawy ML, trening prostych modeli) | test końcowy | Prowadzący Karolina Wadowska | Data realizacji zajęć 25-11-2025 | Godzina rozpoczęcia 17:30 | Godzina zakończenia 20:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 26 z 26 Wprowadzenie do technik AI (Machine Learning) 2/2 – (wykorzystanie ML w praktycznych scenariuszach analitycznych) | 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 cenyCena
- Koszt przypadający na 1 uczestnika brutto5 400,00 PLN
- Koszt przypadający na 1 uczestnika netto4 390,24 PLN
- Koszt osobogodziny brutto69,23 PLN
- Koszt osobogodziny netto56,29 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.
Trenerzy udostępniają 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.
Na prośbę kontroli mogę udostępnić linki do zajęć w celu zmonitorowania usługi.
Przed zapisaniem się na kursu Kandydat musi przejść proces rekrutacji. W tym celu skontaktuj się z infoShare Academy.
Informacje dodatkowe
- Warsztaty prowadzone przez doświadczonych trenerów
- 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
Szkolenie będzie prowadzone przez wielu trenerów w zależności od technologii, jak będzie wykładana. Mogą się oni powtarzać. Na koniec kursu mogę podesłać dokładną rozpiskę z imieniem i nazwiskiem trenera, który prowadził w konkretnym dniu szkolenie.
Kurs również dedykowany jest dla osób chcących skorzystać z projektu "Małopolski pociąg do kariery"
Na zakończenie kursu jest przeprowadzany egzamin końcowy lub projekt indywidualny, 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
Agnieszka Frąckiewicz
E-mail
agnieszka.frackiewicz@infoshareacademy.com
Telefon
(+48) 530 100 686