AI & Data Science (dla firm)

Możliwość dofinansowania

AI & Data Science (dla firm)

Numer usługi 2025/05/26/10671/2771898

Sages Spółka z ograniczoną odpowiedzialnością

12 177,00 PLN

brutto

9 900,00 PLN

netto

50,74 PLN

brutto/h

41,25 PLN

netto/h

zdalna w czasie rzeczywistym

Usługa szkoleniowa

240 h

20.09.2025 do 26.04.2026

0 zapisanych uczestników

Obserwuj

Zapisz się

Pobierz kartę usługi w PDF

Informacje podstawowe

Kategoria

Informatyka i telekomunikacja / Administracja IT i systemy komputerowe
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 uczestników

8
Maksymalna liczba uczestników

18
Data zakończenia rekrutacji

15-09-2025
Forma prowadzenia usługi

zdalna w czasie rzeczywistym
Liczba godzin usługi

240
Podstawa uzyskania wpisu do BUR

Certyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych

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 i metody walidacji.
Efekty uczenia się	Kryteria weryfikacji	Metoda walidacji
Efekty uczenia się Efektami uczenia po odbyciu kursu jest znajomość następujących zagadnień: umiejętność programowania w Pythonie, umiejętność wydobywania baz danych przy użyciu SQL, znajomość statystycznych metod analityki danych, znajomość modelowania, umiejętność praktycznego wykorzystywania sztucznej inteligencji, znajomość bibliotek m.in. SPARKA w pracy z danymi, znajomość systemu wersjonowania kodu GIT, znajomość uczenia maszynowego. Efektem uczenia jest również wykonanie praktycznego projektu końcowego na ustalony z opiekunem merytorycznym w trakcie kursu temat.	Kryteria weryfikacji Obecność na 80 % zajęć, udział w teście wiedzy z zagadnień obejmujących kryteria: Python - Potrafi programować w Pythonie. SQL - Potrafi wydobywać dane z baz przy użyciu języka SQL. Analiza danych - Zna i umie stosować statystyczne metody analityki danych. Modelowanie - Potrafi stosować w praktyce najważniejsze stosowane w modelowaniu profesjonalne zabiegi i techniki. AI w Data Science - Potrafi wykorzystywać sztuczną inteligencję w praktycznych zadaniach wykonywanych w pracy Data Scientista. Rozumie jak działa współczesna AI - jakie ma możliwości i ograniczenia. Problemy biznesowe - Rozumie, jak przekładać problemy biznesowe na zadania data science i umie komunikować wyniki. Praca z danymi - Potrafi korzystać z bibliotek, m.in. SPARK w pracy z danymi. Git - Potrafi stosować w praktyce system wersjonowania kodu GIT. Uczenie Maszynowe - Umie stosować w praktyce algorytmy uczenia maszynowego. Projekt końcowy - Uczestnik potrafi wykorzystać zdobytą w czasie kursu wiedzę w praktyce, co potwierdza realizacja projektu końcowego, w którym udowadnia, że umie realizować pełen proces projektów data science: od przygotowania danych, poprzez eksperymenty z modelami, po ewaluację rozwiązań.	Metoda walidacji Test teoretyczny

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

TYDZIEŃ 1

Programowanie w języku Python

TYDZIEŃ 2

Python rozszerzenie

TYDZIEŃ 3

Przetwarzanie i analiza danych z biblioteką Pandas

TYDZIEŃ 4

Python: praca z różnymi źródłami danych

TYDZIEŃ 5

Statystyczne podstawy data science

TYDZIEŃ 6

Model regresji liniowej

TYDZIEŃ 7

Podstawy uczenia maszynowego

TYDZIEŃ 8

Zaawansowane elementy uczenia maszynowego

TYDZIEŃ 9

Wytwarzanie profesjonalnych procesów procesów predykcyjnych

TYDZIEŃ 10

Nienadzorowane uczenie maszynowe

TYDZIEŃ 11

Inżyniera projektów data science

TYDZIEŃ 12

Deep learning

TYDZIEŃ 13

NLP & AI

TYDZIEŃ 14

Modelowanie szeregów czasowych

TYDZIEŃ 15

SPARK

Harmonogram

Liczba przedmiotów/zajęć: 30

Harmonogram
Przedmiot / temat zajęć	Prowadzący	Data realizacji zajęć	Godzina rozpoczęcia	Godzina zakończenia	Liczba godzin
Przedmiot / temat zajęć 1 z 30 Programowanie w języku Python	Prowadzący Wiktor Piela	Data realizacji zajęć 20-09-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 2 z 30 Programowanie w języku Python	Prowadzący Wiktor Piela	Data realizacji zajęć 21-09-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 3 z 30 Python rozszerzenie	Prowadzący Patryk Palej	Data realizacji zajęć 04-10-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 4 z 30 Python rozszerzenie	Prowadzący Patryk Palej	Data realizacji zajęć 05-10-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 5 z 30 Przetwarzanie i analiza danych z biblioteką Pandas	Prowadzący Wiktor Piela	Data realizacji zajęć 18-10-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 6 z 30 Przetwarzanie i analiza danych z biblioteką Pandas	Prowadzący Wiktor Piela	Data realizacji zajęć 19-10-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 7 z 30 Python: praca z różnymi źródłami danych	Prowadzący Patryk Palej	Data realizacji zajęć 08-11-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 8 z 30 Python: praca z różnymi źródłami danych	Prowadzący Patryk Palej	Data realizacji zajęć 09-11-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 9 z 30 Statystyczne podstawy data science	Prowadzący Patryk Palej	Data realizacji zajęć 22-11-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 10 z 30 Statystyczne podstawy data science	Prowadzący Patryk Palej	Data realizacji zajęć 23-11-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 11 z 30 Model regresji liniowej	Prowadzący Krzysztof Jankiewicz	Data realizacji zajęć 06-12-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 12 z 30 Model regresji liniowej	Prowadzący Krzysztof Jankiewicz	Data realizacji zajęć 07-12-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 13 z 30 Podstawy uczenia maszynowego	Prowadzący Krzysztof Jankiewicz	Data realizacji zajęć 20-12-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 14 z 30 Podstawy uczenia maszynowego	Prowadzący Krzysztof Jankiewicz	Data realizacji zajęć 21-12-2025	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 15 z 30 Zaawansowane elementy uczenia maszynowego	Prowadzący Norbert Ryciak	Data realizacji zajęć 10-01-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 16 z 30 Zaawansowane elementy uczenia maszynowego	Prowadzący Norbert Ryciak	Data realizacji zajęć 11-01-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 17 z 30 Wytwarzanie profesjonalnych procesów procesów predykcyjnych	Prowadzący Norbert Ryciak	Data realizacji zajęć 24-01-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 18 z 30 Wytwarzanie profesjonalnych procesów procesów predykcyjnych	Prowadzący Norbert Ryciak	Data realizacji zajęć 25-01-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 19 z 30 Nienadzorowane uczenie maszynowe	Prowadzący Norbert Ryciak	Data realizacji zajęć 07-02-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 20 z 30 Nienadzorowane uczenie maszynowe	Prowadzący Norbert Ryciak	Data realizacji zajęć 08-02-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 21 z 30 Inżyniera projektów data science	Prowadzący Norbert Ryciak	Data realizacji zajęć 21-02-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 22 z 30 Inżyniera projektów data science	Prowadzący Norbert Ryciak	Data realizacji zajęć 22-02-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 23 z 30 Deep learning	Prowadzący Patryk Palej	Data realizacji zajęć 07-03-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 24 z 30 Deep learning	Prowadzący Patryk Palej	Data realizacji zajęć 08-03-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 25 z 30 NLP & AI	Prowadzący Patryk Palej	Data realizacji zajęć 21-03-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 26 z 30 NLP & AI	Prowadzący Patryk Palej	Data realizacji zajęć 22-03-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 27 z 30 Modelowanie szeregów czasowych	Prowadzący Wiktor Piela	Data realizacji zajęć 04-04-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 28 z 30 Modelowanie szeregów czasowych	Prowadzący Wiktor Piela	Data realizacji zajęć 05-04-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 29 z 30 SPARK	Prowadzący Wiktor Piela	Data realizacji zajęć 25-04-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00
Przedmiot / temat zajęć 30 z 30 SPARK	Prowadzący Wiktor Piela	Data realizacji zajęć 26-04-2026	Godzina rozpoczęcia 09:00	Godzina zakończenia 17:00	Liczba godzin 08:00

Cena

Cennik

Cennik
Rodzaj ceny	Cena
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto	Cena 12 177,00 PLN
Rodzaj ceny Koszt przypadający na 1 uczestnika netto	Cena 9 900,00 PLN
Rodzaj ceny Koszt osobogodziny brutto	Cena 50,74 PLN
Rodzaj ceny Koszt osobogodziny netto	Cena 41,25 PLN

Prowadzący

Liczba prowadzących: 5

1 z 5

Wiktor Piela

Wiktor Piela od 2020 roku zajmuję się analizą danych, tworzeniem modeli predykcyjnych oraz programowaniem w Pythonie. Pracę z danymi zaczynał w branży FMCG jako młodszy analityk danych, gdzie razem z zespołem wspierał marketing i handel w podejmowaniu decyzji biznesowych w oparciu o analizę danych i modelowanie statystyczne. Pracując w szeroko pojętym sektorze finansowanym tworzył rozwiązania automatyzujące procesy przepływu i obróbki danych oraz raportowania. Obecnie tworzy systemy predykcyjne na potrzeby sprzedaży, windykacji oraz rozwijam wspólnie z zespołem aplikacje bazujące na modelach semantycznych LLM oraz computer vision. Zajmuje się ponadto tworzeniem backendu dla aplikacji webowych, także na potrzeby aplikacji ML.

2 z 5

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.

3 z 5

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.

4 z 5

Norbert Ryciak

Data Scientist w SigDelta. Od lat zajmuje się uczeniem maszynowym, a specjalizuje się w obszarze przetwarzania języka naturalnego i sztucznych sieciach neuronowych (deep learning). W 2015 roku ukończył z wyróżnieniem matematykę na Politechnice Warszawskiej o specjalizacji Statystyka Matematyczna i Analiza Danych. Kontynuował rozwój na doktoracie, w ramach którego prowadził badania nad metodami głębokiego uczenia w zastosowaniach związanych z przetwarzaniem tekstów - rozpoznawaniem wydźwięku i analizą składniową. Porzucił karierę naukową na rzecz pracy komercyjnej oraz profesjonalnej pracy dydaktycznej. Prowadzi szkolenia i zajęcia na uczelniach, ale przede wszystkim kieruje Bootcampem Data Science Kodołamacza, na którym kształci przyszłych specjalistów data science.

5 z 5

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 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

- znajomość podstaw programowania w dowolnym języku (rozumienie pojęć takich jak pętla, instrukcja warunkowa, zmienna itp.)

- znajomość języka angielskiego na poziomie średniozaawansowanym

Informacje dodatkowe

240 h na żywo z trenerem (online)
40h pre-work
84h pracy własnej nad projektami i zadaniami.
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.
Uwaga - data testu teoretycznego jak również Trener prowadzący walidację mogą ulec zmianie.

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

Emilia Popko

E-mail

e.popko@sages.com.pl

Telefon

(+48) 692 204 438

AI & Data Science (dla firm)