AI & Data Science (dla Klientów firm)
Możliwość dofinansowania
AI & Data Science (dla Klientów firm)
Numer usługi 2025/05/26/10671/2771898
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 rekrutacji01-09-2025
- 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 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 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 krótki opis nabytych umiejętności.
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 w oparciu o zdefiniowane w efektach uczenia kryteria weryfikacji.
Pytanie 3. Czy dokument potwierdza zastosowanie rozwiązań zapewniających rozdzielenie procesów kształcenia i szkolenia od walidacji?
Tak, zapewnia. Walidacja efektów uczenia odbędzie się przy pomocy testu wiedzy.
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: 30
| Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Przedmiot / temat zajęć 1 z 30 Python podstawy | Prowadzący Wiktor Piela | Data realizacji zajęć 06-09-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 2 z 30 Python podstawy | Prowadzący Wiktor Piela | Data realizacji zajęć 07-09-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 3 z 30 Python rozszerzenie, numpy, matplotlib | Prowadzący Patryk Palej | Data realizacji zajęć 20-09-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 4 z 30 Python rozszerzenie, numpy, matplotlib | Prowadzący Patryk Palej | Data realizacji zajęć 21-09-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 5 z 30 Python: Pandas | Prowadzący Wiktor Piela | Data realizacji zajęć 04-10-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 6 z 30 Python: Pandas | Prowadzący Wiktor Piela | Data realizacji zajęć 05-10-2025 | 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 18-10-2025 | 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 19-10-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 9 z 30 Statystyka opisowa, rachunek prawdopodobieństwa, statystyka 1. | Prowadzący Patryk Palej | Data realizacji zajęć 08-11-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 10 z 30 Statystyka opisowa, rachunek prawdopodobieństwa, statystyka 1. | Prowadzący Patryk Palej | Data realizacji zajęć 09-11-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 11 z 30 Statystyka 2, model regresji liniowej 1 | Prowadzący Krzysztof Jankiewicz | Data realizacji zajęć 22-11-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 12 z 30 Statystyka 2, model regresji liniowej 1 | Prowadzący Krzysztof Jankiewicz | Data realizacji zajęć 23-11-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 13 z 30 Model regresji liniowej cz. 2, modelowanie szeregów czasowych | Prowadzący Krzysztof Jankiewicz | Data realizacji zajęć 06-12-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 14 z 30 Model regresji liniowej cz. 2, modelowanie szeregów czasowych | Prowadzący Krzysztof Jankiewicz | Data realizacji zajęć 07-12-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 15 z 30 Podstawy uczenia maszynowego - problem klasyfikacji | Prowadzący Norbert Ryciak | Data realizacji zajęć 20-12-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 16 z 30 Podstawy uczenia maszynowego - problem klasyfikacji | Prowadzący Norbert Ryciak | Data realizacji zajęć 21-12-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 17 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 18 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 19 z 30 Uczenie maszynowe: redukcja wymiaru i analiza danych tekstowych | Prowadzący Norbert Ryciak | Data realizacji zajęć 24-01-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 20 z 30 Uczenie maszynowe: redukcja wymiaru i analiza danych tekstowych | Prowadzący Norbert Ryciak | Data realizacji zajęć 25-01-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 21 z 30 Deep learning | Prowadzący Norbert Ryciak | Data realizacji zajęć 07-02-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 22 z 30 Deep learning | Prowadzący Norbert Ryciak | Data realizacji zajęć 08-02-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 23 z 30 Implementacja produkcyjnych systemów uczenia maszynowego cz 1. | Prowadzący Patryk Palej | Data realizacji zajęć 21-02-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 24 z 30 Implementacja produkcyjnych systemów uczenia maszynowego cz 1. | Prowadzący Patryk Palej | Data realizacji zajęć 22-02-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 25 z 30 Implementacja produkcyjnych systemów uczenia maszynowego cz 2., Wykorzystanie sztucznej inteligencji w data science | Prowadzący Patryk Palej | Data realizacji zajęć 07-03-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 26 z 30 Implementacja produkcyjnych systemów uczenia maszynowego cz 2., Wykorzystanie sztucznej inteligencji w data science | Prowadzący Patryk Palej | Data realizacji zajęć 08-03-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 27 z 30 Uczenie maszynowe: analiza podobieństwa obiektów, metoda najbliższych sąsiadów, segmentacja danych | Prowadzący Wiktor Piela | Data realizacji zajęć 21-03-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 28 z 30 Uczenie maszynowe: analiza podobieństwa obiektów, metoda najbliższych sąsiadów, segmentacja danych | Prowadzący Wiktor Piela | Data realizacji zajęć 22-03-2026 | 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 04-04-2026 | 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 05-04-2026 | 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: 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.
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 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
- 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
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