Kurs Data Science + AI – weekendowy, zdalnie w czasie rzeczywistym + self learning | pakiet IT Nawigator

Kurs będzie trwał 21 tygodni.

W każdym tygodniu kursanci otrzymają dostęp do lekcji w formie wideo, gdzie we własnym tempie będą mogli przyswoić wiedzę zawartą w nagraniu. Każda lekcja będzie trwała 3 godziny. Są to godziny zegarowe. W weekendy odbywać się będą zajęcia zdalne na żywo.

Razem z trenerem, kursanci będą utrwalać zdobytą wiedzę, poprzez praktyczne jej zastosowanie.

Każde zajęcia zdalne na żywo będą trwały 3 godziny w godzinach 15:00 - 19:00 w soboty i niedziele w tygodniach od 1 do 17, oraz 15:00 - 21:00 w tygodniach od 18 do 22.

Pod koniec trwania całego kursu kursanci zostaną podzieleni na zespoły projektowe, w ramach których wykonują projekt związany z tematyką kursu.

Kurs jest podzielony na 8 bloków tematycznych o różnych wymiarach czasowych, dostosowanych do zakresu omawianej tematyki. 

Ewentualne przerwy w trakcie zajęć będą indywidualnie ustalane z trenerem i uczestnikami. Przerwy są wliczone do czasu trwania kursu.

Zajęcia prowadzone są w trybie mieszanym. Kursanci otrzymują materiały do przerobienia na platformie dydaktycznej oraz realizują materiał z trenerami na żywo w określone weekendy.

W skład godzin kursu wlicza się:

• 3h prework – szacowany czas na przygotowanie do kursu,
• 196 h zajęcia z trenerem (zdalnie na żywo), 
• 51h lekcje video (self-learning).
• 6 h kurs online AI
• 3 h HR podstawowy
• wsparcie na kursie (2h indywidualnie i 8 zespołowych)

Dodatkowo kursant otrzymuje 6h kursu online "Prompt Engineering i narzędzia AI dla programistów", który może przerobić w dowolnym momencie oraz h wsparcia HR dotyczący researchu ofert pracy, autoprezentacji, zadania rozwojowe od Doradcy Kariery, dostęp do zamkniętej grupy #HR na slacku.

Moduły szkoleniowe

Poniżej znajduje się lista bloków szkoleniowych, które zostaną zrealizowane podczas

poszczególnych edycji kursu „Data Science” w Akademii infoShare. W przypadku każdej z

grup szkoleniowych program będzie dostosowywany do poziomu zaawansowania grupy,

także w trakcie trwania szkolenia.

Moduły szkoleniowe

 Poniżej znajduje się lista bloków szkoleniowych, które zostaną zrealizowane podczas poszczególnych edycji kursu „Data Science” w Akademii infoShare. W przypadku każdej z grup szkoleniowych program będzie dostosowywany do poziomu zaawansowania grupy, także w trakcie trwania szkolenia. 

1. Warsztat Data Scientisty. W ramach tego bloku uczestnicy kursu zdobywają praktyczne doświadczenie w korzystaniu z kluczowych narzędzi używanych przez Data Scientistów, takich jak środowiska programistyczne, systemy kontroli wersji i platformy do analizy danych.
2. SQL. Moduł SQL skupia się na nauce języka zapytań do baz danych, umożliwiając uczestnikom zdobycie umiejętności w pobieraniu, filtrowaniu i analizie danych za pomocą strukturalnych zapytań SQL. Kurs obejmuje również zaawansowane tematy, takie jak łączenie tabel i optymalizacja zapytań.
3. Data Storytelling. Blok Data Storytelling koncentruje się na sztuce przekazywania wyników analizy danych w formie zrozumiałych i angażujących opowieści. Uczestnicy zdobywają umiejętność tworzenia przekonujących narracji wizualizacyjnych, które pomagają w efektywnej komunikacji z różnymi grupami odbiorców.
4. Python. Blok Pythona w kontekście Data Science wprowadza uczestników w podstawy i zaawansowane aspekty programowania w języku Python. Uczestnicy uczą się używać bibliotek takich jak NumPy, Pandas i Matplotlib do manipulacji danymi, analizy statystycznej i wizualizacji wyników.
5. Statystyka. Blok Statystyki dostarcza uczestnikom kluczowych narzędzi do analizy danych, ucząc ich podstawowych pojęć statystycznych, testów hipotez i interpretacji wyników. Kurs skupia się na praktycznym zastosowaniu statystyki w kontekście Data Science.
6. Machine Learning. Moduł Machine Learning wprowadza uczestników w różne techniki uczenia maszynowego, obejmując klasyfikację, regresję i grupowanie danych. Kurs skupia się na praktycznym zastosowaniu algorytmów uczenia maszynowego do rozwiązywania problemów rzeczywistych.
7. Deep Learning. Blok Deep Learning eksploruje zaawansowane techniki uczenia maszynowego, zwłaszcza koncentrując się na głębokich sieciach neuronowych. Uczestnicy zdobywają umiejętność projektowania, trenowania i oceny skuteczności zaawansowanych modeli deep learning.
8. Projekt. Część projektowa kursu umożliwia uczestnikom zastosowanie zdobytych umiejętności w praktyce, pracując nad własnym projektem analizy danych. W ramach projektu uczestnicy integrują wiedzę z wszystkich modułów, rozwijają umiejętność pracy zespołowej i prezentacji efektów swojej pracy.

Szkolenie nauczy:

• programować obiektowo (OOP) w języku Python,
• efektywnie wizualizować dane, budować raporty oraz dashboardy w Tableau,
• stosować w praktyce Uczenie Głębokie (Deep Learning),
• używać języka SQL do komunikacji z bazami danych,
• wersjonować kod za pomocą narzędzia Git,
• stosować Metody Analizy Danych dla biznesu,
• tworzyć i aktualizować bazy danych,
• wykorzystywać uczenie maszynowe (Machine Learning) i jego najważniejsze algorytmy,
• wykorzystywać sztuczną inteligencję (Gen AI),
• używać storytellingu opartego na danych,
• korzystać z Sieci Neuronowych, Konwolucyjnych i Rekurencyjnych (NLP),
• realizować projekty (przygotowywać wizualizować i modelować dane).

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. 

Uczestnik dostaje w trakcie kursu wszelkie materiały zawierające kod źródłowy, prezentacje i dostęp do repozytorium – ćwiczeń.

Trenerzy udostępniają autorskie materiały.

Uczestnik powinien posiadać dobrą znajomość Microsoft Excel, Google Sheets lub innego programu służącego do analizy danych, charakteryzować się umiejętnościami analitycznego myślenia, oraz znajomością języka angielskiego umożliwiającą czytanie oraz rozumienie dokumentacji.

• konieczność posiadania wbudowanej kamerki, słuchawek, Internetu 3Mb/s download i 3Mb/s upload.
• własny laptop z systemem operacyjnym Windows 8 / 10 /lub/ MacOS /lub/ Linux
• optymalna konfiguracja sprzętowa: procesor i5+ lub podobny, 8GB+ pamięci RAM, zalecany dysk SSD
• Nie masz komputera przenośnego? Skontaktuj się z opiekunem kursu i zapytaj o możliwość wypożyczenia sprzętu.

Przed zapisaniem się na kursu Kandydat musi przejść proces rekrutacji. W tym celu skontaktuj się z infoShare Academy.

szkolnie będzie realizowane zdalnie poprzez platformę Zoom.

Po ukończeniu szkolenia uczestnik otrzymuje zaświadczenie ukończenia kursu.

infoShare Academy uczy na bieżąco, poprzez testy sprawdzające i obserwację pracy przy realizacji projektów, weryfikuje stopień przyswojenia wiedzy i motywuje do dalszej intensywnej pracy. 

Uczestnikom oferujemy:

• zdobycie wiedzy niezbędnej w najbardziej pożądanym zawodzie XXI wieku
• wiedzę na poziomie Junior Data Scientist
• dostęp do realnych danych, wykorzystywanych w codziennej pracy przez naszych partnerów
• aktywną pomoc doświadczonych trenerów
• możliwość konsultacji z osobą z HR
• profesjonalne środowisko pracy

Do poszczególnych tematów będą w trakcie szkolenia przypisywani różni trenerzy, w zależności od ich dostępności czasowej, w związku z tym nie są oni wymienieni w polu "Osoby prowadzące". Jako realizator oświadczamy, że wszyscy trenerzy prowadzący zajęcia mają odpowiednie doświadczenie i wykształcenie kierunkowe. Szczegóły dostępne u realizatora szkolenia.

Warsztatowa część kursu w Akademii prowadzona jest zdalnie z trenerem na żywo. Oznacza to, że podczas zajęć będziemy korzystać z różnych urządzeń i oprogramowania. Sprawdź listę wymagań technicznych i sprzętowych, by zapewnić sobie bezproblemowy udział w zajęciach. 

Przed przystąpieniem do zajęć, upewnij się, że:

Masz dobre i stabilne łącze internetowe - minimum 3Mb/s download i 3 Mb/s upload. Jeżeli nie masz pewności, sprawdź szybkość swojego łącza na https://www.speedtest.pl/.

Twój system operacyjny to:

• macOS 11.7.10 Big Sur lub nowszy
• Windows 8.1 lub wyższy
   
• Posiadasz słuchawki lub mikrofon, który zbiera tylko głos mówiącego, bez dźwięków z głośników i kamerkę. Jeżeli nie masz słuchawek lub mikrofonu, podczas zajęć skorzystaj z opcji wyciszenia, jeśli w danym momencie nic nie mówisz.
• Jeśli masz taką możliwość - przyda Ci się dodatkowy monitor (może też być telewizor podłączony do komputera). Tak będzie Ci łatwiej pracować z narzędziami oraz aktywnie uczestniczyć w zajęciach, bez konieczności przełączania widoków.