Kurs Data Science + AI – forma zdalna w czasie rzeczywistym | pakiet IT Nawigator

Kurs będzie trwał 22 tygodnie.

Każde zajęcia zdalne na żywo będą trwały 4 godziny w godzinach 15:00 - 19:00 w soboty i niedziele w tygodniach od 1 do 16, oraz po 6 godzin 15:00 - 21:00 w tygodniach od 17 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 11 bloków tematycznych o różnych wymiarach czasowych, dostosowanych do zakresu omawianej tematyki. 

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

Każdy uczestnik przed kursem otrzymuje materiały do przygotowania się - prework. Szacowny czas przygotowania się na podstawie prework, to 3 godziny.

W ramach Pakietu IT Nawigator, uczestnik otrzymuje dodatkowo:

• 6 h kurs online AI
• 4 h HR podstawowy
• wsparcie na kursie (2h indywidualnie i 8 zespołowych)

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. Moduł 1: Warsztat Data Scientisty - W ramach tej sekcji przekazane zostaną praktyczne umiejętności niezbędne do pracy jako Data Scientist. Zajęcia obejmują pracę z systemami kontroli wersji, zdalnymi repozytoriami, i IDE. Dodatkowo, uczestnicy zdobędą wiedzę z zakresu prompt engineeringu, co pozwoli im efektywnie wykorzystywać modele AI, oraz data governance, kluczowego dla zarządzania jakością i bezpieczeństwem danych.
2. Moduł 2: SQL - W sekcji dotyczącej języka SQL przekazana zostanie wiedza dotycząca umiejętności pracy z danymi, pisania oraz optymalizowania zapytań, analizowania danych, a także zarządzania danymi znajdującymi się w bazie.
3. Moduł 3: Praktyczna analiza danych w SQL - W tej sekcji nauczysz się efektywnej analizy danych przy użyciu SQL, jednego z najważniejszych języków w pracy z bazami danych. Poznasz techniki pobierania, filtrowania, grupowania i łączenia danych, które są niezbędne do eksploracyjnej analizy danych oraz przygotowania zestawów do uczenia modeli Machine Learning.
4. Moduł 4: Python - W sekcji dotyczącej języka programowania Python nabyte zostaną umiejętności programowania w języku Python, który jest powszechnie używany w Data Science. Zakres sekcji obejmuje podstawy programowania, struktury danych, instrukcje warunkowe, funkcje, programowanie obiektowe, biblioteki do analizy, wizualizacji danych i tworzenia modeli.
5. Moduł 5: Praktyczna analiza danych w Pythonie - W tej sekcji nauczysz się przetwarzania, analizy i wizualizacji danych przy użyciu Pythona. Poznasz kluczowe biblioteki wykorzystywane w Data Science, takie jak Pandas, NumPy i Matplotlib, oraz nauczysz się przygotowywać dane do dalszych etapów modelowania Machine Learning.
6. Moduł 6: Statystyka - W sekcji Statystyka przekazane zostaną podstawowe i zaawansowane umiejętności statystyczne niezbędne do pracy w obszarze Data Science. Zajęcia obejmują rozkłady, testy statystyczne, estymację parametrów i korzystanie z danych probabilistycznych.
7. Moduł 7: Machine Learning - W sekcji Machine Learning przekazane zostaną podstawowe oraz zaawansowane tematy związane z technikami uczenia maszynowego. Sekcja ta obejmuje zagadnienia klasyfikacji, regresji, klasteryzacji, szeregów czasowych, oceny jakości modeli oraz ich praktycznego zastosowania w branży. Zagadnienia te stanowią wstęp do pracy z AI.
8. Moduł 8: Praktyczne optymalizowanie modeli Machine Learning - W tej sekcji skupisz się na optymalizacji modeli Machine Learning, aby poprawić ich skuteczność i wydajność. Poznasz zaawansowane techniki tuningu hiperparametrów, wybierania najlepszych cech oraz zapobiegania przeuczeniu modeli.
9. Moduł 9: Wdrażanie modeli Machine Learning na produkcję - W tej sekcji poznasz praktyczne metody wdrażania modeli Machine Learning do środowiska produkcyjnego. Dowiesz się, jak przygotować model do API, optymalizować jego działanie oraz monitorować jego wydajność po wdrożeniu.
10. Moduł 10: AI - W tej sekcji poznasz kluczowe zagadnienia współczesnej sztucznej inteligencji – od głębokiego uczenia i pracy z dużymi modelami językowymi, przez etykę i governance danych, aż po budowę praktycznych asystentów AI oraz kwestie bezpieczeństwa modeli. Nauczysz się, jak wykorzystać najnowsze techniki i narzędzia AI do tworzenia rozwiązań, które są skuteczne, etyczne i bezpieczne.
11. Moduł 11: Projekt - Cała zdobyta wiedza i umiejętności zostaną wykorzystane w praktyce. Pracując nad grupowym projektem Data Science, zespoły przejdą przez wszystkie etapy od zbierania danych, poprzez analizę, modelowanie, aż po prezentację wyników.

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.

Na zakończenie kursu jest przeprowadzany egzamin końcowy, który jest wymagany do zaliczenia kursu. Obecność uczestników potwierdzona będzie za pomocą rejestru logowań. Wymagana obecność to minimum 80% czasu zajęć.

W przypadku kiedy kurs zostanie opłacony środkami publicznymi przez operatora i dofinansowanie wynosi co najmniej 70%, cena kursu może zostać zwolniona z podatku VAT, na podstawie § 3 ust. 1 pkt 14 Rozporządzenia Ministra Finansów z dnia 20.12.2013 r. w sprawie zwolnień od o podatku od towarów i usług oraz warunków stosowania tych zwolnień

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 10/11 lub/ MacOS 13 lub nowszy,
• optymalna konfiguracja sprzętowa: procesor i5+ lub podobny, 8GB+ pamięci RAM, zalecany dysk SSD

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.

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 13 lub nowszy
• Windows 10/11
• 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.