Python od podstaw, przez analizę danych, do machine learning
Python od podstaw, przez analizę danych, do machine learning
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Programowanie
- Grupa docelowa usługi
Szkolenie jest odpowiednie zarówno dla osób początkujących, jak i dla tych, którzy chcą uporządkować wiedzę z Pythona oraz poznać jego praktyczne zastosowania w analizie danych i projektach AI.
- Minimalna liczba uczestników6
- Maksymalna liczba uczestników12
- Data zakończenia rekrutacji15-10-2026
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi35
- 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
Nabycie przez uczestników kompleksowych umiejętności programowania w Python od podstaw, przez analizę danych i wizualizację, po budowanie i ocenę modeli uczenia maszynowego, umożliwiających samodzielną realizację projektów data science w Pythonie.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Przetwarza i analizuje dane tabelaryczne przy użyciu pandas i numpy. | Uczestnik wczytuje zbiór danych, oczyszcza go (brakujące wartości, typy danych, duplikaty), przeprowadza EDA i generuje statystyki opisowe przy użyciu pandas. | Test teoretyczny z wynikiem generowanym automatycznie |
| Tworzy wizualizacje danych i wykresy analityczne. | Uczestnik generuje co najmniej 4 rodzaje wizualizacji (histogram, scatter, heatmap, box plot) dla wskazanego zbioru danych z poprawnymi opisami osi i tytułami. | Test teoretyczny z wynikiem generowanym automatycznie |
| Buduje i ocenia modele uczenia maszynowego z użyciem scikit-learn. | Uczestnik trenuje model klasyfikacji lub regresji, ocenia go przy użyciu odpowiednich metryk (accuracy, RMSE, F1) z podziałem train/test i interpretuje wyniki. | Test teoretyczny z wynikiem generowanym automatycznie |
| Stosuje cross-validation i tuning hiperparametrów. | Uczestnik przeprowadza k-fold cross-validation i grid search dla wskazanego modelu, identyfikując optymalny zestaw hiperparametrów poprawiający wyniki modelu bazowego. | Test teoretyczny z wynikiem generowanym automatycznie |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
Podstawy Pythona
1. Wstęp do kursu
o Dlaczego Python?
o Główne cechy języka
o Data science - o co w tym właściwie chodzi?
2. Środowisko pracy
o Tworzenie projektu w Pycharm
o Środowisko wirtualne projektu
o Obsługa interfejsu Pycharm
o Interaktywny zeszyt Jupyter Notebook
o Kluczowe różnice między środowiskiem Pycharm, a Jupyter Notebook
3. "Hello world" i pisanie na konsoli
4. Zmienne i typy danych
o Zmienne
o Typy danych
Typ tekstowy
Typy liczbowe
5. Instrukcje warunkowe
o Jeden warunek
o Else
o Wiele warunków
o Operatory logiczne w warunkach
6. Pętle
o Pętla while
o Pętla for
o Zagnieżdżanie pętli
o Instrukcja BREAK
o Instrukcja CONTINUE
7. Łańcuchy znaków
o Funkcje wbudowane
upper
lower
title
replace
len w kontekście ciągów tekstowych
count
strip
split i join - zamiana tekstu na listę i listy na tekst
o Łańcuchy funkcji
o Iterowanie po łańcuchach tekstowych
o Mnożenie tekstu. Ale jak?
o Wygodne sprawdzanie czy tekst zawiera frazę
o Cięcia, cięcia - o cięciu łańcuchów tekstowych słów kilka
8. Listy
o Tworzenie list
o Pobieranie wartości z list
o Iterowanie po listach
o Sprawdzanie czy element znajduje się na liście
o Modyfikowanie zawartości listy
Dodawanie nowych wartości i wstawianie w miejsce istniejących
Usuwanie elementów z listy
o Funkcje wbudowane w listy
Sortowanie i odwracanie list
Inne ciekawe funkcje i możliwości
9. Krotki
o Deklaracja i uzupełnianie krotek danymi
o Pobieranie wartości z krotek
10. Słowniki
o Tworzenie słowników
o Pobieranie wartości ze słowników
o Modyfikacja zawartości słowników
11. Zbiory
o Tworzenie zbiorów i konwersje z innych typów złożonych
o Modyfikowanie zawartości zbiorów
o Funkcja difference
o Funkcja intersect
o Funkcja union
12. Zaawansowane elementy przetwarzania list i zbiorów
13. Wyjątki
o Obsługa wyjątków
14. Funkcje
o Deklarowanie funkcji
o Parametry funkcji
o Wartości domyślne parametrów
o Zwracanie wyników z funkcji
o Dokumentowanie funkcji
15. Moduły
o Definiowanie modułów
o Dokumentowanie modułów i sprawdzanie dostępnych funkcji
16. Korzystanie z plików tekstowych
o Czytanie z plików tekstowych
read()
readlines()
readline()
o Funkcja seek()
o Sprawdzanie ilości linii w pliku
o Zapis w plikach tekstowych
Tryby otwarcia pliku
Wprowadzanie danych do pliku
17. Dane zdalne - wykorzystanie usług sieciowych
o Pobieranie danych za pomocą GET
o Przesyłanie danych za pomocą POST
18. Wykorzystanie baz danych
o Tworzenie baz danych, użytkowników i tabel w bazach danych PostgreSQL
o Łączenie z serwerem PostgreSQL
o Pobieranie danych z użyciem SELECT
o Wstawianie, zmiana i kasowanie danych, oraz operacje DDL
Analiza danych (jeden dzień):
1. Pandas - kluczowy pakiet do danych tabelarycznych
o Wczytywanie danych tabelarycznych (CSV, TSV, XLS)
o Operacje na kolumnach i wierszach
o Filtrowanie i procesowanie danych
o Odczytywanie danych statystycznych
o Modyfikacja danych z użyciem funkcji pythonowych
o Agregacja, podobieństwa do SQL
2. Wizualizacja danych
o Fragmenty Matplotlib - bazowej biblioteki do wykresów w Pythonie
o Seaborn - nieco bardziej estetyczne wykresy
o Plotly - tworzenie interaktywnych wykresów
3. Inne biblioteki (numpy, scipy, polars, pandas profiling)
Uczenie maszynowe (jeden dzień):
1. Co to jest uczenie maszynowe?
o Statystyka a uczenie maszynowe
o Rodzaje problemów
o Przykładowe metody
o Różnica pomiędzy klasyfikacją a regresją
o Rodzaje błędów popełnianych przez algorytmy
o Ekosystem uczenia maszynowego w Pythonie (biblioteka scikit-learn)
2. Budowa modelu uczenia maszynowego na przykładzie regresji liniowej
o Wstępna obróbka danych
o Od jednej zmiennej do wielu
o Walidacja predykcji
o Interpretacja ważności parametrów
o Kluczowe różnice pomiędzy metodami liniowymi
o Zjawisko przeuczania (overfitting) i jak mu przeciwdziałać
o Ustalanie hiperparametrów
3. Przegląd wybranych algorytmów uczenia maszynowego
o Regresja logistyczna
o Drzewa decyzyjne
o Las drzew losowych
o XGBoost
Harmonogram
Harmonogram
| Przedmiot / temat | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Przedmiot / temat 1 z 16 Wstęp do kursu/Środowisko pracy/"Hello world" i pisanie na konsoli | Prowadzący Mateusz Zimoch | Data realizacji zajęć 19-10-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 2 z 16 Przerwa Obiadowa | Prowadzący Mateusz Zimoch | Data realizacji zajęć 19-10-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:00 | Liczba godzin 00:30 |
Przedmiot / temat 3 z 16 Zmienne i typy danych/Instrukcje warunkowe/Pętle | Prowadzący Mateusz Zimoch | Data realizacji zajęć 19-10-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 16:00 | Liczba godzin 03:00 |
Przedmiot / temat 4 z 16 Łańcuchy znaków/Listy/Krotki | Prowadzący Mateusz Zimoch | Data realizacji zajęć 20-10-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 5 z 16 Przerwa Obiadowa | Prowadzący Mateusz Zimoch | Data realizacji zajęć 20-10-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:00 | Liczba godzin 00:30 |
Przedmiot / temat 6 z 16 Słowniki/Zbiory/Zaawansowane elementy przetwarzania list i zbiorów | Prowadzący Mateusz Zimoch | Data realizacji zajęć 20-10-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 16:00 | Liczba godzin 03:00 |
Przedmiot / temat 7 z 16 Wyjątki/Funkcje | Prowadzący Mateusz Zimoch | Data realizacji zajęć 21-10-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 8 z 16 Przerwa Obiadowa | Prowadzący Mateusz Zimoch | Data realizacji zajęć 21-10-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:00 | Liczba godzin 00:30 |
Przedmiot / temat 9 z 16 Moduły/Korzystanie z plików tekstowych | Prowadzący Mateusz Zimoch | Data realizacji zajęć 21-10-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 16:00 | Liczba godzin 03:00 |
Przedmiot / temat 10 z 16 Dane zdalne - wykorzystanie usług sieciowych/Wykorzystanie baz danych | Prowadzący Mateusz Zimoch | Data realizacji zajęć 22-10-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 11 z 16 Przerwa Obiadowa | Prowadzący Mateusz Zimoch | Data realizacji zajęć 22-10-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:00 | Liczba godzin 00:30 |
Przedmiot / temat 12 z 16 Pandas - kluczowy pakiet do danych tabelarycznych/Wizualizacja danych | Prowadzący Mateusz Zimoch | Data realizacji zajęć 22-10-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 16:00 | Liczba godzin 03:00 |
Przedmiot / temat 13 z 16 Inne biblioteki (numpy, scipy, polars, pandas profiling)/Co to jest uczenie maszynowe? | Prowadzący Mateusz Zimoch | Data realizacji zajęć 23-10-2026 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:30 | Liczba godzin 03:30 |
Przedmiot / temat 14 z 16 Przerwa Obiadowa | Prowadzący Mateusz Zimoch | Data realizacji zajęć 23-10-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:00 | Liczba godzin 00:30 |
Przedmiot / temat 15 z 16 Budowa modelu uczenia maszynowego na przykładzie regresji liniowej/Przegląd wybranych algorytmów uczenia maszynowego | Prowadzący Mateusz Zimoch | Data realizacji zajęć 23-10-2026 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 15:30 | Liczba godzin 02:30 |
Przedmiot / temat 16 z 16 Walidacja | Prowadzący Mateusz Zimoch | Data realizacji zajęć 23-10-2026 | Godzina rozpoczęcia 15:30 | Godzina zakończenia 16:00 | Liczba godzin 00:30 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 4 305,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 3 500,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 123,00 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 100,00 PLN |
Prowadzący
Prowadzący
Mateusz Zimoch
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Informacje o materiałach dla uczestników usługi - Uczestnicy otrzymają komplet materiałów PDF. Każdy uczestnik otrzymuje kod dostępu i
dane logowania do platformy ZOOM na 7 dni przed datą rozpoczęcia szkolenia. Dane
przesyłane są na adres e-mail podany podczas rejestracji.
Warunki uczestnictwa
Umiejętność korzystania z komputera.
Informacje dodatkowe
Warunkiem ukończenia szkolenia i otrzymania zaświadczenia jest uzyskanie minimalnej
frekwencji na poziomie 80% całkowitego czasu trwania usługi. Obecność uczestnika będzie
potwierdzana na podstawie codziennych list obecności lub logów z platformy online.
Warunki techniczne
Warunki techniczne
Uczestnik musi dysponować sprzętem i łączem o parametrach:
• Procesor: min. 4-rdzeniowy (np. Intel i5/i7 lub odpowiednik AMD/M1/M2)
• Pamięć RAM: min. 16 GB
• Dysk: min. 20 GB wolnej przestrzeni
• System operacyjny: Windows 10/11 Pro, Linux lub macOS
• Multimedia: Sprawna kamera internetowa oraz mikrofon (wymagane do komunikacji i weryfikacji obecności)
• Łącze internetowe: Stabilne połączenie o minimalnej prędkości 10 Mbps (download) / 5 Mbps (upload)
• Oprogramowanie: Uprawnienia administratora pozwalające na instalację narzędzi