Python od podstaw, przez analizę danych, do machine learning – szkolenie

Adresaci szkolenia

Szkolenie adresowane jest do osób początkujących oraz do osób, które chcą uporządkować wiedzę z Pythona i poznać jego praktyczne zastosowania w analizie danych i uczeniu maszynowym. Od uczestników wymagana jest umiejętność korzystania z komputera.

Warunki organizacyjne

• Szkolenie realizowane jest zdalnie w czasie rzeczywistym na platformie ZOOM, w grupie od 6 do 12 osób, prowadzonej przez jednego trenera.

• Każdy uczestnik pracuje na własnym, samodzielnym stanowisku komputerowym (komputer lub laptop z dostępem do internetu, kamerą i mikrofonem).

• Ćwiczenia wykonywane są indywidualnie oraz w małych zespołach w osobnych pokojach platformy ZOOM.

Czas trwania i podział godzin

• Usługa trwa 35 godzin zegarowych (1 godzina = 60 minut): 5 dni po 7 godzin, w godzinach 9:00–16:00.

• Przerwy (30 minut każdego dnia, łącznie 2,5 godz.) są wliczone w czas trwania usługi.

• Zajęcia teoretyczne: 9,5 godz.; zajęcia praktyczne (ćwiczenia i warsztaty): 22,5 godz.; walidacja: 0,5 godz.; przerwy: 2,5 godz.

Walidacja

Walidacja odbywa się w ostatnim dniu szkolenia (18.12.2026, 15:30–16:00). Walidacja ma formę testu teoretycznego online z wynikiem generowanym automatycznie, zgodnie z kryteriami weryfikacji określonymi dla każdego efektu uczenia się. Wynik testu generuje system, bez udziału trenera w ocenie. Pozytywny wynik walidacji potwierdza osiągnięcie efektów uczenia się.

Program szkolenia

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

Każdy uczestnik otrzymuje na własność materiały szkoleniowe w formie elektronicznej (PDF), odnoszące się bezpośrednio do programu usługi:

• skrypt szkoleniowy omawiający zagadnienia ze wszystkich bloków programu,

• zestaw ćwiczeń i zadań warsztatowych realizowanych podczas szkolenia,

• przykładowe zbiory danych, skrypty Python i zeszyty Jupyter Notebook omawiane w trakcie zajęć.

Materiały przekazywane są na adres e-mail podany podczas rejestracji. Każdy uczestnik otrzymuje kod dostępu i dane logowania do platformy ZOOM na 7 dni przed datą rozpoczęcia szkolenia.

Umiejętność korzystania z komputera.

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.

Szkolenie kończy się wydaniem imiennego certyfikatu.

Platforma: usługa prowadzona jest na platformie ZOOM – uczestnik może korzystać z aplikacji ZOOM lub z wersji w przeglądarce internetowej.

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

• Środowisko szkoleniowe: dostęp do przygotowanych hostów na pulpicie zdalnym – połączenie przez RDP