Analityk Danych - Data Science

Możliwość dofinansowania

Analityk Danych - Data Science

Numer usługi 2026/02/17/208261/3340125

CODEMY SPÓŁKA AKCYJNA

Brak ocen dla tego dostawcy

11 499,00 PLN

brutto

9 348,78 PLN

netto

23,00 PLN

brutto/h

18,70 PLN

netto/h

118,13 PLN

cena rynkowa

zdalna w czasie rzeczywistym

Usługa szkoleniowa

500 h

01.04.2026 do 19.08.2026

0 zapisanych uczestników

Obserwuj

Zapisz się

Pobierz kartę usługi w PDF

Informacje podstawowe

Kategoria

Informatyka i telekomunikacja / Programowanie
Grupa docelowa usługi

Kurs przeznaczony jest dla osób, które nie mają doświadczenia z Big Data ani programowaniem i chcą zacząć pracę w obszarze analityki danych. Szkolenie pozwala od podstaw nabyć kompetencje umożliwiające podjęcie pracy w charakterze analityka lub inżyniera danych, Data Scientist bądź eksperta od Big Data.
Kurs łączy podstawy teoretyczne z zadaniami w każdym module, praktycznym podejściem do nauczania (praca własna uczestnika, projekty bazujące na realnych przypadkach biznesowych) z nauką kluczowych narzędzi i technologii, a także opieką indywidualnego mentora. Dzięki temu nawet osoby niemające wcześniejszego doświadczenia z inżynierią danych lub Pythonem mogą skutecznie poszerzać kompetencje techniczne tak, by stać się atrakcyjnymi kandydatami na rynku pracy w epoce cyfrowej transformacji.
Zdalny charakter szkolenia umożliwia uczestnictwo i rozwijanie kompetencji osobom niepełnosprawnym ruchowo oraz osobom z obszarów wykluczonych komunikacyjnie.
Minimalna liczba uczestników

1
Maksymalna liczba uczestników

28
Data zakończenia rekrutacji

31-03-2026
Forma prowadzenia usługi

zdalna w czasie rzeczywistym
Liczba godzin usługi

500
Podstawa uzyskania wpisu do BUR

Standard Usług Szkoleniowo– Rozwojowych PIFS SUS 3.0

Cel

Cel edukacyjny

Analityk Danych - Data Science - kurs od podstaw przygotowuje do pracy na stanowiskach związanych z automatyzacją zadań, analityką danych, dużymi zbiorami danych (Big Data). Uczestnicy szkolenia nabywają też kompetencje programowania w języku Python i pracy ze sztuczną inteligencją oraz modelami uczenia maszynowego.

Technologie, które opanowuje uczestnik szkolenia:

Python
Jupyter Netbook
Pandas
NumPy
Matplotlib
Scikit Learn
Bazy danych
Big Data
Sieci neuronowe
Pipeline
NLP

Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji

Efekty uczenia się, kryteria weryfikacji i metody walidacji.
Efekty uczenia się	Kryteria weryfikacji	Metoda walidacji
Pisze programy w języku Python	charakteryzuje podstawowe pojęcia w zakresie programowania obiektowego	Obserwacja w warunkach rzeczywistych
Pisze programy w języku Python	implementuje za pomocą kodu w języku Python proste algorytmy lub logikę działania programu	Analiza dowodów i deklaracji
Potrafi implementować bazy danych w kodzie	posługuje sie podstawową składnią zapytań SQL	Analiza dowodów i deklaracji
Potrafi implementować bazy danych w kodzie	dokonuje operacji na bazach danych z poziomu oprogramowania w Pythonie	Analiza dowodów i deklaracji
Posługuje się fundamentalnymi pojęciami z zakresu statystyki	oblicza miary opisowe dla zbiorów danych	Analiza dowodów i deklaracji
Wykorzystuje dodatkowe biblioteki i frameworki w Pythonie do działań na zbiorach danych	Dokonuje operacji i analiz na dużych zbiorach dancyh za pomocą bibliotek i frameworków do Pythona	Analiza dowodów i deklaracji
Tworzy dashboardy i różne rodzaje wykresów oraz diagramów, wykorzystując do tego celu odpowiednie biblioteki pythonowe.	Tworzy konkretne wizualizacje danych zgodnie ze specyfikacją podaną w zadaniach	Analiza dowodów i deklaracji
Samodzielnie projektuje działania w zakresie analizy danych i implementuje je w kodzie przy użyciu narzędzi ooznanych w trakcie szkolenia.	Konstruuje wybrany projekt z anallizy danych, wykorzystujący gotowy zbiór danych, zogdny z wymogami projekotwymi w zadaniu.	Analiza dowodów i deklaracji

Kwalifikacje

Kompetencje

Usługa prowadzi do nabycia kompetencji.

Warunki uznania kompetencji

Pytanie 1. Czy dokument potwierdzający uzyskanie kompetencji zawiera opis efektów uczenia się?

TAK

Pytanie 2. Czy dokument potwierdza, że walidacja została przeprowadzona w oparciu o zdefiniowane w efektach uczenia się kryteria ich weryfikacji?

TAK

Pytanie 3. Czy dokument potwierdza zastosowanie rozwiązań zapewniających rozdzielenie procesów kształcenia i szkolenia od walidacji?

TAK

Program

0. Prework

Wprowadzenie, które przygotuje Cię do startu bez stresu. Sprawdzisz swoje środowisko, poznasz podstawowe pojęcia i upewnisz się, że wszystko działa tak, jak powinno.

1. Podstawy Pythona cz. 1

Pierwsze kroki z Pythonem, kluczowym językiem do pracy na danych i z obliczeniami –(składnia, zmienne, typy danych i proste operacje. Idealny moment, by zobaczyć, że programowanie naprawdę może być przyjemne).

2. Podstawy Pythona cz. 2

Rozwijamy fundamenty: pętle, instrukcje warunkowe i struktury danych. Nauczysz się myśleć algorytmicznie i pisać coraz bardziej logiczny kod.

3. Środowisko pracy programisty

Poznasz narzędzia, z których korzystają profesjonaliści: edytory kodu, terminal, wirtualne środowiska i dobre praktyki pracy z projektem.

4. Funkcje i interakcja z użytkownikiem

Tworzenie własnych funkcji i programów, które reagują na dane od użytkownika. Kod zaczyna być modularny, czytelny i wielokrotnego użytku.

5. Obiekty w Pythonie

Wprowadzenie do programowania obiektowego. Dowiesz się, jak modelować rzeczywistość w kodzie i pisać bardziej zaawansowane aplikacje.

6. Bazy danych

Przechowywanie i zarządzanie danymi. Nauczysz się podstaw SQL oraz integracji baz danych z Pythonem.

7. Zaawansowane narzędzia

Praca z bibliotekami, debugowanie, testowanie i automatyzacja. Poznasz narzędzia, które znacząco przyspieszają pracę programisty.

8. Pandas – przetwarzanie danych

Analiza danych w praktyce. Czyszczenie, filtrowanie i transformacja danych z użyciem jednej z najważniejszych bibliotek w data science.

9. Wizualizacja danych cz. 1

Pierwsze wykresy i wizualne opowiadanie historii danymi. Nauczysz się, jak prezentować informacje w czytelny i atrakcyjny sposób.

10. Statystyka – teoria i ćwiczenia

Solidne podstawy statystyczne niezbędne w analizie danych. Dużo przykładów i praktycznych zadań.

11. Wizualizacja danych cz. 2

Bardziej zaawansowane wykresy i dashboardy. Interpretacja wyników i atrakcyjna wizualizacja danych.

12. Machine Learning – wprowadzenie teoretyczne

Czym jest ML, jak działa i gdzie ma zastosowanie. Zrozumiesz kluczowe pojęcia bez zbędnej matematycznej „magii”.

13. Supervised Learning – regresja

Modele przewidujące wartości liczbowe. Nauczysz się trenować, oceniać i ulepszać modele regresyjne.

14. Supervised Learning – klasyfikacja

Rozwiązywanie problemów decyzyjnych i predykcyjnych. Od prostych klasyfikatorów po bardziej zaawansowane algorytmy.

15. Zaawansowane ML (pipeline’y)

Profesjonalne podejście do ML: pipeline’y, walidacja, optymalizacja modeli i praca jak w prawdziwym projekcie.

16. Unsupervised Learning

Odkrywanie ukrytych struktur w danych. Klasteryzacja, redukcja wymiarów i eksploracyjna analiza danych.

17. Natural Language Processing (NLP)

Praca z danymi językowymi - analiza opinii, tokenizacja, wektoryzacja i pierwsze modele językowe.

18. Sieci neuronowe – podstawy

Jak działają sieci neuronowe i dlaczego są tak potężne. Fundamenty potrzebne do dalszej pracy z deep learningiem.

19. Sieci neuronowe – konwolucyjne i rekurencyjne

Modele do obrazów, sekwencji i danych czasowych. Praktyczne zastosowania CNN i RNN.

20. Projekt końcowy

Samodzielny projekt z analizą danych. Idealna okazja, by połączyć całą zdobytą wiedzę w jedną całość.

21.Zakończenie.

Harmonogram

Liczba przedmiotów/zajęć: 0

Harmonogram
Przedmiot / temat zajęć	Prowadzący	Data realizacji zajęć	Godzina rozpoczęcia	Godzina zakończenia	Liczba godzin
Brak wyników.

Cena

Cennik

Cennik
Rodzaj ceny	Cena
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto	Cena 11 499,00 PLN
Rodzaj ceny Koszt przypadający na 1 uczestnika netto	Cena 9 348,78 PLN
Rodzaj ceny Koszt osobogodziny brutto	Cena 23,00 PLN
Rodzaj ceny Koszt osobogodziny netto	Cena 18,70 PLN

Prowadzący

Liczba prowadzących: 1

1 z 1

Maciej Biesek

Praktyk w obszarze uczenia maszynowego i inżynierii danych. Ma ośmioletnie doświadczenie w projektach związanych z przetwarzaniem języka naturalnego i wykorzystujących głębokie sieci neuronowe. Od wielu lat z pasją uczy technik programowania i wykorzystywania uczenia maszynowego do rozwiązywania realnych problemów.

Informacje dodatkowe

Informacje o materiałach dla uczestników usługi

treści szkoleniowe dostępne na platformie e-learningowej dostawcy usługi z możliwością do pobrania w formie ebooków
dostęp do specjalnego edytora kodu przeznaczonego dla uszczestników szkolenia
dostęp do czatu administrowanego przez dostawcę i umożliwiającego kontakt z mentorem i pozostałymi uczestnikami szkolenia
opieka mentora indywidualnego.

Warunki uczestnictwa

pełnoletniość (ukończone 18 lat)
podstawowe umiejętność obsługi komputera
podstawowa znajomość języka angielskiego umożliwiająca czytanie dokumentacji technicznej.

Informacje dodatkowe

https://kodilla.com/pl/bootcamp/analityk-danych

Warunki techniczne

Wymagania sprzętowe:

stabilne łącze internetowe pozwalające na swobodne pobieranie i uploadowanie plików oraz odbywanie spotkań online w czasie rzezywistym
komputer z systemem Windows (7,8,10,11), Linux lub Mac wyposażony w kamerkę internetową i mikrofon
przeglądarka internetowa.

Kontakt

Codemy S.A.

E-mail

bootcamp@kodilla.com

Telefon

(+48) 731 771 787

Analityk Danych - Data Science