Szkolenie Bootcamp – Analiza danych w Pythonie
Szkolenie Bootcamp – Analiza danych w Pythonie
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Aplikacje biznesowe
- Identyfikatory projektówNowy start w Małopolsce z EURESEM, Kierunek - Rozwój, Małopolski Pociąg do kariery, Zachodniopomorskie Bony Szkoleniowe, Regionalny Fundusz Szkoleniowy II
- Grupa docelowa usługi
Usługa skierowana jest do:
- osób rozpoczynających karierę w obszarze analizy danych,
- kandydatów na stanowisko Analityka Danych,
- osób chcących zdobyć podstawy programowania w Pythonie,
- osób posiadających podstawową wiedzę z zakresu Python i chcących ją ugruntować.
Nie jest wymagane wcześniejsze doświadczenie w programowaniu ani analizie danych. Wskazana jest umiejętność logicznego myślenia oraz podstawowa obsługa komputera.
Szkolenia mogą zostać zrealizowane z projektów:
- Małopolski Pociąg do kariery
- Kierunek - Rozwój
- Nowy start w Małopolsce z EURESEM
- Zachodniopomorskie Bony Szkoleniowe
- Regionalny Fundusz Szkoleniowy II
- Małopolskie Bony Rozwojowe
- Minimalna liczba uczestników5
- Maksymalna liczba uczestników15
- Data zakończenia rekrutacji03-06-2026
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi48
- 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
Usługa przygotowuje uczestnika do samodzielnego wykonywania analiz danych w języku Python, obejmujących pozyskiwanie, przetwarzanie, eksplorację i wizualizację danych oraz budowę i walidację modeli uczenia maszynowego, w tym sieci neuronowych.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Charakteryzuje podstawowe elementy języka Python wykorzystywane w analizie danych. | identyfikuje podstawowe typy danych (str, int, float, complex), rozróżnia typy kolekcji (list, dict, tuple, set), wskazuje zastosowanie instrukcji sterujących (for, while, if), rozpoznaje zasady definiowania funkcji oraz obsługi błędów (try…except). | Test teoretyczny z wynikiem generowanym automatycznie |
| Rozróżnia metody przetwarzania i eksploracji danych z wykorzystaniem bibliotek Pandas i NumPy. | identyfikuje struktury danych DataFrame i Series, wskazuje metody łączenia danych (merge, concat), rozróżnia operacje filtrowania, grupowania i transformacji danych, rozpoznaje zastosowanie tablic jedno- i wielowymiarowych w NumPy. | Test teoretyczny z wynikiem generowanym automatycznie |
| Charakteryzuje metody pozyskiwania i wizualizacji danych w Pythonie. | identyfikuje sposób pobierania danych z API, rozróżnia technikę web scrapingu i jej zastosowanie, wskazuje biblioteki służące do wizualizacji danych (Matplotlib, Seaborn, Plotly, Folium), rozpoznaje rodzaje wykresów wykorzystywanych w analizie danych (histogram, wykres liniowy, punktowy, kolumnowy). | Test teoretyczny z wynikiem generowanym automatycznie |
| Rozróżnia podstawowe algorytmy uczenia maszynowego i elementy budowy modeli analitycznych. | identyfikuje różnicę między problemem regresji a klasyfikacji, rozpoznaje algorytmy regresyjne i klasyfikacyjne (regresja liniowa, regresja logistyczna, drzewa decyzyjne, lasy losowe, SVM), wskazuje etapy podziału danych na zbiór treningowy, testowy i walidacyjny, rozróżnia pojęcia przeuczenia i niedotrenowania modelu. | Test teoretyczny z wynikiem generowanym automatycznie |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
- Szkolenie odbywa się w formie zdalnej w czasie rzeczywistym.
- Usługa jest prowadzona w trybie godzin dydaktycznych.
- Przerwy nie są wliczone w czas trwania usługi.
- Koszt przerw nie jest wliczony w koszt szkolenia.
- Szkolenie odbywa się w trybie zdalnym.
- Walidacja poprzez test z wynikiem generowanym automatycznie zostanie przeprowadzona w ostatnich 20 minutach szkolenia.
- Na początku szkolenia zostanie przeprowadzony post test.
- Liczba godzin teoretycznych: 6
- Liczba godzin praktycznych: 42
- Łączna liczba godzin dydaktycznych: 48
Metody interaktywne i aktywizujące – treść stała
- metoda warsztatowa (learning by doing),
- ćwiczenia praktyczne na realnych danych,
- metoda problemowa (case study),
- praca projektowa – mini-projekty modułowe,
- demonstracja trenera i odtwarzanie krok po kroku,
- dyskusja moderowana i wymiana doświadczeń,
- samodzielna praca z bieżącym feedbackiem.
Program szkolenia - zakres tematyczny:
- Podstawy języka Python
- Wybór środowiska programistycznego (Jupyter notebook, Spyder i inne edytory).
- Uruchamianie skryptów z wiersza poleceń.
- Instalacja modułów w konsoli poprzez conde i pip.
- Podstawowe typy danych (str, int, float, complex).
- Operatory arytmetyczne i logiczne.
- Typy danych kolekcji (list, dict, tuple, set).
- Wszystko jest obiektem.
- Wbudowane funkcje.
- Składnia oraz rola wcięć w kodzie.
- Instrukcje sterujące (for, while, if, elif, else).
- Funkcje def oraz funkcje anonimowe lambda.
- Import modułów.
- Podstawowe moduły time, datetime, random, os i inne.
- Obsługa błędów (try…except).
- Listy sklejane (List comprehensions).
- Generatory.
- Programowanie obiektowe.
- Eksploracja danych w Pandas + Numpy
- Import i eksport danych (csv, txt, h5, xlsx).
- Typy kolekcji danych w Pandas (Dataframe, Series).
- Transformacja, sortowanie oraz grupowanie danych.
- Łączenie danych (merge, concat).
- Filtrowanie danych.
- Czyszczenie oraz imputacja braków danych.
- Połączenie oraz pobieranie danych z baz danych.
- Eksploracja i analiza danych w Pandas.
- Wizualizacja danych przy pomocy pakietu Pandas.
- Typy danych oraz konwertowanie danych w Numpy.
- Tablice jedno, dwu oraz trójwymiarowe w Numpy.
- Indeksowanie oraz operacje na wektorach.
- Pozyskiwanie danych z API oraz webscraping
- Interakcja oraz pobieranie danych z API.
- Webscrapping stron internetowych.
- Automatyzacja z pakietem Selenium.
- Wizualizacja danych
- Wprowadzenie do biblioteki matplotlib.
- Histogramy.
- Wykresy kolumnowe.
- Wykresy liniowe.
- Wykresy punktowe oraz zależności.
- Mapy cieplne.
- Łączenie wykresów.
- Elementy wykresów: tytuł, oś x-y, skala, legenda.
- Wizualizacja danych wielowymiarowych.
- Import i obróbka zdjęć.
- Wizualizacja przy użyciu Seaborn.
- Wizualizacja danych na mapach przy użyciu biblioteki Folium.
- Interaktywne wykresy w Plotly.
- Uczenie maszynowe
- Interakcja oraz pobieranie danych z API.
- Webscrapping stron internetowych.
- Automatyzacja z pakietem Selenium.
- Pozyskiwanie danych z API oraz webscraping
- Przygotowanie danych.
- Podział na zbiór treningowy, testowy oraz walidacyjny.
- Dobór zmiennych do modelu (feature engineering).
- Problem regresji vs problem klasyfikacji.
- Algorytmy regresyjne (regresja liniowa, drzewa regresyjne, lasy losowe, wzmocnione drzewa decyzyjne, sieci neuronowe).
- Metryki regresyjne.
- Algorytmy klasyfikacyjne (naiwny klasyfikator Bayesa, regresja logistyczna, drzewa decyzyjne, lasy losowe, SVM, sieci neuronowe).
- Metryki klasyfikacyjne.
- Walidacja modeli (kroswalidacja).
- Przeuczenie modelu, a niedotrenowanie modelu.
- Algorytmy grupujące (k-means, DBSCAN).
- Problemy symulacyjne.
Harmonogram
Harmonogram
| Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Brak wyników. | |||||
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 4 084,83 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 3 321,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 85,10 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 69,19 PLN |
Prowadzący
Prowadzący
Anna Kotarba
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
- Dostęp do nagrania ze szkolenia.
- Po szkoleniu uczestnik otrzyma zaświadczenie zgodne ze wzorem MEN.
Warunki uczestnictwa
- Płynna obsługa komputera
- Posiadanie komputera z dostępem do Internetu, kamerą internetową, głośnikami oraz mikrofonem
- Minimalny poziom frekwencji: co najmniej 80% zajęć
- Frekwencja potwierdzana na podstawie raportów logowań
Informacje dodatkowe
Szkolenia mogą zostać zrealizowane z projektów:
- Małopolski Pociąg do kariery
- Kierunek - Rozwój
- Nowy start w Małopolsce z EURESEM
- Zachodniopomorskie Bony Szkoleniowe
- Regionalny Fundusz Szkoleniowy II
- Małopolskie Bony Rozwojowe
Koszt usługi będzie zwolniony z podatku VAT jeśli: Usługa zwolniona z podatku VAT na podstawie art. 43 ust. 1 pkt 29 lit. c ustawy z dnia 11 marca 2004 r. o podatku od towarów i usług (t.j. Dz. U z 2021, poz. 685 ze zm.)
Warunki techniczne
Warunki techniczne
Tryb online:
Szkolnie realizowane jest a pomocą aplikacji MS Teams. Link umożliwiający dołączenie do szkolenia wysłany będzie na kilka dni przed startem szkolenia. Link będzie ważny przez cały okres szkolenia.
Wymagania sprzętowe:
- Wymagany komputer z dostępem do Internetu oraz możliwość instalacji środowiska Python (np. Anaconda) i bibliotek wykorzystywanych podczas szkolenia. W przypadku braku oprogramowania, proszę o kontakt – zostanie udostępniony pulpit zdalny.
- Szkolenie realizowane jest dla systemu operacyjnego Microsoft Windows. W przypadku posiadania innego systemu typu Mac iOS, proszę o informację.
- Przeglądarka internetowa (dowolna przeglądarka internetowa: Edge, Chrome, Firefox, Safari, Internet Explorer itp.)
- Głośniki lub słuchawki
- Opcjonalnie: drugi monitor, bądź jakikolwiek oddzielny ekran, np. TV, ekran telefonu. Na jednym ekranie wyświetlasz obraz udostępniany przez trenera, a na drugim uczestnik pracuje samodzielnie. Do wyświetlania ekranu udostępnionego przez trenera można również wykorzystać telefon lub TV.
Parametry komputera:
- minimum 1 rdzeń, Pentium 3
- 256 MB RAM
- 150 MB wolnego miejsca na dysku ;)
- karta dźwiękowa
- jedna z przeglądarek internetowych:
- IE >6
- Firefox
- Google Chrome
- Safari
Łącze internetowe
Łącze internetowe powinno posiadać szybkość min. 1 Mb/s. Łącza internetowe naszych serwerów to >10 Gb/s.