PYTHON DEVELOPER ORAZ FUNDAMENTY AI. KOMPLEKSOWE PRZYGOTOWANIE DO PRACY Z KODEM I ANALIZĄ DANYCH (DATA SCIENCE, MACHINE LEARNING).
PYTHON DEVELOPER ORAZ FUNDAMENTY AI. KOMPLEKSOWE PRZYGOTOWANIE DO PRACY Z KODEM I ANALIZĄ DANYCH (DATA SCIENCE, MACHINE LEARNING).
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Programowanie
- Identyfikatory projektówKierunek - Rozwój, Zachodniopomorskie Bony Szkoleniowe
- Grupa docelowa usługi
Kurs przeznaczony jest dla osób początkujących, które wcześniej nie miały nic wspólnego z informatyką w zakresie omawianych tematów.
- Minimalna liczba uczestników3
- Maksymalna liczba uczestników5
- Data zakończenia rekrutacji05-08-2026
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi45
- Podstawa uzyskania wpisu do BURZnak Jakości TGLS Quality Alliance
Cel
Cel
Cel edukacyjny
Kurs przygotowuje uczestnika do projektowania, testowania i wdrażania aplikacji w Pythonie oraz implementacji prostych modeli ML, umożliwiając samodzielne realizowanie zadań programistycznych, analitycznych i AI po ukończeniu szkolenia.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Projektuje środowisko programistyczne (Python + IDE) i monitoruje poprawność jego działania. | • Weryfikuje instalację Pythona (wersja, interpreter). • Konfiguruje IDE. • Wykonanie proste skrypty. | Test teoretyczny z wynikiem generowanym automatycznie |
| Konstruuje skrypty wykorzystujące zmienne, operatory, warunki i pętle. | • Analizuje kod pod kątem zastosowania zmiennych, warunków i pętli. • Wykonanie działania w nimi związane. | Test teoretyczny z wynikiem generowanym automatycznie |
| Definiuje i organizuje funkcje i moduły dla rozwiązywania konkretnych problemów. | • Sprawdzenie struktury funkcji i modułów w projekcie „gra tekstowa”. | Test teoretyczny z wynikiem generowanym automatycznie |
| Projektuje aplikacje CLI oparte na konstrukcjach proceduralnych i OOP (klasy, enkapsulacja, dziedziczenie). | • Analizuje kod klasy bazowej i dziedziczącej. • Wykonuje testy funkcjonalne CRUD dla zapisu w JSON/CSV. | Test teoretyczny z wynikiem generowanym automatycznie |
| Obsługuje biblioteki pandas i NumPy do przygotowania oraz analizy danych. | • Obsługuje biblioteki analityczne - wykonanie operacji na DataFrame (filtrowanie, grupowanie, agregacje). • Używa funkcji NumPy. | Test teoretyczny z wynikiem generowanym automatycznie |
| Implementuje model ML (scikit learn): dzieli dane, trenuje, ocenia i analizuje metryki. | • Ocenia plik z kodem zawierającym podział danych (min. 70/30). • Szkoli modelu i raportuje z metrykami (accuracy, precision, recall). | Test teoretyczny z wynikiem generowanym automatycznie |
| Projektuje prostą sieć neuronową w Keras, ocenia jej działanie i uzasadnia wybór konfiguracji. | • Projektuje sieć neuronową - sprawdza model z min. 3 warstwami. • Wykorzystuje aktywację i optymalizatora. • Analizuje wykresy treningu. • Opisuje problemy ewentualne problemy. | Test teoretyczny z wynikiem generowanym automatycznie |
| Kontroluje jakość kodu (modularność, dokumentacja, Git). | • Ocenia czytelności kodu (docstringi). • Ocenia czytelności struktury modularnej. • Tworzy instrukcję uruchomienia w README.md. | Test teoretyczny z wynikiem generowanym automatycznie |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
Dokładny harmonogram (następna zakładka) szkolenia będzie dostosowany do preferencji uczestników i będzie uzupełniony na co najmniej 6 dni przed rozpoczęciem kursu. Harmonogram będzie z dokładnym podziałem zajęć i czasem trwania oraz z przerwami między poszczególnymi zajęciami.
Usługa liczona w godzinach lekcyjnych (45 min.). Po 90 minutach zajęć przewidziana jest 15 minutowa przerwa, która nie wlicza się do czasu szkolenia.
Kurs będzie przeprowadzony na platformie Clickmeeting na żywo w czasie rzeczywistym. Kurs ten przeznaczony jest dla osób początkujących, które wcześniej nie miały nic wspólnego z informatyką w zakresie omawianych tematów i pragną samodzielnie wykonać oraz pozycjonować swoją stronę internetową.
Uczestnik jest zobowiązany do uczestnictwa w co najmniej w 80% zajęć, aby cały kurs był kwalifikowalny w aspekcie dofinansowania. Frekwencja będzie potwierdzona podpisana listą obecności. – ten zapis dotyczy tylko operatorów:
1) „PROFESJONALNE KADRY PODLASIA – wsparcie rozwoju kwalifikacji mieszkańców subregionu białostockiego” , ul. Kilińskiego 17, 15-089 Białystok
2) KDK INFO sp. z o.o., ul. Sierakowska 4, 05-080 Izabelin C
Walidacja efektów uczenia się:
Walidacja odbędzie się za pomocą jednolitego, elektronicznego testu wielokrotnego wyboru i pytań zamkniętych, generowanego oraz ocenianego automatycznie przez platformę szkoleniową (test teoretyczny z wynikiem generowanym automatycznie). Test uważa się za zaliczony jeśli uczestniczka/uczestnik osiągnie wynik nie mniejszy niż 70 procent.
1. Środowisko deweloperskie i fundamenty języka Python.
- Cel edukacyjny: Nabycie umiejętności swobodnego poruszania się w nowoczesnym środowisku programistycznym oraz opanowanie kluczowych elementów składni języka.
- Tematy:
- Konfiguracja profesjonalnego stanowiska pracy (IDE: Visual Studio Code / PyCharm).
- Zarządzanie środowiskiem wirtualnym i pakietami.
- Typy danych, zmienne i operatory w języku Python.
- Praktyka: Stworzenie i uruchomienie pierwszego skryptu użytkowego – narzędzia do generowania i podstawowej walidacji haseł (zastąpienie klasycznego „Hello World” rozwiązaniem o praktycznym zastosowaniu).
2. Logika programowania i struktury danych w praktyce.
- Cel edukacyjny: Opanowanie przepływu sterowania w aplikacji oraz efektywne zarządzanie informacją za pomocą natywnych struktur danych.
- Tematy:
- Sterowanie przepływem programu: instrukcje warunkowe i pętle iteracyjne.
- Modularność kodu: projektowanie i wykorzystanie funkcji.
- Przetwarzanie kolekcji: zaawansowane operacje na listach, słownikach i zbiorach.
- Projekty:
- Kalkulator wskaźników finansowych: Aplikacja interaktywna wykorzystująca logikę warunkową do obliczania np. stóp zwrotu z inwestycji lub harmonogramu rat.
- Symulator decyzyjny: Tekstowa aplikacja oparta na złożonych drzewach warunkowych, reagująca na dane wejściowe użytkownika.
3. Programowanie obiektowe (OOP) i architektura aplikacji.
- Cel edukacyjny: Zrozumienie i wdrożenie paradygmatu obiektowego, niezbędnego w komercyjnych projektach informatycznych oraz nauka zarządzania danymi.
- Tematy:
- Fundamenty OOP: Klasy, obiekty, enkapsulacja, dziedziczenie i polimorfizm.
- Niezawodność oprogramowania: Obsługa wyjątków i bezpieczne debugowanie kodu.
- Integracja z systemem: Operacje wejścia/wyjścia, obsługa plików strukturalnych (JSON, CSV).
- Praca ze standardowymi bibliotekami Pythona (np. datetime, os).
- Projekt główny: * Konsolowy System Zarządzania Zadaniami (CLI Task Manager): Architektura oparta na klasach, oddzielająca logikę biznesową od interfejsu. System z trwałym zapisem danych na dysku i kategoryzacją statusów.
4. Wprowadzenie do Data Science i ekosystemu Sztucznej Inteligencji.
- Cel edukacyjny: Zrozumienie teoretycznych i biznesowych podstaw technologii AI oraz identyfikacja obszarów, w których algorytmy przynoszą największą wartość.
- Tematy:
- Taksonomia dziedzin: Różnice i punkty wspólne między AI, Machine Learningiem a Deep Learningiem.
- Przegląd metod uczenia: nadzorowane, nienadzorowane oraz ze wzmocnieniem (Reinforcement Learning).
- Analiza przypadków użycia (Use Cases) w dzisiejszym biznesie (finanse, e-commerce, medycyna).
5. Uczenie maszynowe (Machine Learning) krok po kroku.
- Cel edukacyjny: Samodzielne przygotowanie zbioru danych i wdrożenie modelu klasyfikacyjnego przy użyciu rynkowych standardów.
- Tematy:
- Wstęp do przetwarzania danych: Wykorzystanie bibliotek pandas i NumPy do czyszczenia i transformacji zbiorów danych.
- Wdrażanie modeli predykcyjnych przy pomocy biblioteki scikit-learn.
- Trenowanie, testowanie i ewaluacja skuteczności modelu.
- Projekt praktyczny: * Algorytm klasyfikacyjny (np. System detekcji spamu): Opracowanie modelu uczenia maszynowego, który na podstawie historycznych danych kategoryzuje nowe, nieznane wcześniej informacje.
6. Podstawy Głębokiego Uczenia (Deep Learning) i Sieci Neuronowe.
- Cel edukacyjny: Zrozumienie architektury sztucznych sieci neuronowych i praktyczne zastosowanie frameworków do rozwiązywania złożonych problemów analitycznych.
- Tematy:
- Architektura sieci: Perceptrony, warstwy ukryte, wagi i funkcje aktywacji.
- Nowoczesne narzędzia inżyniera AI: Wprowadzenie do środowiska Keras (backend TensorFlow).
- Analiza procesu uczenia: Optymalizacja wag, funkcje straty i analiza błędów.
- Projekt praktyczny: * Implementacja pierwszego modelu sieci neuronowej: Zbudowanie od podstaw, wytrenowanie i ocena skuteczności sieci na przykładowym zbiorze danych (np. podstawowa klasyfikacja obrazów lub danych tabelarycznych).
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 5 400,00 PLN |
Podmiot uprawniony do zwolnienia z VAT na podstawie art. 113 ust. 1 ustawy o VAT ze względu na wartość sprzedaży | |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 5 400,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 120,00 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 120,00 PLN |
Prowadzący
Prowadzący
Szymon Bytniewski.
Na co dzień zajmuje się tworzeniem automatyzacji komercyjnych, szczególnie w obszarze dużych zbiorów danych dla potrzeb SEO. Rozwija także autorskie aplikacje w Pythonie wykorzystujące framework FastAPI, które pomagają autorom w pisaniu i optymalizacji treści na strony internetowe. Specjalizuje się w customowych automatyzacjach przetwarzających duże zbiory danych za pomocą Pythona i narzędzia n8n - od zarządzania transkrypcjami rozmów z notetakerów, przez systemy CRM, po proste boty AI dla stron internetowych.
Regularnie prowadzi webinary online dotyczące wdrażania generatywnego AI w logikę aplikacji z wykorzystaniem Pythona (FastAPI) i n8n. Dodatkowo szkoli pracowników firm w zakresie automatyzacji przy użyciu narzędzia n8n. Jako przedsiębiorca wdraża komercyjne rozwiązania automatyzacyjne oparte na Pythonie, ze szczególnym uwzględnieniem frameworka FastAPI.
Jest także współtwórcą jednej z największych polskich społeczności AI na Discord - AI Dojo, która skupia entuzjastów sztucznej inteligencji. W ramach prowadzonych kursów dzieli się praktyczną wiedzą zdobytą podczas realnych projektów komercyjnych. Doświadczenie zawodowe zdobyte nie wcześniej niż 5 lat przed datą wprowadzenia szczegółowych danych dotyczących oferowanej usługi.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Materiały szkoleniowe w programie PowerPoint.
Warunki uczestnictwa
Wymagania wstępne odnośnie uczestnika kursu:
- Podstawowa znajomość obsługi komputera.
- Podstawowa znajomość obsługi dowolnego edytora tekstu.
Wymagania wstępne. Walidacja spełnienia tego kryterium będzie polegać na rozmowie kwalifikacyjnej z uczestniczką/kiem kursu sprawdzającej umiejętności odnośnie podstawowej znajomości obsługi komputera oraz edytora tekstu.
Informacje dodatkowe
Podstawa zwolnienia z podatku VAT : Art. 113 ust 1 ustawy o VAT.
Warunki techniczne
Warunki techniczne
Kurs będzie przeprowadzany w formie zdalnej na żywo (video i audio) na platformie ClickMeeting.
Wymagania sprzętowe:
- Stabilny dostęp do Internetu.
- Prędkość łącza (pobieranie/przesyłanie) - min. 10 Mbps.
- Komputer z systemem Windows (8,10,11) wyposażony w kamerkę internetową i mikrofon.
- Przeglądarka internetowa.