Szkolenie: Junior Data Analyst

Dla osiągnięcia celu edukacyjnego usługa obejmuje:

Zakres tematyczny:

MODUŁ 1: Arkusze kalkulacyjne

1.Rola analityka w biznesie

• • Zespół analityczny w firmie: analityk danych vs Data Engineer, Data Scientist vs Business Analyst
  • Narzędzia analityka danych
  • Proces przygotowywania raportów
  • Wybrane metodyki pracy w analizie danych

2.Wprowadzenie do arkuszy kalkulacyjnych

• • Proces wprowadzania danych w MS Excel
  • Podstawowe zagadnienia i operacje w MS Excel
  • Importowanie danych z różnych źródeł
  • Adresowanie komórek
  • Import danych z Internetu i wykorzystanie adresowania komórek w ćwiczeniach na tych danych
  • Wprowadzenie do funkcji JEŻELI()
  • Funkcje tekstowe
  • Funkcje daty

3.Funkcje warunkowe i statystyczne, wyszukiwanie danych

• • Wykorzystanie funkcji warunkowych i statystycznych, np. SUMA.JEŻELI(), SUMA.WARUNKÓW(), LICZ.JEŻELI(), itd.
  • Wykorzystanie funkcji wyszukujących tj. WYSZUKAJ.PIONOWO(), WYSZUKAJ.POZIOMO(), wykorzystanie funkcji INDEKS(), wykorzystanie funkcji PODAJ.POZYCJĘ()

4.Wizualizacja i filtrowanie danych

• • Wykorzystanie i formatowanie wykresów w MS Excel
  • Formatowanie warunkowe w tabelach
  • Formatowanie danych za pomocą funkcji
  • Filtry podstawowe w MS Excel
  • Filtrowanie zaawansowane w MS Excel

5.Funkcje zagnieżdżone i tabele przestawne

• • Łączenie wykorzystanych wcześniej funkcji ze sobą
  • Wprowadzenie do funkcji PRZEŁĄCZ() (switch)
  • Wprowadzenie do tabel przestawnych
  • Fragmentatory
  • Konsolidacja danych

6.Praca z innymi narzędziami: Google Sheets

• • Prezentacja wybranych funkcji w ramach ekosystemu Google

MODUŁ 2: Bazy danych i SQL

7.Wprowadzenie do baz danych

• • Definicje bazy danych i obiektów baz danych
  • Definicja i zastosowanie SQL
  • Składnia SQL
  • Funkcje i operatory w SQL, funkcje agregujące
  • Zapoznanie z interfejsem MS SQL Server Express
  • Przykłady wykonania najprostszych zapytań SQL

8.SQL w zadaniach praktycznych

• • Przypomnienie składni SQL
  • Wykorzystanie funkcji (tekstowych, agregujących, daty) i operatorów w zadaniach praktycznych

9.Łączenie tabel w SQL w praktyce

• • Omówienie typów złączeń w SQL
  • Wyjaśnienie, jak łączyć tabele za pomocą kodu SQL
  • Wykorzystanie zdobytej wiedzy teoretycznej w praktyce

10.Widoki w SQL, operacje na danych, tworzenie i modyfikowanie tabel

• • Tworzenie widoków w zapytaniach
  • Tworzenie baz danych, tabel
  • Modyfikowanie tabel
  • Operacje na danych

11.Praktyczne podejście do SQL: powtórzenie i podsumowanie zdobytej wiedzy

• • Podsumowanie zdobytej dotychczas wiedzy z SQL
  • Zadania praktyczne z całego zakresu tematycznego dotyczącego języka SQL

MODUŁ 3: Business Intelligence

12.Wprowadzenie do Business Intelligence

• • Podstawowe definicje związane z systemami BI
  • Omówienie interfejsu oprogramowania MS Power BI
  • Omówienie możliwości wykorzystania różnych typów plików w Power BI
  • Omówienie procesu ETL
  • Podstawowe operacje na danych
  • Przegląd narzędzi wykorzystywanych w Business Intelligence

13.Power BI

• • Omówienie źródeł pozyskiwania danych
  • Omówienie źródeł pozyskiwania wizualizacji
  • Formatowanie wizualizacji
  • Wprowadzenie do Power Query (język M)

MODUŁ 4: DAX

14.Wprowadzenie do DAX

• • Omówienie zastosowania języka DAX
  • Omówienie podstawowych funkcji agregujących języka DAX
  • Tworzenie nowych kolumn w DAX
  • Tworzenie miar w DAX

15.DAX – funkcje zmieniające kontekst

• • Wykorzystanie zarządzania kontekstem za pomocą DAX – funkcja CALCULATE
  • Tworzenie kalendarza za pomocą DAX
  • Tworzenie hierarchii dat
  • Omówienie funkcji filtrujących

16.Przeszukiwanie tabel, modyfikacja relacji za pomocą DAX, tworzenie nowych tabel w tym grupujących w DAX, zmienne

• • Funkcje wyszukujące w DAX
  • Łączenie tabel ze sobą mimo nieistniejących relacji
  • Tworzenie nowych tabel – słowników i grupujących w DAX
  • Tworzenie zmiennych w DAX

17.Wizualizacja danych, zarządzanie zależnościami między filtrami, a wizualizacjami, tworzenie zakładek

• • Techniki wizualizacji danych
  • Rodzaje wykresów
  • Modyfikowanie interakcji pomiędzy filtrami a wizualizacjami
  • Tworzenie zakładek

18.Business Intelligence – przykłady innych narzędzi: Looker Studio

• • Wprowadzenie do Looker Studio
  • Omówienie zasad korzystania i wizualizacji

MODUŁ 5: Analiza danych w Pythonie

19.Wprowadzenie do Pythona i Git

• • Instalacja Pythona i środowiska programistycznego (np. Anaconda, Jupyter Notebook)
  • GoogleColab
  • Podstawy składni Pythona: typy danych, operatory, zmienne
  • Podstawy Gita: instalacja, konfiguracja, podstawowe polecenia (init, clone, commit, push, pull)

20.Podstawy programowania w Pythonie

• • Podstawowe struktury danych
  • Pętle i warunki: for, while, if-else
  • Funkcje: tworzenie i wywoływanie funkcji, parametry, zwracanie wartości
  • List comprehensions

21.Wprowadzenie do Pandas

• • Tworzenie i manipulowanie DataFrame’ami
  • Importowanie i eksportowanie danych z/do różnych formatów

22.Eksploracja danych w Pandas

• • Grupowanie danych i agregacja
  • Filtrowanie i sortowanie danych
  • Przekształcanie i czyszczenie danych (m.in. usuwanie brakujących wartości, duplikatów)

23.Wizualizacja danych w Pythonie

• • Wprowadzenie do Matplotlib i Seaborn
  • Tworzenie podstawowych wykresów: linie, słupki, histogramy, wykresy kołowe
  • Dostosowywanie wykresów: tytuły, etykiety, legendy

24.Matematyka i statystyka w Pythonie

• • Wprowadzenie do biblioteki NumPy
  • Podstawy statystyki: średnia, mediana, odchylenie standardowe
  • Podstawowe rozkłady statystyczne: rozkład normalny, dwumianowy, wykładniczy, Poissona
  • Korelacja w danych

25.Testowanie hipotez statystycznych w Pythonie

• • Wprowadzenie do testów statystycznych
  • Testowanie hipotez w Pythonie (t-test, test chi-kwadrat)
  • Interpretacja wyników testów

26.Redukcja wymiarowości i klasteryzacja

• • Wprowadzenie do klasteryzacji
  • K-means
  • Wizualizacja wyników
  • Redukcja wymiarowości (PCA)
  • Integracja PCA z klasteryzacją w celu poprawy wyników i wizualizacji

27.Wprowadzenie do modelowania w Pythonie cz. 1

• • Wprowadzenie do modelowania danych: regresja liniowa
  • Tworzenie prostych modeli predykcyjnych w Pythonie za pomocą biblioteki Scikit-learn
  • Ocena jakości modelu: podział na zbiory treningowy i testowy, metryki oceny modelu (RMSE, R²)

28.Wprowadzenie do modelowania w Pythonie cz. 2

• • Wprowadzenie do klasyfikacji binarnej
  • Niezbalansowany zbiór – jak sobie z nim radzić?
  • Tworzenie modelu drzewa decyzyjnego lub modelu Random Forest za pomocą Scikit-learn
  • Ocena jakości modelu: macierz błędów, krzywa ROC, AUC, precyzja, recall, F1-score

MODUŁ 6: Rozwój kariery

29.Rozmowa kwalifikacyjna

• • Przykładowa ścieżka rekrutacyjna
  • Pisanie kompetentnego CV i portfolio
  • Przygotowanie do rozmowy kwalifikacyjnej z rekruterem
  • Przygotowanie do rozmowy technicznej
  • Przykładowa rozmowa rekrutacyjna
  • Analiza wybranych zadań rekrutacyjnych
  • Metoda STAR
  • Pytania, które warto zadać firmie
  • Jak negocjować ofertę pracy?

30.Prezentacja projektów końcowych

Walidacja

Łączna ilość godzin: 60h zegarowych w tym:18h teoria, 41h 30min praktyka,15 przerwa, 15 min walidacja

Warunki organizacyjne:

1. Szkolenie grupowe; maksymalna wielkość grupy: 30 osób.
2. Szkolenie obejmuje: wykład, warsztat praktyczny z analizy danych, pokaz pracy w arkuszach kalkulacyjnych, SQL, Power BI, DAX i Pythonie, ćwiczenia indywidualne, ćwiczenia analityczne, analizę case study, pracę z danymi, tworzenie zapytań SQL, przygotowanie raportów i wizualizacji, modelowanie danych, testowanie hipotez statystycznych, przygotowanie portfolio, Q&A oraz konsultacje z prowadzącymi.
3. Usługa jest realizowana w godzinach zegarowych – 1 godzina = 60 minut.
4. Szkolenie realizowane jest w formule 30 spotkań . Ze względu na długość pojedynczego spotkania w spotkaniach 1-29 nie przewidziano przerw. Przerwę przewidziano jedynie w ostatnim dniu. Przerwa wlicza się w czas trwania zajęć i może być elastycznie dostosowana do tempa pracy uczestników.
5. Warunkiem ukończenia szkolenia jest udział w zajęciach przez minimum 80% czasu trwania usługi.
6. Walidacja jest wliczona w czas trwania usługi i odbywa się na zakończenie ostatniego dnia szkolenia.
7. Metody walidacji efektów uczenia się: test teoretyczny z wynikiem generowanym automatycznie.

Organizacja walidacji:

1. Walidacja efektów uczenia się zostanie przeprowadzona na zakończenie ostatniego spotkania, w czasie wskazanym w harmonogramie usługi. Czas trwania walidacji wynosi 15 minut i jest wliczony w całkowity czas trwania usługi.
2. Walidacja zostanie przeprowadzona zdalnie, w formie testu teoretycznego z wynikiem generowanym automatycznie. Uczestnik otrzyma dostęp do testu online za pośrednictwem platformy lub narzędzia wskazanego przez Dostawcę Usług.
3. Wynik testu zostanie wygenerowany automatycznie po jego zakończeniu, bez udziału osoby prowadzącej szkolenie w ocenie odpowiedzi uczestnika. Rozwiązanie zapewnia rozdzielenie procesu kształcenia od procesu walidacji. Pozytywny wynik walidacji stanowi podstawę do potwierdzenia osiągnięcia efektów uczenia się przewidzianych dla usługi.
4. Walidacja zostanie przeprowadzona z zachowaniem rozdzielności funkcji procesu szkoleniowego i procesu walidacji.

Organizator zapewnia następujące materiały dydaktyczne: dostęp do nagrań i materiałów z kursu przez okres 2 lat od zakończenia szkolenia.

Na życzenie uczestnika dostawca usługi dostarczy materiały zapewniające dostępność.

Uczestnik, dokonując zapisu na usługę, oświadcza, że usługa rozwojowa odbywa się poza godzinami pracy lub w dni wolne od pracy. Warunkiem otrzymania zaświadczenia jest próg obecności na poziomie 80%.

Usługa korzysta ze zwolnienia z podatku VAT na podstawie art. 43 ust. 1 pkt 29 lit. a ustawy o VAT.

Organizator zapewnia dostępność osobom ze szczególnymi potrzebami podczas realizacji usług rozwojowych zgodnie z Ustawą z dn. 19 lipca 2019 r. o zapewnianiu dostępności osobom ze szczególnymi potrzebami (Dz.U. 2022 poz. 2240) oraz „Standardami dostępności dla polityki spójności 2021-2027”. W przypadku potrzeby zapewnienia udogodnień prosimy o kontakt: +48 534 853 079, paulina.lukawska@l-a-b-a.pl przed zapisem na usługę.

Zawarto umowy z Wojewódzkimi Urzędami Pracy w:

• • Szczecinie w ramach projektu „Zachodniopomorskie Bony Szkoleniowe”.
  • Krakowie w ramach projektów „Małopolski Pociąg do kariery” i „Nowy start w Małopolsce z EURESEM”.
  • Toruniu w ramach projektu "Kierunek – Rozwój".

Usługa realizowana jest w formie zdalnej w czasie rzeczywistym z wykorzystaniem platformy Zoom.

W celu prawidłowego udziału w szkoleniu uczestnik powinien posiadać:

• • komputer lub laptop z dostępem do Internetu (zalecana prędkość min. 10 Mb/s),
  • aktualną przeglądarkę internetową (np. Google Chrome, Mozilla Firefox, Microsoft Edge),
  • sprawny mikrofon oraz kamerę, co zapewni możliwość dwustronnej komunikacji i właściwego nadzoru nad przebiegiem usługi.
  • możliwość odbioru dźwięku (głośniki lub słuchawki),
  • dostęp do poczty elektronicznej w celu otrzymania linku do szkolenia.

Dołączenie do szkolenia następuje poprzez kliknięcie w link przesłany przed rozpoczęciem zajęć. Link aktywny jest przez cały okres trwania usługi zgodnie z harmonogramem.

Linki zostaną udostępnione uczestnikom w terminie zgodnym z regulaminem.