Kurs Analityk Danych + AI | forma zdalna w czasie rzeczywistym

Możliwość dofinansowania
Logo INFOSHARE ACADEMY SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
INFOSHARE ACADEMY SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ

Kurs Analityk Danych + AI | forma zdalna w czasie rzeczywistym

Numer usługi 2025/06/13/11051/2815455
5 400,00 PLN
brutto
4 390,24 PLN
netto
69,23 PLN
brutto/h
56,29 PLN
netto/h
zdalna w czasie rzeczywistym
Usługa szkoleniowa
78 h
25.08.2025 do 14.01.2026
0 zapisanych uczestników
Obserwuj
Zapisz się
Pobierz kartę usługi w PDF
Informacje podstawowe

Informacje podstawowe

  • Kategoria
    Informatyka i telekomunikacja / Bazy danych
  • Identyfikator projektu
    Małopolski Pociąg do kariery
  • Sposób dofinansowania
    wsparcie dla osób indywidualnych
    wsparcie dla pracodawców i ich pracowników
  • Grupa docelowa usługi

    DLA KOGO JEST TEN KURS?

    Szkolenie przeznaczone jest dla osób bez doświadczenia w programowaniu, z podstawowym doświadczeniem w zakresie analizy danych. Wcześniejsze doświadczenie i wiedza z zakresu programowania w dowolnym języku mogą być pomocne, lecz nie są konieczne do wzięcia udziału w kursie.

    Dobrze, by osoba chcąca skorzystać ze szkolenia była chętna do zdobywania nowej wiedzy, doceniała wartość automatyzowania wykonywanych czynności oraz tworzenia wizualizacji danych w komunikacji z interesariuszami.

    Kurs skierowany również dla osób mających dofinansowanie w ramach projektu Kierunek – Rozwój.

    Usługa również adresowana dla Uczestników Projektu MP i/lub dla Uczestników Projektu NSE.

  • Minimalna liczba uczestników
    10
  • Maksymalna liczba uczestników
    15
  • Data zakończenia rekrutacji
    21-08-2025
  • Forma prowadzenia usługi
    zdalna w czasie rzeczywistym
  • Liczba godzin usługi
    78
  • Podstawa uzyskania wpisu do BUR
    Znak Jakości TGLS Quality Alliance

Cel

Cel edukacyjny
Celem szkolenia jest poszerzenie wiedzy oraz umiejętności osób zajmujących się zawodowo analizą danych, które chcą do tego wykorzystać metody programistyczne, ze szczególnym naciskiem na zastosowanie języka programowania Python.
Ma ono wyposażyć uczestników w znajomość podstaw teoretycznych i praktycznych wykonywania analiz dużych zbiorów danych, budowania raportów, wyciągania wniosków oraz tworzenia na ich podstawie rekomendacji biznesowych.
Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
Efekty uczenia się Kryteria weryfikacji Metoda walidacji
Efekty uczenia się
obsługuje środowisko pracy Analityka
Kryteria weryfikacji
dokonuje zakładania i konfiguracji konta GitHub oraz podstaw pracy z repozytoriami. Dokonuje Tworzenia, klonowania i zarządzania projektami za pomocą systemu kontroli wersji Git oraz Efektywnego śledzenia zmian w kodzie, analizy historii projektu. Dowie się, jak uruchomić, korzystać i organizować pracę w Jupyter Notebook.

Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje podstawy Pythona w analizie danych
Kryteria weryfikacji
stosuje podstawy Pythona, typy danych i operacje na nich oraz podstawy programowania algorytmicznego. Charakteryzuje zasady tworzenia instrukcji warunkowych oraz pętli w automatyzacji zadań. Dowie się, jak używać Pythona do przetwarzania i czyszczenia danych. Definiuje pracę z listami, krotkami, zestawami i słownikami do efektywnego przechowywania i
przetwarzania danych. Stosuje pisanie skryptów do automatyzacji prostych zadań analitycznych.
Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje obiektowość w analizie danych (OOP)
Kryteria weryfikacji
stosuje zasady programowania obiektowego (OOP) i ich zastosowanie w analizie danych. Obsługuje tworzenie i zarządzanie klasami oraz obiektami. Definiuje dziedziczenie, polimorfizm i enkapsulacja w kontekście pracy z danymi. Dowie się, jak OOP wspiera modularność i ponowne wykorzystanie kodu. Dokonuje projektowania obiektów i ich implementacji w kontekście analizy danych.
Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje Analiza danych z użyciem SQL (SQLite)
Kryteria weryfikacji
Stosuje podstawy SQL i jak działa baza danych SQLite. Dowie się, jak tworzyć i zarządzać tabelami w SQLite. Opisuje i wdraża pisanie zapytań SELECT do pozyskiwania danych. oraz jak filtrować, sortować i agregować dane w SQL. Stosuje tworzenie efektywnych zapytań z wykorzystaniem JOIN, GROUP BY i HAVING.
Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje przetwarzanie wielowymiarowych danych
z użyciem tablic NumPy
Kryteria weryfikacji
Definiuje podstawy pracy z biblioteką NumPy i jej rolę w analizie danych. Stosuje tworzenie i manipulacja tablicami wielowymiarowymi oraz operacje matematyczne i statystyczne na tablicach NumPy. Dowie się, jak efektywnie przetwarzać i filtrować duże zbiory danych. Opisuje zastosowanie NumPy w analizie wielowymiarowej i algebrze liniowej. Opisuje i wdraża optymalizację wydajności analiz poprzez użycie NumPy.
Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje Analiza danych z biblioteką Pandas
Kryteria weryfikacji
obsługuje podstawy pracy z biblioteką Pandas i jej zastosowanie w analizie danych. Stosuje pracę z DataFrame: tworzenie, indeksowanie i filtrowanie danych. Opisuje, jak stosować manipulację danymi: agregacja, grupowanie i przekształcanie danych. Obsługuje importowanie, eksportowanie i czyszczenie danych z użyciem Pandas. Dowie sią jak, tworzyć zaawansowanych analiz i wizualizacji danych z Pandas. Dokonuje integracji Pandas z innymi narzędziami i bibliotekami w Pythonie
Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje sposób pozyskiwania danych z API oraz Web Scraping
Kryteria weryfikacji
stosuje podstawy pracy z API: jak wysyłać zapytania i odbierać dane w formacie JSON.
Definiuje autoryzacje i uwierzytelnianie przy pracy z API. Opisuje techniki Web Scraping: jak pozyskiwać dane z HTML przy użyciu bibliotek BeautifulSoup i
Scrapy. Potrafi obrabiać i czyścić dane pozyskane z sieci. Dowie się, jak pozyskiwać dane z popularnych serwisów internetowych. Charakteryzuje etyczne aspekty Web Scraping i przestrzeganie zasad zgodności.
Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje dobre prompty – wykorzystanie AI w analizie danych
Kryteria weryfikacji
Stosuje formułowania skutecznych promptów, aby otrzymać wartościowe informacje. Potrafi używać dopasowywania promptów do konkretnych etapów analizy danych. Dokonuje Weryfikowania oraz udoskonalania promptów na podstawie otrzymanych rezultatów. Dowie się, jak unikać typowych pułapek – zbyt ogólnych, wieloznacznych lub nieprecyzyjnych
zapytań. Stosuje AI do generowania sugestii dotyczących kodu, metryk, metod analizy czy
wizualizacji danych oraz do integracji sztucznej inteligencji z istniejącymi narzędziami i procesami pracy analityka,
celem zwiększenia efektywności i jakości wyników.
Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje efektywne wizualizacje danych w Pythonie
Kryteria weryfikacji
stosuje podstawy tworzenia wizualizacji z użyciem bibliotek Matplotlib i Seaborn. Obsługuje tworzenie różnych typów wykresów, takich jak słupkowe, liniowe, kołowe i wykresy
rozrzutu. Stosuje personalizację wykresów: kolory, style, etykiety i legendy oraz dokonuje tworzenia interaktywnych wizualizacji za pomocą Plotly. Potrafi używać wizualizacji do opowiadania historii danych (data storytelling). Stosuje optymalizację wizualizacji pod kątem różnych odbiorców i platform
Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje raportowanie danych dla biznesu w Pythonie
Kryteria weryfikacji
dokonuje tworzenia raportów danych w Pythonie z użyciem bibliotek takich jak Pandas i
Matplotlib. Dowie się, jak generować zautomatyzowanych raportów w formacie PDF i Excel. Potrafi używać integracji danych z różnych źródeł w celu stworzenia kompleksowego raportu.
Stosuje zastosowanie Pythona do monitorowania kluczowych wskaźników wydajności (KPI) oraz personalizację raportów według potrzeb odbiorcy (np. menedżerowie, analitycy). Obsługuje automatyzację procesu raportowania i powiadamiania o wynikach.
Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje tworzenie dashboardów z wykorzystaniem Tableau
Kryteria weryfikacji
stosuje podstawy pracy z Tableau: importowanie danych i tworzenie podstawowych
wizualizacji. Dokonuje projektowania interaktywnych dashboardów w Tableau. Stosuje tworzenie dynamicznych wykresów, map i tabel oraz łączenie różnych źródeł danych i ich wizualizacja w jednym dashboardzie. Dokonuje optymalizacji dashboardów pod kątem wydajności i czytelności oraz dowie się jak, publikować i udostępniać dashboardów w organizacji.
Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie
Efekty uczenia się
obsługuje techniki AI (Machine Learning)
Kryteria weryfikacji
Definiuje podstawowe pojęcia i techniki uczenia maszynowego. Dowie się, jak przygotować dane do treningu modelu Machine Learning. Stosuje implementację prostych modeli predykcyjnych z użyciem scikit-learn. Opisuje i wdraża ocenę i optymalizację modeli Machine Learning. Charakteryzuje techniki uczenia nadzorowanego i nienadzorowanego. Dowie się, jak praktycznie zastosować AI w analizie danych: od prognozowania trendów po
klasyfikację.

Metoda walidacji
Test teoretyczny z wynikiem generowanym automatycznie

Kwalifikacje

Kompetencje
Usługa prowadzi do nabycia kompetencji.
Warunki uznania kompetencji
Pytanie 1. Czy dokument potwierdzający uzyskanie kompetencji zawiera opis efektów uczenia się?
Tak, dokument zawiera efekty uczenia się, do których uzyskania uczestnik przygotowywał się w procesie uczenia się.
Pytanie 2. Czy dokument potwierdza, że walidacja została przeprowadzona w oparciu o zdefiniowane w efektach uczenia się kryteria ich weryfikacji?
Tak, dokument potwierdza, że walidacja została przeprowadzona zgodnie z ustalonymi kryteriami weryfikacji zawartymi w efektach uczenia się.
Pytanie 3. Czy dokument potwierdza zastosowanie rozwiązań zapewniających rozdzielenie procesów kształcenia i szkolenia od walidacji?
Tak, dokument potwierdza zastosowanie rozwiązań zapewniających rozdzielenie procesów kształcenia i szkolenia od walidacji.

Program

Moduły szkoleniowe

Celem szkolenia jest poszerzenie kompetencji uczestników w zakresie przetwarzania i analizy danych z wykorzystaniem języka programowania Python. Ma ono wyposażyć uczestników w znajomość technologii i narzędzi niezbędnych do pracy, ale także pokazać dobre praktyki i umożliwić zmierzenie się z praktycznym zastosowaniem zdobytej wiedzy.

W czasie całego cyklu nauczania staramy się dać adeptom nie tylko wiedzę, ale przede wszystkim możliwość zrozumienia, jak wygląda codzienna praca z analizą danych. Wszystkie zajęcia mają więc formę warsztatową i prowadzone są przez doświadczonych praktyków, specjalistów w wybranych dziedzinach.

Tematyka szkolenia:

  • Analiza danych z użyciem SQL (SQLite)
  • Podstawy Pythona w analizie danych
  • Obiektowość w analizie danych (OOP)
  • Praca z bibliotekami, modułami i plikami w analizie danych
  • Stosowanie wyjątków oraz regexów w analizie danych
  • Środowisko pracy GitHub z użyciem CoPilot
  • Przetwarzanie wielowymiarowych danych z użyciem tablic NumPy
  • Analiza danych z biblioteką Pandas
  • Pozyskiwanie danych z API oraz Web Scraping
  • Zastosowanie Pythona w Microsoft Excel
  • Efektywne wizualizacje danych w Pythonie
  • Raportowanie danych dla biznesu w Pythonie
  • Tworzenie dashboardów z wykorzystaniem Tableau
  • Wprowadzenie do technik AI (Machine Learning)

Harmonogram

Liczba przedmiotów/zajęć: 0
Przedmiot / temat zajęćProwadzącyData realizacji zajęćGodzina rozpoczęciaGodzina zakończeniaLiczba godzin
Brak wyników.

Cena

Cennik
  • Rodzaj ceny
    Cena
  • Koszt przypadający na 1 uczestnika brutto
    5 400,00 PLN
  • Koszt przypadający na 1 uczestnika netto
    4 390,24 PLN
  • Koszt osobogodziny brutto
    69,23 PLN
  • Koszt osobogodziny netto
    56,29 PLN

Prowadzący

Liczba prowadzących: 1
1 z 1
Karolina Wadowska
Trenerka infoShare Academy. Trenerka Karolina Wadowska ukończyła między innymi Politechnikę Warszawską, specjalność Data Science i Big Data, a także Uniwersytet AGH w Krakowie. Pracuje zawodowo z danymi jako Data Scientist od 2017 roku, swoją karierę rozpoczynała w obszarze uczenia maszynowego dla sektora bankowego. Posiada dyplomy Szkoły Głównej Handlowej oraz Politechniki Warszawskiej. Z infoShare Academy współpracuje od ponad 5 lat, obecnie prowadzi też ćwiczenia projektowe dla studentów AGH. Pasjonuje się pracą z ludźmi i prezentowaniem odbiorcom zastosowania zaawansowanej analityki w różnych obszarach ich biznesu. Pracowała jako Data Science dla takich firm jak Citi, T-Mobile, infor iIT.

Informacje dodatkowe

Informacje o materiałach dla uczestników usługi

Materiały przekazywane kursantom podczas zajęć są udostępniane w formie linków do źródeł, nie udostępniamy ich przed rozpoczęciem szkolenia, a w trakcie zajęć. Przed pierwszymi zajęciami uczestnicy otrzymują prework, są to materiały do samodzielnej nauki przygotowujące do kursu.

Trenerzy udostępniają autorskie materiały w formie linków do źródeł.

Warunki uczestnictwa

CZEGO OCZEKUJEMY OD CIEBIE?

  • wysokiej motywacji
  • otwartej głowy, która umie liczyć
  • podstawowej znajomości języka angielskiego

Warunki techniczne

  • własny laptopa z systemem operacyjnym Windows 10 /11 lub/ MacOS 11.7.10 Big Sur /lub wyższy, Linux
  • optymalna konfiguracja sprzętowa: procesor i5+ lub podobny, 8GB+ pamięci RAM, zalecany dysk SSD
  • konieczność posiadania kamerki, mikrofonu, słuchawek i internetu
  • opcjonalnie dodatkowy monitor

Kurs również skierowany jest do osób, które otrzymały dofinansowanie w ramach projektu Kierunek – Rozwój.

Na prośbę kontroli mogę udostępnić linki do zajęć w celu zmonitorowania usługi.

Przed zapisaniem się na kursu Kandydat musi przejść proces rekrutacji. W tym celu skontaktuj się z infoShare Academy.

Informacje dodatkowe
  • Warsztaty prowadzone przez doświadczonych trenerów
  • Niezbędne licencje na oprogramowanie w trakcie kursu
  • Wsparcie techniczne
  • Zajęcia będą realizowane przy użyciu platformy Zoom, komunikacja będzie odbywała się za pomocą Slack
  • uczestnik otrzyma link umożliwiający uczestnictwo podczas zajęć, który będzie ważny od godziny rozpoczęcia przez cały czas trwania danych zajęć
  • Po zakończeniu kursu wystawiamy zaświadczenie o uczestnictwie w kursie

Szkolenie będzie prowadzone przez wielu trenerów w zależności od technologii, jak będzie wykładana. Mogą się oni powtarzać. Na koniec kursu mogę podesłać dokładną rozpiskę z imieniem i nazwiskiem trenera, który prowadził w konkretnym dniu szkolenie.

Kurs również dedykowany jest dla osób chcących skorzystać z projektu "Małopolski pociąg do kariery"

Na zakończenie kursu jest przeprowadzany egzamin końcowy lub projekt indywidualny, który jest wymagany do zaliczenia kursu.

Warunki techniczne

Wymagania sprzętowe:

  • własny laptopa z systemem operacyjnym Windows 10 /11 lub/ MacOS 11.7.10 Big Sur /lub wyższy, Linux
    optymalna konfiguracja sprzętowa: procesor i5+ lub podobny, 8GB+ pamięci RAM, zalecany dysk SSD

  • konieczność posiadania kamerki, mikrofonu, słuchawek i internetu

  • opcjonalnie dodatkowy monitor

Kontakt

Anna Mikulska
E-mail
anna.mikulska@infoshareacademy.com
Telefon
(+48) 730 822 802