Machine Learning – modelowanie, optymalizacja, analiza danych

Możliwość dofinansowania

Machine Learning – modelowanie, optymalizacja, analiza danych

Numer usługi 2025/09/12/172284/3004150
Logo UKNOW EDU SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
UKNOW EDU SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
Brak ocen dla tego dostawcy
2 080,00 PLN
brutto
2 080,00 PLN
netto
130,00 PLN
brutto/h
130,00 PLN
netto/h
zdalna w czasie rzeczywistym
Usługa szkoleniowa
16 h
06.11.2025 do 07.11.2025
0 zapisanych uczestników
Obserwuj
Zapisz się
Pobierz kartę usługi w PDF

Informacje podstawowe

Informacje podstawowe

  • Kategoria
    Informatyka i telekomunikacja / Programowanie
  • Grupa docelowa usługi
    • Specjaliści IT, analitycy danych i programiści, którzy chcą poszerzyć swoje kompetencje o uczenie maszynowe i analizę danych w Pythonie.
    • Pracownicy działów biznesowych (sprzedaż, marketing, logistyka, finanse), którzy chcą korzystać z analizy danych i predykcji do podejmowania decyzji.
    • Osoby odpowiedzialne za rozwój innowacji w firmach, wdrażanie narzędzi AI i automatyzację procesów.
    • Studenci i absolwenci kierunków ścisłych/technicznych, którzy chcą rozpocząć karierę w obszarze Data Science i ML.
    • Początkujący Data Scientist oraz osoby zainteresowane wykorzystaniem sztucznej inteligencji w praktyce.
  • Minimalna liczba uczestników
    2
  • Maksymalna liczba uczestników
    12
  • Data zakończenia rekrutacji
    31-10-2025
  • Forma prowadzenia usługi
    zdalna w czasie rzeczywistym
  • Liczba godzin usługi
    16
  • Podstawa uzyskania wpisu do BUR
    Certyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych

Cel

Cel edukacyjny
Celem szkolenia jest przygotowanie uczestników do samodzielnego wykorzystania języka Python i bibliotek analitycznych w procesie budowy i oceny modeli uczenia maszynowego. Uczestnicy zdobędą wiedzę na temat podstawowych algorytmów ML, nauczą się analizy i wizualizacji danych, a także stosowania dobrych praktyk w testowaniu i optymalizacji modeli. Szkolenie rozwija zarówno kompetencje techniczne, jak i umiejętność praktycznego zastosowania sztucznej inteligencji w biznesie.
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
Efekty uczenia się
Uczestnik:
1. Zna podstawy języka Python w kontekście analizy danych i uczenia maszynowego,

2. Rozumie różnice między typami uczenia maszynowego (nadzorowane, nienadzorowane, ze wzmocnieniem),

3. Potrafi wykorzystać biblioteki Python (NumPy, Pandas, Matplotlib, scikit-learn) do pracy z danymi,

4. Potrafi zbudować i ocenić proste modele ML (regresja, drzewa decyzyjne, Random Forest),

5. Umie przeprowadzić analizę i wizualizację danych oraz zinterpretować wyniki,

6. Stosuje dobre praktyki w testowaniu i optymalizacji modeli.
Kryteria weryfikacji
Udzielenie co najmniej 70% poprawnych odpowiedzi w teście wiedzy.
Metoda walidacji
Test teoretyczny

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

Podstawy języka Python dla Data Science

  • Struktury danych i operacje na nich (listy, słowniki, numpy arrays)
  • Programowanie funkcyjne i obiektowe w kontekście ML

Podstawy języka Python dla Data Science

  • Praktyczne przykłady przetwarzania danych biznesowych
  • Projekt: automatyzacja analizy danych sprzedażowych

Fundamenty uczenia maszynowego

  • Typy uczenia maszynowego (nadzorowane, nienadzorowane, ze wzmocnieniem)
  • Popularne algorytmy i ich zastosowania biznesowe

Fundamenty uczenia maszynowego

  • Praktyczne wykorzystanie scikit-learn
  • Projekt: predykcja zachowań klientów

Machine Learning a Sztuczna Inteligencja

Biblioteki Python stosowane w Machine Learning:

  • Numpy
  • Pandas
  • Matplotlib
  • SciPy

Ewaluacja modeli Machine Learning

  • Metody

Regresja

  • Liniowa
  • Wielomianowa
  • Przewidywanie wartości numerycznych

Drzewa decyzyjne

  • Wstęp teoretyczny
  • Algorytmy
  • Różnice między metodami liniowymi

Random Forest

  • Wstęp teoretyczny
  • Parametry
  • Przetwarzanie parametrów

Analiza i wizualizacja danych

  • Wykresy – typy
  • Korelacje danych

Dobre praktyki uczenia maszynowego

  • Testowanie modeli Machine Learning

Harmonogram

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

Cena

Cennik
Cennik
Rodzaj cenyCena
Rodzaj ceny
Koszt przypadający na 1 uczestnika brutto
Cena
2 080,00 PLN
Rodzaj ceny
Koszt przypadający na 1 uczestnika netto
Cena
2 080,00 PLN
Rodzaj ceny
Koszt osobogodziny brutto
Cena
130,00 PLN
Rodzaj ceny
Koszt osobogodziny netto
Cena
130,00 PLN

Prowadzący

Liczba prowadzących: 0
Brak wyników.

Informacje dodatkowe

Informacje o materiałach dla uczestników usługi

Uczestnicy szkolenia otrzymają materiały dydaktyczne w formie prezentacji multimedialnej, obejmującej wszystkie omawiane zagadnienia. Prezentacja zawiera zarówno treści teoretyczne, jak i przykłady praktyczne z zakresu programowania w Pythonie oraz uczenia maszynowego. Dzięki temu uczestnicy mogą w dowolnym momencie wrócić do omawianych treści i wykorzystać je w swojej pracy.

Warunki techniczne

Szkolenie realizowane online w czasie rzeczywistym za pośrednictwem platformy Zoom. Uczestnik musi dysponować komputerem z dostępem do internetu oraz kamerą i mikrofonem.

Kontakt

Alina Zhulmina
E-mail
szkolenia@uknowedu.pl
Telefon
(+48) 693 505 502