PYTHON DEVELOPER ORAZ FUNDAMENTY AI. KOMPLEKSOWE PRZYGOTOWANIE DO PRACY Z KODEM I ANALIZĄ DANYCH (DATA SCIENCE, MACHINE LEARNING).

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).

Materiały szkoleniowe w programie PowerPoint.

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.

Podstawa zwolnienia z podatku VAT : Art. 113 ust 1 ustawy o VAT.

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.