Dla kogo jest kurs Data Science + AI?
Nie musisz być analitykiem, nie musisz umieć programować, żeby ukończyć kurs Data Science – to kurs dla początkujących, na którym od podstaw nauczysz się pracy z danymi. Śmiało więc wskakuj na pokład, jeśli:
Co będziesz potrafił(a) zrobić po kursie?
Zobacz program kursu Data Science + AI
Przed rozpoczęciem intensywnych zajęć na kursie weekendowym, przygotujemy Cię do osiągnięcia najlepszych rezultatów na zajęciach na żywo z trenerem. Sekcja Prework to Twój pierwszy krok w nauce programowania! Dzięki intuicyjnemu instruktażowi dobrze przygotujesz stanowisko pracy i skonfigurujesz potrzebne oprogramowanie.
💻 Czego się nauczysz w tej sekcji?
- Instalacja narzędzi: nauczysz się instalować i konfigurować niezbędne narzędzia, takie jak DBeaver, PostgreSQL, Python, Anaconda, Jupyter Notebook, Tableau, bazy danych.
- Rozwiązywanie problemów: zdobędziesz umiejętność rozwiązywania podstawowych problemów związanych z instalacją oprogramowania.
- Przygotowanie środowiska: nauczysz się tworzyć i zarządzać środowiskiem programistycznym, co jest istotne dla efektywnej pracy w dziedzinie Data Science.
W ramach tej sekcji przekazane zostaną praktyczne umiejętności niezbędne do pracy jako Data Scientist. Zajęcia obejmują pracę z systemami kontroli wersji, zdalnymi repozytoriami, IDE oraz poznanie zasad projektowania baz danych.
💻 Czego się nauczysz w tej sekcji?
- Praktyczne zastosowanie: nauczysz się stosować teoretyczną wiedzę w praktyce, co jest kluczowe dla skutecznej pracy jako Data Scientist.
- Obsługa narzędzi: zdobędziesz umiejętności obsługi różnych narzędzi używanych w branży Data Science.
- Kontrola wersji: zarządzanie kodem za pomocą systemu kontroli wersji Git.
- Praca z repozytoriami: korzystanie z GitHub do zdalnego przechowywania i współdzielenia kodu.
- Integracja z IDE: efektywne korzystanie z Visual Studio Code.
- Praca w Terminalu: praktyczne komendy Terminala w celu automatyzacji i podniesienia efektywności pracy.
- Projektowanie baz danych: zasady projektowania i zarządzania relacyjnymi bazami danych.
- Rozwiązywanie problemów: efektywne rozwiązywanie rzeczywistych problemów związanych z pracą z danymi.
W sekcji dotyczącej języka SQL przekazana zostanie wiedza dotycząca umiejętności pracy z danymi, pisania oraz optymalizowania zapytań, analizowania danych, a także zarządzania danymi znajdującymi się w bazie.
💻 Czego się nauczysz w tej sekcji?
- Projektowanie zapytań: opanujesz sztukę projektowania skomplikowanych zapytań SQL, co jest niezbędne do ekstrakcji potrzebnych informacji.
- Zarządzanie bazami danych: definiowanie i modyfikowanie tabel w bazach danych.
- Indeksy: optymalizacja zapytań poprzez stosowanie indeksów.
- Operacje CRUD: wykonywanie operacji Create, Read, Update oraz Delete na danych.
- Łączenie danych: stosowanie JOIN do łączenia danych z różnych tabel.
- Raportowanie i analiza: będziesz w stanie przeprowadzać zaawansowane analizy danych i tworzyć raporty przy użyciu języka SQL.
Sekcja Data Storytelling i Tableau wprowadza do świata efektywnej prezentacji danych, tak aby prezentacja wniosków dla biznesu mogła być przeprowadzana w sposób zrozumiały i przekonujący. Korzystając z narzędzia Tableau, można wizualizować dane i opowiadać skuteczne historie na nich oparte.
💻 Czego się nauczysz w tej sekcji?
- Wizualizacja danych: tworzenie wykresów, dashboardów i raportów w Tableau.
- Interaktywne elementy: dodawanie interaktywności do wizualizacji, np. filtry, parametry.
- Mapowanie geograficzne: wizualizacja danych na mapach w Tableau.
- Analiza trendów: wykorzystanie Tableau do analizy trendów i wzorców w danych.
- Storytelling z Tableau: budowanie i prezentowanie opowieści danych.
- Praktyczne prezentacje: prezentowanie danych w sposób przystępny dla biznesu.
W sekcji dotyczącej języka programowania Python nabyte zostaną umiejętności programowania w języku Python, który jest powszechnie używany w Data Science. Zakres sekcji obejmuje podstawy programowania, struktury danych, instrukcje warunkowe, funkcje, programowanie obiektowe, biblioteki do analizy, wizualizacji danych i tworzenia modeli.
💻 Czego się nauczysz w tej sekcji?
- Programowanie w Pythonie: opanujesz podstawy i zaawansowane aspekty programowania w języku Python, takie jak instrukcje warunkowe, funkcje, czy programowanie obiektowe.
- Programowanie obiektowe: projektowanie aplikacji z wykorzystaniem klas i obiektów.
- Tworzenie skryptów: automatyzacja zadań za pomocą skryptów Python.
- Przetwarzanie danych: przetwarzanie dużych zbiorów danych z wykorzystaniem NumPy.
- Praca z danymi: manipulacja i analiza danych za pomocą Pandas.
- Wizualizacja danych: tworzenie wykresów i wizualizacji za pomocą Matplotlib i Seaborn.
W sekcji Statystyka przekazane zostaną podstawowe i zaawansowane umiejętności statystyczne niezbędne do pracy w obszarze Data Science. Zajęcia obejmują rozkłady, testy statystyczne, estymację parametrów i korzystanie z danych probabilistycznych.
💻 Czego się nauczysz w tej sekcji?
- Analiza rozkładów: analiza różnych rozkładów statystycznych danych.
- Testy statystyczne: sprawdzanie hipotez i porównywanie danych.
- Estymacja parametrów: estymowania parametrów populacji na podstawie próby danych.
- Korelacje: analiza zależności między zmiennymi.
- Wnioskowanie statystyczne: wyciąganie wniosków z danych za pomocą metod statystycznych.
- Analiza wariancji: porównywanie średnich z użyciem analizy wariancji (ANOVA).
W sekcji Machine Learning przekazane zostaną podstawowe oraz zaawansowane tematy związane z technikami uczenia maszynowego. Sekcja ta obejmuje zagadnienia klasyfikacji, regresji, klasteryzacji, szeregów czasowych, oceny jakości modeli oraz ich praktycznego zastosowania w branży. Zagadnienia te stanowią wstęp do pracy z AI.
💻 Czego się nauczysz w tej sekcji?
- Feature Engineering: przygotowanie danych i tworzenie cech dla modeli Machine Learning.
- Klasyfikacja: budowanie i ocena modeli klasyfikacyjnych, takich jak drzewa decyzyjne, SVM, czy kNN.
- Regresja: tworzenie modeli regresji, takich jak regresja liniowa i regresja wielomianowa.
- Klasteryzacja: segmentacja danych za pomocą algorytmów klasteryzacyjnych, takich jak K-means.
- Szeregi czasowe: analiza i prognozowanie danych czasowych.
- Wdrażanie modeli na produkcję: udostępnianie modeli do środowisk produkcyjnych.
- Ocena i walidacja modeli: ocena skuteczności modeli i dostosowywanie ich do wymagań biznesu.
W sekcji Deep Learning zostanie pogłębiona wiedza na temat zaawansowanych technik uczenia maszynowego. Nacisk położony będzie na sieciach neuronowych i ich zastosowaniach w pracy z danymi w postaci fotografii oraz języka naturalnego (NLP). Będzie to kolejny krok do opanowania AI.
💻 Czego się nauczysz w tej sekcji?
- Sieci neuronowe: opanujesz architektury sieci neuronowych i ich zastosowania.
- Tuning modeli: fine-tuning parametrów modeli dla optymalnej skuteczności.
- Konwolucyjne sieci neuronowe (CNN): budowa i trening modeli CNN do analizy obrazów.
- Rekurencyjne sieci neuronowe (RNN): wykorzystanie RNN do analizy sekwencji i danych czasowych.
- Transfer learning: stosowanie gotowych modeli i ich adaptacja do nowych zadań.
- NLP: przetwarzanie języka naturalnego z wykorzystaniem sieci neuronowych.
W sekcji Projekt wykorzystana zostanie cała zdobyta wiedza i umiejętności w praktyce. Pracując nad grupowym projektem Data Science, zespoły przejdą przez wszystkie etapy od zbierania danych, poprzez analizę, modelowanie, aż po prezentację wyników.
💻 Czego się nauczysz w tej sekcji?
- Zarządzanie projektem: nauczysz się efektywnie zarządzać projektem Data Science, począwszy od definiowania celów, aż po prezentację wyników.
- Zbieranie danych: pozyskiwanie i przetwarzanie danych do projektu.
- Praca w zespole: współpraca zespołowa z wykorzystaniem metod Scrum i narzędzia Jira.
- Implementacja modelu: tworzenie i wdrażanie modeli na podstawie zgromadzonych danych.
- Walidacja wyników: ocena skuteczności modelu i weryfikacja wyników.
- Prezentacja wyników: prezentacja wyników, zarówno w formie pisemnej, jak i wizualnej.
Technologie i narzędzia, które opanujesz na kursie Data Science + AI
Python
Tensorflow
Scrum
Jupyter
NumPy
Pandas
Anaconda
Git
DBeaver
Colab
scikit-learn
Seaborn
Matplotib
OpenCV
xgBoost
Tableau
SQL
Opinie kursantów
Przeszkoliliśmy ponad 7 500 osób
Wybierz pakiet dla siebie
Wsparcie HR na kursie
Usługi wsparcia HR w pakietach IT Nawigator i Mentoring+ to między innymi:
Najczęściej wybierane formy finansowania
Zapytaj o kurs
Agnieszka Frąckiewicz
Customer Success Coordinator
agnieszka.frackiewicz@infoshareacademy.com (+48) 530 100 686Najczęstsze pytania i odpowiedzi
Aby zapisać się na kurs możesz wypełnić formularz, wysłać maila bezpośrednio do opiekunki lub zadzwonić. W przypadku zgłoszenia się przez formularz otrzymasz od razu maila ze szczegółowym programem kursu oraz informacjami o kolejnych krokach.
Zajęcia odbywają się w soboty i niedziele w godz. 8:00-11:00 (zjazdy 2-16) i 8:00-14:20 (zjazdy 17-21)*.
*pierwsze zajęcia warsztatowe 26.10.2024 r. odbędą się wyjątkowo w godz. 8.00 – 12.00
Obowiązkowym punktem rozpoczęcia kursu jest przerobienie preworku – są to materiały do samodzielnej nauki. Otrzymasz od nas wszystkie niezbędne materiały, linki oraz instrukcje, jak krok po kroku zainstalować programy i narzędzia, z których będziesz korzystać w trakcie kursu. Przykładając się do jego wykonania, zapewniasz sobie i reszcie grupy sprawny start w kursie i możliwość bezproblemowego rozpoczęcia nauki i pracy nad projektem. Z drugiej strony, w przypadku naszych kursów – bardzo intensywnych i napakowanych wiedzą, zlekceważenie preworku może skutkować późniejszym nawarstwieniem się zaległości, które będzie niezwykle trudno nadrobić w trakcie kursu.
Kurs jest dla Ciebie, jeśli lubisz analizować dane, masz zamiłowanie do matematyki, lubisz rozwiązywać skomplikowane problemy lub jesteś osobą z technicznym zacięciem. Dodatkowo niezbędne do rozpoczęcia nauki na kursie Data Science są: znajomość języka angielskiego na poziomie min. B1/B2, wykonanie preworku, który otrzymasz po zapisaniu się na kurs, wysoka motywacja, dyspozycyjność – czas na zajęcia, ale również naukę w domu.
Główną przewagą kursu nad studiami jest warsztatowa forma zajęć – wiedzę zdobytą na zajęciach teoretycznych kursanci wykorzystują od razu na zajęciach praktycznych. Zarówno zajęcia teoretyczne, jak i warsztaty prowadzą doświadczeni trenerzy – praktycy. W Akademii dbamy o to, aby program kursu był dopasowany do aktualnej sytuacji na rynku pracy. Kursy są krótsze niż studia, co z jednej strony wiąże się większym natężeniem zajęć i dostarczanej wiedzy, a z drugiej sprawia, że szybciej możesz rozpocząć swój rozwój w obszarze Data Science. Na koniec – na kursach panuje bardzo dobra atmosfera, kursanci wspierają się wzajemnie i są w stałym kontakcie ze sobą i z trenerami na komunikatorze wewnętrznym w czasie trwania zajęć.
Jeśli chodzi o samo uczestnictwo w kursach, to wiek nie jest ograniczeniem. Nasze kursy kończyli zarówno 18-latkowie, jak i osoby 50+. Należy jednak pamiętać, że karierę w branży IT zaczyna się od stażu albo od stanowiska juniora, co może wiązać się z otrzymywaniem niższego wynagrodzenia niż na obecnym miejscu pracy, jeśli ma się już kilkanaście lat doświadczenia. Warto wziąć to pod uwagę zanim podejmie się decyzję o przebranżowieniu.
Na rynku jest dostępnych wiele form finansowania kursów, szczegółowe informacje znajdziesz na naszej stronie Finansowanie.
Tak, zajęcia są nagrywane i można z nich korzystać, żeby utrwalać wiedzę z zajęć.
W trakcie kursu trenerzy przekazują wiedzę zarówno z zakresu korzystania z narzędzi AI w pracy Data Scientisty, jak i budowania własnych rozwiązań. Dowiesz się więc zarówno jak zautomatyzować swoją pracę dzięki gotowych rozwiązaniom, jak też jak budować potrzebne na rynku narzędzia do pracy z LLM (takimi jak Chat GPT).
Dodatkowo, jeśli zakupisz kurs w pakiecie IT Navigator lub Mentoring+, otrzymasz dostep do 6-godzinnego kursu online “Prompt Engineering i narzędzia AI dla programistów”.
Do szukania pracy należy się przygotować, dlatego już podczas kursu, zależnie od wybranego pakietu proponujemy szkolenia HR, dzięki którym dowiesz się jak stworzyć skuteczne CV oraz profil w serwisie LinkedIn. Powiemy Ci również jak przygotować się do rozmów rekrutacyjnych.
Oczywiście, po zaliczeniu kursu otrzymasz od nas doceniany na rynku certyfikat infoShare Academy z informacją o zakresie kursu i terminie, w jakim kurs się odbywał. Certyfikat podpisany jest przez CEO infoShare Academy oraz Trenera prowadzącego kurs. Otrzymasz go w formacie PDF, dzięki czemu łatwo podzielisz się informacją o zdobytych kwalifikacjach na LinkedIn z potencjalnymi, przyszłymi pracodawcami lub klientami.