Kurs Analityk Danych

Moduł 0 to wstępny etap kursu Analityk Danych, mający na celu przygotowanie uczestników do efektywnej pracy z narzędziami i technologiami stosowanymi w analizie danych. Dzięki zwięzłym instrukcjom i materiałom wideo, uczestnicy szybko zapoznają się z podstawowymi narzędziami oraz konfiguracją środowiska pracy. Moduł ten zapewni, że wszyscy
kursanci będą mieli równy poziom wiedzy technicznej, co pozwoli im na płynne przejście do bardziej zaawansowanych zagadnień w kolejnych modułach kursu.

💻 Czego się nauczysz?

• Opanujesz podstawy gita i systemów kontroli wersji, co jest kluczowe dla pracy analityka danych w zespole.
• Poznasz podstawy programowania w Pythonie, w tym składnię, typy danych i operacje na nich.
• Wykonasz swoją pierwszą analizę na dołączonym zbiorze danych, którą rozwiniesz w trakcie kursu, korzystając z nowych
  narzędzi.

Moduł ten wprowadzi Cię w podstawy analizy danych z wykorzystaniem SQL, jednego z najważniejszych narzędzi w pracy analityka danych. Skupimy się na SQLite, lekkiej i wydajnej bazie danych, która jest idealna do nauki i pracy z mniejszymi zestawami danych. Nauczysz się, jak tworzyć, modyfikować i zapytania do baz danych, aby efektywnie pozyskiwać i analizować potrzebne informacje.

💻 Czego się nauczysz?

• Podstawy SQL i jak działa baza danych SQLite.
• Tworzenie i zarządzanie tabelami w SQLite.
• Pisanie zapytań SELECT do pozyskiwania danych.
• Jak filtrować, sortować i agregować dane w SQL.
• Tworzenie efektywnych zapytań z wykorzystaniem JOIN, GROUP BY i HAVING.
• Wykorzystanie SQL do rozwiązywania rzeczywistych problemów analitycznych.

Blok ten przeznaczony jest na przekazanie podstawowych elementów języka Python niezbędnych do skutecznej analizy danych. W jego ramach przedstawione zostaną takie elementy jak myślenie algorytmiczne, operatory, operacje na nich, typy danych, kolekcje, instrukcje warunkowe, pętle oraz funkcje. Ten moduł zapewni Ci solidne podstawy w Pythonie, które są kluczowe dla pracy w analizie danych.

💻 Czego się nauczysz?

• Podstawy Pythona, typy danych i operacje na nich.
• Zasady tworzenia instrukcji warunkowych oraz pętli w automatyzacji zadań.
• Podstawy programowania algorytmicznego.
• Jak używać Pythona do przetwarzania i czyszczenia danych.
• Praca z listami, krotkami, zestawami i słownikami do efektywnego przechowywania i przetwarzania danych.
• Pisanie skryptów do automatyzacji prostych zadań analitycznych.

Moduł 3 wprowadza Cię w świat programowania obiektowego (OOP) w kontekście analizy danych. Zrozumiesz, jak obiektowość pozwala na tworzenie bardziej zorganizowanego i modułowego kodu, co jest szczególnie przydatne przy pracy z dużymi zbiorami danych. Poznasz kluczowe koncepcje OOP, takie jak klasy, obiekty, dziedziczenie, oraz jak zastosować te techniki w analizie danych.

💻 Czego się nauczysz?

• Zasady programowania obiektowego (OOP) i ich zastosowanie w analizie danych.
• Tworzenie i zarządzanie klasami oraz obiektami.
• Dziedziczenie, polimorfizm i enkapsulacja w kontekście pracy z danymi.
• Jak OOP wspiera modularność i ponowne wykorzystanie kodu.
• Projektowanie obiektów i ich implementacji w kontekście analizy danych.
• Wykorzystanie wyjątków do bardziej zaawansowanych operacji na danych.

Moduł 4 koncentruje się na pracy w środowisku GitHub z wykorzystaniem narzędzia CoPilot, które wspiera programistów w pisaniu kodu. Nauczysz się, jak efektywnie zarządzać wersjami swojego kodu, współpracować z innymi członkami zespołu oraz jak wykorzystać CoPilot do automatyzacji i optymalizacji pracy.

💻 Czego się nauczysz?

• Podstawy korzystania z GitHub: tworzenie repozytoriów, commitowanie, tworzenie branchy i pull requestów.
• Jak używać GitHub CoPilot do automatycznego generowania kodu i sugestii.
• Współpraca zespołowa z użyciem GitHub: forki, pull requesty i code review.
• Zarządzanie wersjami kodu i śledzenie zmian w projektach analitycznych.
• Narzędzia do codziennego procesu pracy z danymi.
• Najlepsze praktyki w pracy zespołowej z użyciem systemów kontroli wersji.

Moduł 5 wprowadza Cię w przetwarzanie wielowymiarowych danych z użyciem biblioteki NumPy, która jest fundamentem do pracy z dużymi zbiorami danych w Pythonie. Poznasz narzędzia i techniki niezbędne do obsługi skomplikowanych zbiorów danych. NumPy, dzięki swojej wydajności i wszechstronności, jest kluczowym elementem w toolkitu każdego analityka danych. Ten moduł pozwoli Ci na praktyczne zastosowanie NumPy w realnych scenariuszach analitycznych.

💻 Czego się nauczysz?

• Podstawy pracy z biblioteką NumPy i jej rolę w analizie danych.
• Tworzenie i manipulacja tablicami wielowymiarowymi.
• Operacje matematyczne i statystyczne na tablicach NumPy.
• Jak efektywnie przetwarzać i filtrować duże zbiory danych.
• Zastosowanie NumPy w analizie wielowymiarowej i algebrze liniowej.
• Optymalizacja wydajności analiz poprzez użycie NumPy.

Moduł 6 skupia się na wykorzystaniu biblioteki Pandas do analizy danych. Pandas to jedno z najważniejszych narzędzi w arsenale analityka danych, umożliwiające efektywne przetwarzanie, manipulację i analizę danych. Nauczysz się, jak korzystać z Pandas do pracy z różnymi typami danych, jak również jak przeprowadzać zaawansowane analizy oraz wizualizować dane z wykorzystaniem tej biblioteki.

💻 Czego się nauczysz?

• Podstawy pracy z biblioteką Pandas i jej zastosowanie w analizie danych.
• Praca z DataFrame: tworzenie, indeksowanie i filtrowanie danych.
• Manipulacja danymi: agregacja, grupowanie i przekształcanie danych.
• Importowanie, eksportowanie i czyszczenie danych z użyciem Pandas.
• Tworzenie zaawansowanych analiz i wizualizacji danych z Pandas.
• Integracja Pandas z innymi narzędziami i bibliotekami w Pythonie.

W ramach modułu omówione zostaną szczegóły integracji z interfejsami programistycznymi w celu pozyskiwania danych do analizy. Dzięki temu uzyskasz umiejętności korzystania z różnych API oraz przetwarzania otrzymanych danych. Dodatkowo przedstawione zostaną narzędzia do Web Scrapingu, czyli pobierania danych bezpośrednio ze stron internetowych.

💻 Czego się nauczysz?

• Podstawy pracy z API: jak wysyłać zapytania i odbierać dane w formacie JSON.
• Autoryzacja i uwierzytelnianie przy pracy z API.
• Techniki Web Scraping: jak pozyskiwać dane z HTML przy użyciu bibliotek BeautifulSoup i Scrapy.
• Obróbka i czyszczenie danych pozyskanych z sieci.
• Praktyczne zastosowania: jak pozyskiwać dane z popularnych serwisów internetowych.
• Etyczne aspekty Web Scraping i przestrzeganie zasad zgodności.

W tym module dowiesz się, jak łączyć Pythona z Microsoft Excel, aby wykorzystać potencjał obu narzędzi w analizie danych. Nauczysz się automatyzować zadania w Excelu przy użyciu Pythona oraz integrować zaawansowane funkcje analizy danych. Znajomość integracji Pythona z Microsoft Excel pozwoli Ci na efektywne wykorzystanie danych z arkuszy kalkulacyjnych. Ten moduł jest idealny dla tych, którzy chcą połączyć wszechstronność Pythona z funkcjonalnością Excela.

💻 Czego się nauczysz?

• Podstawy integracji Pythona z Microsoft Excel za pomocą bibliotek takich jak openpyxl i pandas.
• Automatyzacja zadań w Excelu, takich jak przetwarzanie danych i generowanie raportów.
• Tworzenie i modyfikacja arkuszy kalkulacyjnych z użyciem Pythona.
• Importowanie i eksportowanie danych między Excel a Pythonem.
• Tworzenie zaawansowanych formuł i funkcji w Excelu przy użyciu Pythona.
• Praktyczne przykłady wykorzystania Pythona do optymalizacji pracy w Excelu.

Moduł 9 skupia się na technikach tworzenia efektywnych wizualizacji danych w Pythonie. Nauczysz się, jak za pomocą popularnych bibliotek tworzyć czytelne i informatywne wykresy oraz wizualizacje, które wspierają analizę i prezentację danych.

💻 Czego się nauczysz?

• Podstawy tworzenia wizualizacji z użyciem bibliotek Matplotlib i Seaborn.
• Tworzenie różnych typów wykresów, takich jak słupkowe, liniowe, kołowe i wykresy rozrzutu.
• Personalizacja wykresów: kolory, style, etykiety i legendy.
• Tworzenie interaktywnych wizualizacji za pomocą Plotly.
• Zastosowanie wizualizacji do opowiadania historii danych (data storytelling).
• Optymalizacja wizualizacji pod kątem różnych odbiorców i platform.

Ten moduł poświęcony jest tworzeniu i prezentacji raportów danych dla potrzeb biznesowych przy użyciu Pythona. Dowiesz się, jak wykorzystać Pythona do zbierania, analizowania i prezentowania danych w jasny i przekonujący sposób. Raportowanie danych jest kluczowe w środowisku biznesowym, a ten moduł dostarczy Ci umiejętności niezbędnych do tworzenia profesjonalnych raportów. Poznasz również najlepsze praktyki w zakresie prezentacji wyników analizy danych.

💻 Czego się nauczysz?

• Tworzenie raportów danych w Pythonie z użyciem bibliotek takich jak Pandas i Matplotlib.
• Generowanie zautomatyzowanych raportów w formacie PDF i Excel.
• Integracja danych z różnych źródeł w celu stworzenia kompleksowego raportu.
• Zastosowanie Pythona do monitorowania kluczowych wskaźników wydajności (KPI).
• Personalizacja raportów według potrzeb odbiorcy (np. menedżerowie, analitycy).
• Automatyzacja procesu raportowania i powiadamianie o wynikach.

Ten moduł poświęcony jest nauce tworzenia interaktywnych dashboardów z wykorzystaniem Tableau. Nauczysz się, jak skutecznie wizualizować dane i tworzyć atrakcyjne, interaktywne panele kontrolne. Tableau jest potężnym narzędziem do prezentacji danych, a umiejętności związane z jego wykorzystaniem są cenione w wielu dziedzinach. Ten moduł pomoże Ci lepiej zrozumieć i zaprezentować dane w przystępnej i efektownej formie.

💻 Czego się nauczysz?

• Podstawy pracy z Tableau: importowanie danych i tworzenie podstawowych wizualizacji.
• Projektowanie interaktywnych dashboardów w Tableau.
• Tworzenie dynamicznych wykresów, map i tabel.
• Łączenie różnych źródeł danych i ich wizualizacja w jednym dashboardzie.
• Optymalizacja dashboardów pod kątem wydajności i czytelności.
• Publikacja i udostępnianie dashboardów w organizacji.

Moduł 12 wprowadza Cię w podstawy technik sztucznej inteligencji (AI) i uczenia maszynowego (Machine Learning) w kontekście analizy danych. Poznasz kluczowe algorytmy i narzędzia, które pozwalają na budowanie i wdrażanie modeli predykcyjnych.

💻 Czego się nauczysz?

• Podstawowe pojęcia i techniki uczenia maszynowego.
• Jak przygotować dane do treningu modelu Machine Learning.
• Implementacja prostych modeli predykcyjnych z użyciem scikit-learn.
• Ocena i optymalizacja modeli Machine Learning.
• Wprowadzenie do technik uczenia nadzorowanego i nienadzorowanego.
• Praktyczne zastosowania AI w analizie danych: od prognozowania trendów po klasyfikację.

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 na kursie odbywają się we wtorki i czwartki od 17:30 do 20:30.

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.

W celu przystąpienia do kursu „Analityk danych” powinieneś(aś) posiadać predyspozycje do analizowania danych. Są one weryfikowane za pomocą testu, który wysyłamy Ci przed zapisaniem się na kurs. Dodatkowo, niezbędna do rozpoczęcia kursu jest: znajomość j.angielskiego na poziomie min. B1/B2, umiejętność analitycznego myślenia, 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 Analizy Danych. 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.

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.