Języki programowania IT i Nowe technologie Zarządzanie Nauka i Edukacja Rozwój osobisty Kursy online wydarzenia online

Szkolenie Python od podstaw, przez analizę danych, do machine learning - TERMIN GWARANTOWANY - 14.12.2026

location icon
JSystems Szkolenia IT i AI Szkolenie online na żywo, Online Zobacz na mapie
calendar icon
Od 14 gru 9:00 do 18 gru 16:00
ticket icon
Od 4 305,00 zł

JSystems

Szkolenie Python od podstaw, przez analizę danych, do machine learning: TERMIN GWARANTOWANY 14-18.12.2026

Termin gwarantowany odbędzie się na pewno, nawet przy jednym uczestniku. Szkolenie online na żywo z trenerem, 5 dni, w godz. 9:00-16:00.

Prowadzący: Mateusz Zimoch

Szczegóły szkolenia, program i zapisy:
➜ Szkolenie Python od podstaw, przez analizę danych, do machine learning

Wszystkie terminy gwarantowane JSystems:
➜ lista terminów gwarantowanych

W skrócie

Pięć dni i przechodzisz od pustego pliku do modelu, który przewiduje na Twoich danych.

Zaczynasz bez jednej linijki kodu. Kończysz z modelem, który na podstawie historii sprzedaży, zgłoszeń albo pomiarów potrafi powiedzieć, czego się spodziewać, i z liczbą, która mówi, na ile można mu ufać.

Po drodze budujesz trzy warstwy, które w pracy z danymi zawsze występują razem: sam język Python, przetwarzanie i wizualizację danych w bibliotece Pandas oraz uczenie maszynowe w bibliotece scikit-learn. Pracujesz w tych samych narzędziach, w których pracują analitycy: PyCharm i Jupyter Notebook.

Co potrafisz po tych 5 dniach

  • Programujesz w Pythonie od zera - Zmienne, warunki, pętle, listy, słowniki, krotki, zbiory, funkcje i moduły. Kończysz z własnym kodem, a nie z przepisanym przykładem.
  • Wyciągasz dane stamtąd, gdzie naprawdę są - Pliki tekstowe, CSV, arkusze Excel, usługi sieciowe przez GET i POST oraz baza danych PostgreSQL, z której pobierasz dane zapytaniem SELECT.
  • Porządkujesz dane w Pandas - Wczytanie tabeli, operacje na kolumnach i wierszach, filtrowanie, agregacja i statystyki opisowe. To ten etap, który w praktyce zajmuje najwięcej czasu.
  • Robisz wykresy, które da się pokazać szefowi - Matplotlib do podstaw, Seaborn do estetyki, Plotly do wykresów interaktywnych, po których odbiorca sam może kliknąć.
  • Budujesz pierwszy model uczenia maszynowego - Regresja liniowa krok po kroku: wstępna obróbka danych, przejście od jednej zmiennej do wielu, walidacja predykcji, interpretacja ważności parametrów.
  • Poznajesz algorytmy, o których usłyszysz w każdym projekcie - Regresja logistyczna, drzewa decyzyjne, las drzew losowych i XGBoost. Wiesz, czym się różnią i kiedy który ma sens.
  • Umiesz rozpoznać model, który oszukuje - Przeuczenie (overfitting), czyli sytuacja, w której model świetnie radzi sobie z danymi, które już widział, i zawodzi na nowych. Uczysz się, jak mu przeciwdziałać i jak dobierać hiperparametry.

Jak pracujemy

Pięć dni warsztatów na realnych danych, z możliwością zadawania pytań i indywidualną informacją zwrotną do Twojego kodu. Każdy blok kończy się ćwiczeniem, a nie slajdem z podsumowaniem. Ostatnie dwa dni to już wyłącznie praca z danymi: jeden dzień na analizę i wizualizację, jeden na uczenie maszynowe. Prowadzi Mateusz Zimoch, inżynier z wiedzą w dziedzinie data science i sztucznej inteligencji, który rozwijał rozwiązania wizji komputerowej opartej na sztucznej inteligencji.

Dla kogo

Dla osób, które chcą wejść w pracę z danymi od zera: analityków pracujących dotąd w Excelu, osób przebranżawiających się i specjalistów, którzy chcą dołożyć Pythona do swojego warsztatu. Nie musisz wcześniej programować. To nie jest kurs dla osób, które chcą zostać inżynierami uczenia maszynowego w tydzień: to solidny fundament, na którym da się dalej budować.

Co zyskujesz

Python na poziomie od podstaw do średnio zaawansowanego, własne modele do pokazania i imienny certyfikat. To umiejętność, która w ogłoszeniach o pracę dla analityków pojawia się najczęściej ze wszystkich. Szkolenie ma termin gwarantowany, więc odbędzie się niezależnie od liczby zapisanych, i można je sfinansować z BUR i KFS.

Zarezerwuj miejsce i zbuduj swój pierwszy działający model.

Sprawdź, czy w Twoim przypadku dostępne jest finansowanie szkolenia ze środków BUR/KFS. Dostępność finansowania zależy od warunków danego programu oraz decyzji właściwej instytucji. Więcej informacji: https://jsystems.pl/dofinansowanie/

Prowadzący szkolenie

Program szkolenia

Podstawy Pythona

  1. Wstęp do kursu
    • Dlaczego Python?
    • Główne cechy języka
    • Data science - o co w tym właściwie chodzi?
  2. Środowisko pracy
    • Tworzenie projektu w Pycharm
    • Środowisko wirtualne projektu
    • Obsługa interfejsu Pycharm
    • Interaktywny zeszyt Jupyter Notebook
    • Kluczowe różnice między środowiskiem Pycharm, a Jupyter Notebook
  3. "Hello world" i pisanie na konsoli
  4. Zmienne i typy danych
    • Zmienne
    • Typy danych
      • Typ tekstowy
      • Typy liczbowe
  5. Instrukcje warunkowe
    • Jeden warunek
    • Else
    • Wiele warunków
    • Operatory logiczne w warunkach
  6. Pętle
    • Pętla while
    • Pętla for
    • Zagnieżdżanie pętli
    • Instrukcja BREAK
    • Instrukcja CONTINUE
  7. Łańcuchy znaków
    • Funkcje wbudowane
      • upper
      • lower
      • title
      • replace
      • len w kontekście ciągów tekstowych
      • count
      • strip
      • split i join - zamiana tekstu na listę i listy na tekst
    • Łańcuchy funkcji
    • Iterowanie po łańcuchach tekstowych
    • Mnożenie tekstu. Ale jak?
    • Wygodne sprawdzanie czy tekst zawiera frazę
    • Cięcia, cięcia - o cięciu łańcuchów tekstowych słów kilka
  8. Listy
    • Tworzenie list
    • Pobieranie wartości z list
    • Iterowanie po listach
    • Sprawdzanie czy element znajduje się na liście
    • Modyfikowanie zawartości listy
      • Dodawanie nowych wartości i wstawianie w miejsce istniejących
      • Usuwanie elementów z listy
    • Funkcje wbudowane w listy
      • Sortowanie i odwracanie list
      • Inne ciekawe funkcje i możliwości
  9. Krotki
    • Deklaracja i uzupełnianie krotek danymi
    • Pobieranie wartości z krotek
  10. Słowniki
    • Tworzenie słowników
    • Pobieranie wartości ze słowników
    • Modyfikacja zawartości słowników
  11. Zbiory
    • Tworzenie zbiorów i konwersje z innych typów złożonych
    • Modyfikowanie zawartości zbiorów
    • Funkcja difference
    • Funkcja intersect
    • Funkcja union
  12. Zaawansowane elementy przetwarzania list i zbiorów
  13. Wyjątki
    • Obsługa wyjątków
  14. Funkcje
    • Deklarowanie funkcji
    • Parametry funkcji
    • Wartości domyślne parametrów
    • Zwracanie wyników z funkcji
    • Dokumentowanie funkcji
  15. Moduły
    • Definiowanie modułów
    • Dokumentowanie modułów i sprawdzanie dostępnych funkcji
  16. Korzystanie z plików tekstowych
    • Czytanie z plików tekstowych
      • read()
      • readlines()
      • readline()
    • Funkcja seek()
    • Sprawdzanie ilości linii w pliku
    • Zapis w plikach tekstowych
      • Tryby otwarcia pliku
      • Wprowadzanie danych do pliku
  17. Dane zdalne - wykorzystanie usług sieciowych
    • Pobieranie danych za pomocą GET
    • Przesyłanie danych za pomocą POST
  18. Wykorzystanie baz danych
    • Tworzenie baz danych, użytkowników i tabel w bazach danych PostgreSQL
    • Łączenie z serwerem PostgreSQL
    • Pobieranie danych z użyciem SELECT
    • Wstawianie, zmiana i kasowanie danych, oraz operacje DDL

Analiza danych (jeden dzień):

  1. Pandas - kluczowy pakiet do danych tabelarycznych
    • Wczytywanie danych tabelarycznych (CSV, TSV, XLS)
    • Operacje na kolumnach i wierszach
    • Filtrowanie i procesowanie danych
    • Odczytywanie danych statystycznych
    • Modyfikacja danych z użyciem funkcji pythonowych
    • Agregacja, podobieństwa do SQL
  2. Wizualizacja danych
    • Fragmenty Matplotlib - bazowej biblioteki do wykresów w Pythonie
    • Seaborn - nieco bardziej estetyczne wykresy
    • Plotly - tworzenie interaktywnych wykresów
  3. Inne biblioteki (numpy, scipy, polars, pandas profiling)

Uczenie maszynowe (jeden dzień):

  1. Co to jest uczenie maszynowe?
    • Statystyka a uczenie maszynowe
    • Rodzaje problemów
    • Przykładowe metody
    • Różnica pomiędzy klasyfikacją a regresją
    • Rodzaje błędów popełnianych przez algorytmy
    • Ekosystem uczenia maszynowego w Pythonie (biblioteka scikit-learn)
  2. Budowa modelu uczenia maszynowego na przykładzie regresji liniowej
    • Wstępna obróbka danych
    • Od jednej zmiennej do wielu
    • Walidacja predykcji
    • Interpretacja ważności parametrów
    • Kluczowe różnice pomiędzy metodami liniowymi
    • Zjawisko przeuczania (overfitting) i jak mu przeciwdziałać
    • Ustalanie hiperparametrów
  3. Przegląd wybranych algorytmów uczenia maszynowego
    • Regresja logistyczna
    • Drzewa decyzyjne
    • Las drzew losowych
    • XGBoost

Przeczytaj na naszym blogu

Dołącz do wydarzenia

Rodzaj Dostępne do Cena Liczba
Udział w szkoleniu online (1 osoba)

Cena za jednego uczestnika szkolenia online na żywo z trenerem.

 13 grudnia 2026, 16:00 4 305,00 zł