Certyfikaty:

Program Data Science – odbierz kompleksowe wsparcie

Wiemy, że masz wiele pytań - zastanawiasz się na pewno, czy udział w Program Data Science jest dla Ciebie właściwy. Czy jest to dla właściwa droga oraz dobra inwestycja i czy zyskasz umiejętności pozwalające na pracę w obszarze Data Science. Jeśli masz wątpliwości zwróć się do nas. Udostępniamy Ci nie tylko szkolenie, ale zapewniamy również kompleksowe wsparcie.

Wsparcie dla Ciebie

Mentoring
 

W trakcie trwania Programu Data Science zostanie Ci przydzielony Opiekun projektu, z którym możesz omówić poszczególne zagadnienia lub otrzymać wsparcie zawodowe.

Dostęp do materiałów szkoleniowych
 

Przez cały czas trwania szkolenia masz zapewniony stały dostęp do specjalnych materiałów. Program Data Science kończy się testami sprawdzającymi Twój poziom wiedzy. Istnieje możliwość poprawy testu.

Praktyka
 

Program Data Science zaprojektowaliśmy w sposób umożliwiający praktyczne zastosowanie zdobytej wiedzy już od pierwszej lekcji przy wsparciu Mentora.

Certyfikaty
 

Wynieś swoją karierę na wyższy poziom dzięki praktycznej wiedzy analitycznej!

Podczas kursu Data Science zdobędziesz szereg umiejętności, które pozwolą Ci na wykonywanie zadań związanych z analizą danych i wykorzystaniem ich do podejmowania decyzji biznesowych oraz tworzenia nowych produktów i usług. Program Data Science zawiera elementy analizy danych, statystyki, programowania (Python), zasad wizualizacji danych, machine learning i zarządzania bazami.

Opinie o LUT

Piotr Żmijewski

Doktorant geofizyki, specjalizujący się w numerycznym modelowaniu mikrofizyki chmur.

Mateusz Wyszyński

Doświadczony ekspert z różnorodnym doświadczeniem w pracy w machine learningu. Pracował w firmach takich jak Appsilon Data Science, Data4Cure czy Polski Fundusz Rozwoju.

e-larning

e-learning

1800 zł

2200 zł

Co zyskasz?

Kacper Madej

Mentor Lazarski University of Technology

Wstęp do kursu, cele (online) /1h

1. Wprowadzenie do sztucznej inteligencji /13h

1.1 Definicja sztucznej inteligencji

1.2 Ewolucja i historia AI

1.3 Bezpieczeństwo w kontekście AI

1.4 Aktualne zastosowania AI

1.5 Etyka w AI - krótkie wprowadzenie

1.6 Artykuły do przeczytania

1.7 Zadanie domowe

2. Głębokie uczenie i sieci neuronowe /10h

2.1 Wprowadzenie do Machine Learning

2.2 Podstawy sieci neuronowych

2.3 Procesowanie języka naturalnego (Natural Language Processing)

2.4 Artykuł do przeczytania

2.5 Zadanie domowe

3. Prawo w kontekście AI /9h

3.1 Wprowadzenie do tematu

3.2 Prawne aspekty AI

3.3 Artykuły do przeczytania

3.4 Zadanie domowe

4. Poznaj OpenAI i GPT (GPT 3 i GPT 4) /9,5h

4.1 Misja i cele OpenAI

4.2 Przegląd projektów i osiągnięć OpenAI

4.3 Wprowadzenie do modeli językowych GPT (Generative Pretrained Transformers)

4.4 Czym jest ChatGPT 

4.5 Architektura i mechanizmy działania GPT-3 i GPT-4

4.6 Szkolenie i dostosowywanie modelu GPT

4.7 Zastosowania modeli GPT

4,8 Artykuły do przeczytania

4.9 Zadanie domowe

5. Prompting /13h

5.1 Wprowadzenie (znaczenie promptów)

5.2 Inżynieria promptów

5.3 Reverse prompting oraz wskazówki i triki

5.4 Artykuły do przeczytania

5.5 Zadanie domowe

6. Korzystanie z API OpenAI / 13h

6.1 Pierwsze kroki z generatywnymi API AI

6.2 Rozbudowa Playground'a i wprowadzenie do API OpenAI

6.3 Zarządzanie kosztami i monitorowanie użycia API

6.4 Integracja Google Sheets z GPT

6.5 Integracja Google Docs z GPT

6.6 Artykuły do przeczytania

6.7 Zadanie domowe

7. Praktyczne zastosowania OpenAI w różnych sektorach /15,5h

7.1 Chatboty i automatyzacja obsługi klienta

7.2 Laboratorium

7.3 Edukacja i nauka - generowanie treści i twórczość

7.4 Przegląd innych zastosowań

7.5 Funkcjonowanie chatbota

7.6 Artykuły do przeczytania

7.7 Zadanie domowe

8. Zastosowania AI i OpenAI w praktyce - studia przypadków i sukcesy /2h

8.1 Przegląd studiów przypadków z różnych sektorów

8.2 Inspiracje i pomysły na wykorzystanie AI w własnych projektach

8.3 Artykuły do przeczytania

8.4 Zadanie domowe

9. Generowanie obrazów za pomocą narzędzi AI /3h

9.1 Generatory obrazów AI

9.2 Dall-e i Midjourney

9.3 Artykuły do przeczytania

9.4 Zadanie domowe

10. Kompetencje niezbędne przy pracy z AI /4h

10.1 Jakie kompetencje są wartościowe?

10.2 AI na rynku pracy - korzyść czy zagrożenie?

10.3 Artykuły do przeczytania

10.4 Zadanie domowe

11. AI w środowisku pracy /16h

11.1 Wprowadzenie do tematu

11.2 AI w biznesie

11.3 Artkyuły do przeczytania

11.4 Zadanie domowe

12. Przegląd wtyczek AI /4h

12.1 Czym są wtyczki?

12.2 Omówienie czołowych wtyczek AI

12.3 Artykuły do przeczytania

12.4 Zadanie domowe

13. Generowanie kodu za pomocą API ChatGPT /8h

13.1 Artykuły do przeczytania

13.2 Zadanie domowe

14. Podsumowanie kursu /2h

Zapisz się teraz

1. Wprowadzenie z celami (forma online) + ewentualne pytania - 1h
    

2. Wprowadzenie do sztucznej inteligencji – 13h (w tym Coursera)
    

3. Poznaj OpenAI i GPT
   (GPT 3 i GPT 4) – 9,5h
    

4. Prompting – 13h
    

5. Zastosowania AI i OpenAI
   w praktyce - studia przypadków i sukcesy – 2h (w tym Coursera)

1. Głębokie uczenie i sieci
   neuronowe – 10h
    

2. Korzystanie z API OpenAI – 13h
    

3. Przegląd wtyczek AI – 4h
    

4. Generowanie obrazów za pomocą
   narzędzi AI – 3h
    

5. Prawo w kontekście AI – 9h

Moduł II : Mathematics for Machine Learning and Data Science - 80 h (Coursera)

Moduł I : Python in Data Science  - 85 h (Coursera) Asynchronicznie + 20 h konsultacji

• Wprowadzenie z celami (forma online) + ewentualne pytania - 1h

• Wprowadzenie do sztucznej inteligencji – 13h (w tym Coursera)

• Poznaj OpenAI i GPT (GPT 3 i GPT 4) – 9,5h

• Prompting – 13h

• Zastosowania AI i OpenAI
  w praktyce - studia przypadków i sukcesy – 2h (w tym Coursera)

• Głębokie uczenie i sieci neuronowe – 10h

• Korzystanie z API OpenAI – 13h

• Przegląd wtyczek AI – 4h

• Generowanie obrazów za pomocą narzędzi AI – 3h

• Prawo w kontekście AI – 9h

1. Algebra liniowa w uczeniu maszynowym i Data Sience: 17h asynchronicznie + 6h konsultacji
 

• Reprezentowanie  danych jako wektory i macierze oraz identyfikowanie ich właściwości, korzystając z  osobliwości, rząd macierzy czyli zależności liniowe;.
• Podstawowe operacje na wektorach i macierzach, takie jak iloczyn skalarny, odwrotność i wyznaczniki;
• Rodzaje operacji macierzowych( przekształcenia liniowe)  stosowanie koncepcji wartości własny i wektorów własnych do problemów związanych z uczeniem maszynowym.
   

2. Rachunek różniczkowy w ML i DS: 20h asynchronicznie + 6h konsultacji
 

• Analityczne optymalizowanie różnych rodzajów funkcji powszechnie stosowanych w uczeniu maszynowym, korzystając z właściwości pochodnych i gradientów;
• Przybliżona optymalizacja różnych rodzajów funkcji powszechnie stosowanych w uczeniu maszynowym;
• Interpretacja graficzna różniczkowania różnych rodzajów funkcji powszechnie stosowanych w uczeniu maszynowym;
• Obliczenia spadku gradientu w sieciach neuronowych z różnymi funkcjami aktywacji i kosztu.
   

3. Statystyka i Prawdopodobieństwo w ML i DS: 23h asynchronicznie + 8h konsultacji
 

• Opisywanie i kwantyfikowanie niepewności w prognozach dokonywanych przez modele uczenia maszynowego;
• Wizualne i intuicyjne rozumienie właściwości powszechnie stosowanych rozkładów prawdopodobieństwa w uczeniu maszynowym i naukach o danych;
• Powszechnie stosowane metody statystyczne, takie jak estymacja maksymalnej wiarygodności (MLE) i estymacja maksymalna a priori (MAP) w problemach związanych z uczeniem maszynowym;
• Ocenianie wydajność modeli uczenia maszynowego, korzystając z estymat przedziałowych i marginesów błędów.

Wprowadzenie do zarządzania projektami - Czym jest projekt?

2. Projekt vs proces;

3. Dwie filozofie zarządzania projektami – proces zdefiniowany oraz proces empiryczny;

4. Jak zacząć projekt?

5. Problemy w projektach - główne przyczyny porażek projektowych:

6. Komunikacja i zarządzanie interesariuszami

7. Zarządzanie ryzykiem

8. Planowanie

9. Korzystanie z doświadczeń

10. Rola kultury organizacyjnej w zarządzaniu projektami.

11. Czym jest hybrydowe zarządzanie projektami w organizacji?

12. Dlaczego ważne jest, aby w organizacjach biznes oraz IT mieli doświadczenie w project management, spójny sposób działania oraz komunikowania się? Jakie mogą powiać się problemy, gdy tego nie ma?

13. Międzynarodowe standardy zarządzania projektami:

14. Projekty, programy i portfolio

15. Cykl życia projektu

1. Wprowadzenie do Pythona i Data Science: - 25 h asynchronicznie + 6h konsultacji

• Pierwsze kroki w Pythonie;

• Podstawy programowania w Pythonie;

• Wykorzystuj zmienne do przechowywania i pobierania informacji, podstawowe obliczenia;

• Podstawowych narzędzia programistyczne: funkcje i pętle;

• Czym jest Data Science, identyfikacją, zbieraniem i importowaniem danych z różnych źródeł.

2. Praca z danymi w Pythonie: - 20 h asynchronicznie + 4h konsultacji

• Podstawy struktur danych oraz sposoby ich wykorzystania;

• Programy do czytania i zapisywania danych do/z plików;

• Słowniki w Pythonie;

• Tuple(krotki) i operacje wieloetapowe( sortowanie i iteracje).

3. Pobieranie danych z internetu: - 20 h asynchronicznie + 4h konsultacji

• Wykorzystuj wyrażenia regularne do wyodrębniania danych z łańcuchów znaków;

• Zrozum protokoły, jakie przeglądarki internetowe używają do pobierania dokumentów i aplikacji internetowych;

• Pobieraj dane ze stron internetowych i interfejsów API przy użyciu Pythona;

• Pracuj z danymi w formacie XML (eXtensible Markup Language).

4. Zarządzanie bazami danych: - 15 h asynchronicznie + 4h konsultacji

• Wykorzystuj operacje Create, Read, Update i Delete (CRUD) do zarządzania bazami danych;

• Podstawy programowania obiektowego w Pythonie;

• Przechowywanie danych w wielu tabelach w bazie danych;

• Używaj interfejsu API Google Maps do wizualizacji danych.

5. Zaawansowana obróbka danych: - 10 h asynchronicznie + 4h konsultacji

• Korzystaj z znaków Unicode i łańcuchów znaków;

• Podstawy tworzenia silników wyszukiwarek;

• Wybieraj i przetwarzaj dane według własnego wyboru.

• Twórz wizualizacje danych.

Dla Kogo ?

Co wyróżnia Program Data Science

Prowadzący Program IT Data Science

Opis Programu Data Science

Elastyczność i samodzielność

Zajęcia odbywają się w elastyczny sposób, co pozwala na dużą samodzielność w planowaniu swojego procesu nauki. Uczestnicy mają dostęp do materiałów na platformie i możliwość samodzielnego sprawdzania swojej wiedzy
 

Certyfikaty ukończenia
 

Po zakończeniu programu Uczestnicy otrzymują polskie i międzynarodowe certyfikaty, które potwierdzą zdobytą wiedzę i umiejętności w obszarze

Data Science

Kompleksowe podejście

Program oferuje zarówno teoretyczne podstawy, jak i praktyczne umiejętności związane szeroko pojętą dziedziną Data Science

Wsparcie i mentoring

Program zapewnia wsparcie i mentoring poprzez spotkania z opiekunem projektu. Uczestnicy będą mieli możliwość omówienia problemów lub uzyskania pomocy w zrozumieniu poszczególnych tematów.

Data Science

To dobry wybór dla osób, które chcą rozpocząć swoją przygodę z uczeniem maszynowym. Celem kursu jest pokazanie różnych sposobów pracy z danymi oraz wykorzystanie zdobytej wiedzy w praktyce.

Dlaczego?

Podczas kursu Data Science zdobędziesz szereg umiejętności, które pozwolą Ci na wykonywanie zadań związanych z analizą danych i wykorzystaniem ich do podejmowania decyzji biznesowych oraz tworzenia nowych produktów i usług. Program Data Science zawiera elementy analizy danych, statystyki, programowania (Python), zasad wizualizacji danych, machine learning i zarządzania bazami.

Zdobędziesz cenne umiejętności, wiedzy i doświadczenia w jednym z najbardziej interesujących i istotnych obszarów XXI wieku
 

• Program Data Science nauczy Cię korzystania z różnych narzędzi i technologii, które są obecnie bardzo poszukiwane na rynku pracy,
• zyskasz kompetencje pozwalające gromadzić oraz analizować dane w celu zwiększenia korzyści biznesowych.
   

Poprawisz swoje perspektyw kariery oraz możliwości zarobkowe
 

• umiejętności związane z Data Science są obecnie bardzo poszukiwane w wielu branżach, w tym w finansach, marketingu, zdrowiu, edukacji i innych.
   

Ukończenie Programu Data Science może pomóc Ci w awansie w obecnej lub w zdobyciu nowej pracy na całym świecie
 

• osoby z umiejętnościami Data Science są dziś świetnie wynagradzane - szacunkowe całkowite wynagrodzenie osoby pracującej jako Data Scientist wynosi 143 835 dolarów rocznie na terenie Stanów Zjednoczonych.
   

Zrozumiesz jak wykorzystywać dane i rozwiniesz umiejętności analityczne
 

• Program Data Science pokaże Cię, jak korzystać z danych, aby podejmować decyzje biznesowe oparte na faktach i zwiększyć skuteczność działań operacyjnych i marketingowych.
• nauka Data Science pozwali Ci na rozwój kluczowych umiejętności analitycznych, które mogą być przydatne nie tylko w pracy, ale także w życiu osobistym.

Ukończenie Programu Data Science to trafiona inwestycja w Twoją przyszłość i rozwój kariery zawodowej.

Cena: 3600 zł

Wszystkie programy kończą się otrzymaniem certyfikatu!

Liczba godzin kursu: 180

ul. Świeradowska 43

02-662 Warszawa

+48 22 54 35 430

NIP: 527 02 09 936

 Projekt i wykonanie: Studio Kreatywa