Certyfikaty:
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
Po ukończeniu Programu otrzymasz certyfikat zaliczenia szkolenia, wydane przez Lazarski University of Technology.
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.
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
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
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
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
2. Rachunek różniczkowy w ML i DS: 20h asynchronicznie + 6h konsultacji
3. Statystyka i Prawdopodobieństwo w ML i DS: 23h asynchronicznie + 8h konsultacji
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.
Data Science to interdyscyplinarna dziedzina nauki, która wykorzystuje metody statystyczne, matematyczne, informatyczne i biznesowe do wyodrębniania wiedzy z danych. Celem Data Science jest analiza dużych zbiorów danych w celu wykrycia wzorców, zależności i trendów, a także rozwijanie modeli predykcyjnych i optymalizacyjnych.
Dzięki Data Science możliwe jest zwiększenie efektywności działań biznesowych, rozwiązywanie problemów społecznych oraz tworzenie innowacyjnych produktów i usług. Do najważniejszych narzędzi Data Science należą m.in. języki programowania, narzędzia do wizualizacji danych, systemy baz danych oraz technologie związane z uczeniem maszynowym i sztuczną inteligencją
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.
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
Poprawisz swoje perspektyw kariery oraz możliwości zarobkowe
Ukończenie Programu Data Science może pomóc Ci w awansie w obecnej lub w zdobyciu nowej pracy na całym świecie
Zrozumiesz jak wykorzystywać dane i rozwiniesz umiejętności analityczne
Ukończenie Programu Data Science to trafiona inwestycja w Twoją przyszłość i rozwój kariery zawodowej.
Cena: 3600 zł
Wszystkie programy kończą się otrzymaniem certyfikatu!
UCZELNIA ŁAZARSKIEGO
ul. Świeradowska 43
02-662 Warszawa
+48 22 54 35 430
NIP: 527 02 09 936
Projekt i wykonanie: Studio Kreatywa