22 299 53 69
biuro@jsystems.pl
Analiza danych i uczenie maszynowe w Pythonie
by:
Najbliższe terminy tego szkolenia
16.03
Termin gwarantowany
Szkolenie online
Ostatnie miejsca!
Standardy JSystems
- Wszyscy nasi trenerzy muszą być praktykami i osiągać średnią z ankiet minimum 4.75 na 5. Nie ma wśród nas trenerów-teoretyków. Każdy trener JSystems ma bogate doświadczenie komercyjne w zakresie tematów z których prowadzi szkolenia.
- Wszystkie szkolenia mają format warszatowy. Każde zagadnienie teoretyczne jest poparte rzędem warsztatów w ściśle określonym formacie.
- Terminy gwarantowane na 100%. Jeśli jakiś termin jest oznaczony jako gwarantowany, oznacza to że odbędzie się nawet jeśli część grupy wycofa się z udziału. Ryzyko ponosimy my jako organizator.
- Do każdego szkolenia które wymaga jakiegokolwiek oprogramowania dostarczamy skonfigurowane, gotowe hosty w chmurze. Dzięki temu uczestnik nie musi nic instalować na swoim komputerze (i bić się z blokadami korporacyjnymi). Połączenie następuje przez zdalny pulpit lub SSH - w zależności od szkolenia.
Program szkolenia
Dzień 1
- Środowisko analityczne w Data Science
- Instalacja i konfiguracja środowiska (Python, Jupyter Notebook, Visual Studio Code).
- Wprowadzenie do analizy danych oraz pracy w notatnikach Jupyter.
- Tworzenie środowiska wirtualnego oraz dobre praktyki pracy Data Scientista.
- Biblioteka NumPy
- Praca z tablicami wielowymiarowymi (ndarray).
- Operacje wektorowe i macierzowe.
- Matematyczne podstawy uczenia maszynowego
- Kluczowe pojęcia ze statystyki w kontekście ML.
- Algebra liniowa jako podstawa uczenia maszynowego.
- Wprowadzenie do CRISP-DM
- Omówienie 6 faz projektu Data Science: od zrozumienia biznesu po wdrożenie modelu.
- Zadania praktyczne – NumPy
Dzień 2
- Analiza danych z Pandas
- Wczytywanie, eksploracja i czyszczenie danych (CSV, XLSX, TXT).
- Filtrowanie, agregacja i łączenie danych (merge, join).
- Praca z danymi tekstowymi i integracja z API.
- Porównanie Pandas z językiem SQL.
- Eksploracyjna Analiza Danych (EDA)
- Wykresy i analiza rozkładów, relacji oraz wartości odstających.
- Przygotowanie danych w Scikit-learn
- Skalowanie cech i obsługa braków danych.
- Kodowanie zmiennych kategorycznych i praca z tekstem.
- Feature Engineering
- Tworzenie nowych zmiennych na podstawie wiedzy domenowej.
- Zadania praktyczne – Pandas
Dzień 3
- Regresja liniowa
- Teoria i implementacja modelu od podstaw.
- Regresja wielomianowa.
- Gradient Descent.
- Case study: przewidywanie kosztów ubezpieczenia.
- Metryki regresji: MAE, MSE, R².
- Regresja logistyczna
- Klasyfikacja binarna i wieloklasowa.
- Case study: predykcja churnu klientów.
- Metryki klasyfikacji
- Macierz pomyłek, Precision, Recall, F1-score, ROC, AUC.
- Interpretowalność modeli (XAI)
- Zadania praktyczne – uczenie maszynowe
Dzień 4
- Drzewa decyzyjne
- Budowa, wizualizacja i interpretacja.
- Case study: wykrywanie chorób serca.
- Lasy losowe (Random Forest)
- Ensemble Learning i Bagging.
- Walidacja i diagnostyka modeli
- Overfitting i underfitting.
- Cross-validation.
- Optymalizacja hiperparametrów
- GridSearchCV.
- Praca z danymi niezbalansowanymi
- SMOTE, undersampling, oversampling, wagi klas.
- Zadania praktyczne – uczenie maszynowe
Dzień 5
- Podstawy Deep Learningu
- Perceptron i sieci wielowarstwowe (MLP).
- Funkcje aktywacji i funkcje straty.
- Implementacja sieci neuronowej od zera
- Prosta sieć neuronowa w NumPy.
- TensorFlow i Keras
- Praca z tensorami.
- Budowa, kompilacja i trening modeli.
- Case study
- Klasyfikacja obrazów – Fashion MNIST.
- Jak działa ChatGPT?
- Architektura sieci transformerów.
- Vibe coding
- Budowa aplikacji webowej z modelem ML w 5 minut.
Opis szkolenia
Szkolenie odbywa się na żywo z udziałem trenera. Nie jest to forma kursu video!O szkoleniu w skrócie
Analiza danych i uczenie maszynowe w Pythonie to intensywne, praktyczne szkolenie prowadzące uczestników od podstaw pracy w środowisku analitycznym Data Science po implementację modeli uczenia maszynowego i sieci neuronowych.
Program kursu został zaprojektowany tak, aby krok po kroku budować wiedzę – od efektywnego przetwarzania danych po tworzenie modeli predykcyjnych.
Podczas pięciu dni zajęć uczestnicy poznają kluczowe biblioteki Pythona wykorzystywane w Data Science, takie jak NumPy, Pandas, Scikit-learn, TensorFlow i Keras.
W ramach warsztatów praktycznych wykonają serię ćwiczeń i case studies, które pozwolą im realnie zastosować zdobyte umiejętności w rozwiązywaniu problemów analitycznych.
Szkolenie łączy elementy teorii, praktyki kodowania oraz interpretacji wyników z perspektywy biznesowej, tworząc solidne podstawy do pracy w roli analityka danych lub specjalisty uczenia maszynowego. Uczestnicy nauczą się również, jak wyjaśniać działanie modeli, diagnozować problemy z przeuczeniem, optymalizować parametry i wdrażać efektywne procesy analityczne zgodne z metodyką CRISP-DM.
Korzyści dla uczestników
- Praktyczne opanowanie narzędzi Pythona stosowanych w analizie danych (Jupyter, VS Code, NumPy, Pandas, Scikit-learn, TensorFlow, Keras).
- Zrozumienie pełnego cyklu projektu Data Science — od przygotowania danych do interpretacji i wdrożenia modelu.
- Umiejętność pracy z dużymi zbiorami danych, ich czyszczenia, łączenia, wizualizacji i przekształcania w wiedzę biznesową.
- Poznanie najważniejszych algorytmów ML: regresji, klasyfikacji, drzew decyzyjnych, lasów losowych i podstaw deep learningu.
- Zrozumienie działania modeli i wyjaśnianie ich wyników przy użyciu metod interpretowalności (XAI).
- Świadomość potencjalnych błędów analitycznych (overfitting, bias, data leakage) i sposobów ich unikania.
- Kompetencje do samodzielnej pracy jako Junior Data Scientist lub Junior ML Engineer, z solidnymi fundamentami teoretycznymi i praktycznymi.
Prowadzący szkolenie:
Tomasz Wiliński
Senior Data Scientist z wieloletnim doświadczeniem w projektach wykorzystujących uczenie maszynowe i analitykę predykcyjną. Na co dzień pracuje w jednej z największych instytucji finansowych w Polsce, odpowiadając za rozwój i wdrożenie modeli scoringowych, predykcyjnych oraz systemów wspierających decyzje biznesowe.
W pracy łączy wiedzę techniczną z praktycznym podejściem do rozwiązywania problemów biznesowych. Jako prowadzący stawia na zrozumienie istoty algorytmów, intuicję analityczną oraz zdolność wykorzystania danych do realnych celów. Na szkoleniach dzieli się sprawdzonymi metodami pracy w Pythonie, dobrymi praktykami tworzenia modeli oraz doświadczeniem wyniesionym z wdrożeń w skali enterprise.
Środowisko robocze
Nie jest wymagane instalowanie żadnego oprogramowania przez Uczestnika. Dostęp do gotowego środowiska na potrzeby tego szkolenia jest zapewniany każdemu Uczestnikowi przez organizatora.
Terminy gwarantowane
Gdy na jakiś termin zgłosi się minimalna liczba osób, termin oznaczamy jako gwarantowany.
Jeśli jakiś termin oznaczony jest jako gwarantowany to oznacza to, że na 100% się odbędzie we wskazanym czasie i miejscu.
Nawet gdyby część takiej grupy zrezygnowała lub przeniosła się na inny termin, raz ustalony termin gwarantowany takim pozostaje.
Ewentualne ryzyko ponosimy my jako organizator.
Przejdź do terminów tego szkolenia
Szkolenia online
Szkolenia online odbywają się na żywo z udziałem trenera. Uczestniczy łączą się na szkolenie za pomocą platfomy ZOOM (nie trzeba instalować, można połączyć się również przez przeglądarkę).
Informacje organizacyjne Uczestnicy otrzymują na 7 dni przed datą rozpoczęcia szkolenia.
Sprawdź pozostałe szkolenia z kategorii:
Python
Zobacz
Sprawdź, co mówią o nas ci, którzy nam zaufali
Trenerzy kategorii Python
Mateusz Zimoch
Mateusz Zimoch
Paweł Stasiński
Paweł Stasiński
Wojciech Grzybek
Wojciech Grzybek
Tomasz Wiliński
Tomasz Wiliński
Senior Data Scientist z wieloletnim doświadczeniem w projektach wykorzystujących uczenie maszynowe i analitykę predykcyjną. Na co dzień pracuje w jednej z największych instytucji finansowych w Polsce, odpowiadając za rozwój i wdrożenie modeli scoringowych, predykcyjnych oraz systemów wspierających decyzje biznesowe.
W pracy łączy wiedzę techniczną z praktycznym podejściem do rozwiązywania problemów biznesowych. Jako prowadzący stawia na zrozumienie istoty algorytmów, intuicję analityczną oraz zdolność wykorzystania danych do realnych celów. Na szkoleniach dzieli się sprawdzonymi metodami pracy w Pythonie, dobrymi praktykami tworzenia modeli oraz doświadczeniem wyniesionym z wdrożeń w skali enterprise.
Tomasz Duniec
Tomasz Duniec
DevOps Enginner z zamiłowaniem do części "Dev" wspomnianej roli. Pasjonat ideologii DevOps, ze szczególnym uwzględnieniem potoków dostarczania oprogramowania. Swoje doświadczenie opiera o dostarczanie skalowalnych usług mikroserwisowych oraz projekty wdrażanie w AWSie dla dużych klientów. W codziennej pracy jest zaangażowany na wielu poziomach cyklu dostarczania oprogramowania. Od wielu lat tworzy narzędzia dla deweloperów, które skracają cykl, ułatwiają prace i definiują standardy w zespołach.
Posiada doświadczenie w zarzadzaniu zespołami developerskimi. Absolwent Politechniki Warszawskiej, swoja karierę w IT zaczynał właśnie od szkoleń w JSystems, które pozwoliły mu nabrać wiatru w żagle i pomogły spełnić marzenia o karierze w IT. Dziś w JSystems jako trener zakresu AWS, który zachęci was do korzystania z chmury Amazona i pokaże, że nie jest to takie trudne i "kosztowne".
Certyfikowany inżynier z zakresu architektury, DevOps i Networkingu w AWS. Zwolennik "przemyślanego" podejścia zwinnego w prowadzeniu projektów. Charakteryzuje go podejście do wyzwan z "Can do attitude" i "Get Things Done". W swojej pracy najbardziej ceni możliwość rozwiazywania problemów biznesowych w oparciu o najnowsze technologie chmurowe. Zwolennik praktyki nad teorią. Ostatnio mocno zaangażowany w adaptacje możliwości jakie niesie ze sobą platforma Backstage.io.
Patryk Palej
Patryk Palej
Programista Pythona od 2018 roku z backgroundem w matematycznym modelowaniu procesów fizycznych. Specjalizuje się w obszarach związanych z pozyskiwaniem, przetwarzaniem i analizą danych. Jako data scientist pracował w projektach dla branż takich jak telekomunikacja, media czy finanse. Doświadczony szkoleniowiec, który lubi i potrafi przekazywać wiedzę. W wolnym czasie podróżuje lub pracuje nad nowymi szkoleniami.
Tomasz Woźniak
Tomasz Woźniak
