Data Science Machine Learning (Python) - Małopolski Pociąg do Kariery / Kierunek Rozwój / Graj po Zielone - kurs
Data Science Machine Learning (Python) - Małopolski Pociąg do Kariery / Kierunek Rozwój / Graj po Zielone - kurs
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Programowanie
- Identyfikator projektuKierunek - Rozwój
- Sposób dofinansowaniawsparcie dla osób indywidualnychwsparcie dla pracodawców i ich pracowników
- Grupa docelowa usługi
Kurs skierowany jest do osób, które interesują się programowaniem oraz analizą danych - rozwój kariery w tym kierunku daje obecnie mocną pozycję na rynku pracy.
Uczestnicy kursu nie muszą mieć wcześniejszego doświadczenia w zakresie programowania. W kursie mogą wziąć udział zarówno osoby myślące o przyszłej pracy w roli data scientist, jak też kadra kierownicza chcąca nauczyć się programowania oraz analizy danych, czy też specjaliści sektora zielonej gospodarki.
Usługa adresowana również do uczestników Projektu Kierunek - Rozwój, Małopolski Pociąg do Kariery, Graj po Zielone, programów dof. w ramach FESL 6.6 oraz 10.17 z woj. śląskiego oraz innych programów dofinansowań.
- Minimalna liczba uczestników8
- Maksymalna liczba uczestników16
- Data zakończenia rekrutacji27-04-2025
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi88
- Podstawa uzyskania wpisu do BURZnak Jakości Małopolskich Standardów Usług Edukacyjno-Szkoleniowych (MSUES) - wersja 2.0
Cel
Cel
Cel edukacyjny
Kurs przygotowuje do samodzielnego programowania w języku Python i SQL, korzystania z pakietów dedykowanych do analizy danych (numpy, pandas, matplotlib, seaborn), korzystania z narzędzi uczenia maszynowego, a także wykorzystania poznanych narzędzi i technik do rozwoju ekologicznych rozwiązań technologicznych.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
---|---|---|
Efekty uczenia się Posługuje się wiedzą z zakresu programowania w języku Python, baz danych, uczenia maszynowego | Kryteria weryfikacji definiuje typy danych w języku Python | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Kryteria weryfikacji charakteryzuje zasady tworzenia baz danych (w tym mając na uwadze oszczędność zasobów - np. struktura bazy danych, ilość wywołań, oszczędność zasobów procesora itd.) | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie | |
Kryteria weryfikacji omawia podział metod uczenia maszynowego oraz charakteryzuje zasady doboru modelu | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie | |
Kryteria weryfikacji omawia zastosowania języka Python w sektorach zielonej gospodarki | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie | |
Efekty uczenia się Przetwarza, analizuje oraz wizualizuje dane z wykorzystaniem bibliotek języka Python oraz modeli uczenia maszynowego | Kryteria weryfikacji tworzy skrypty w języku Python | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Kryteria weryfikacji wykorzystuje biblioteki języka Python w celu analizy zbiorów danych, w tym danych środowiskowych | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie | |
Kryteria weryfikacji tworzy zapytania SQL | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie | |
Kryteria weryfikacji wykorzystuje modele ML do analizy danych, w tym danych środowiskowych | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie | |
Efekty uczenia się Współpracuje i komunikuje się z innymi członkami zespołu | Kryteria weryfikacji wskazuje kryteria prawidłowej komunikacji interpersonalnej | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Efekty uczenia się Posługuje się wiedzą z zakresu zrównoważonego rozwoju, niezbędną do pracy w sektorze zielonej gospodarki | Kryteria weryfikacji charakteryzuje główne poglądy na temat zrównoważonego rozwoju | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Kryteria weryfikacji charakteryzuje zasady środowiskowe 6R w kontekście TIK (rethink, refuse, reduce, reuse, recycle, recover) | Metoda walidacji Test teoretyczny z wynikiem generowanym automatycznie |
Kwalifikacje i kompetencje
Kwalifikacje
Inne kwalifikacje
Uznane kwalifikacje
Informacje
- Podstawa prawna dla Podmiotów / kategorii Podmiotówuprawnione do realizacji procesów walidacji i certyfikowania na mocy innych przepisów prawa
- Nazwa/Kategoria Podmiotu prowadzącego walidacjęCodebrainers Sp. z o.o.
- Podmiot prowadzący walidację jest zarejestrowany w BURTak
- Nazwa/Kategoria Podmiotu certyfikującegoCodebrainers Sp. z o.o.
- Podmiot certyfikujący jest zarejestrowany w BURTak
Program
Program
Kurs dedykowany jest osobom zainteresowanym programowaniem oraz analizą danych - rozwój kariery w tym kierunku daje obecnie ogromne możliwości i mocną pozycję na rynku pracy.
Dzięki dużej ilości gotowych bibliotek język Python jest jednym z najpopularniejszych języków do analizy danych. Jest to również język bardzo prosty w nauce, dzięki czemu pisanie własnych skryptów i narzędzi nie stanowi problemu nawet dla początkujących osób.
Uczestnicy kursu nie muszą mieć żadnego wcześniejszego doświadczenia w zakresie programowania. W szkoleniu mogą wziąć udział zarówno osoby, które myślą o przyszłej pracy w roli data scientist, jak również kadra kierownicza, właściciele firm, czy też specjaliści sektora zielonej gospodarki - dla których dostęp do analiz jest kluczem do podejmowania trafnych decyzji w bieżącej działalności.
--
STRUKTURA KURSU:
- kurs obejmuje 88h lekcyjnych (45 min) = w przeliczeniu 66h zegarowe (60 min)) prowadzonych na żywo (on-line), na platformie webinarowej, w formie wirtualnej klasy, w formule live-coding - przez cały czas z trenerem
- dodatkowo planowana jest samodzielna praca własna kursantów w domu (ćwiczenia, projekty), z możliwością konsultacji na platformie Slack - praca ta pozwala utrwalić zdobyta podczas zajęć wiedzę i nie jest wliczana do czasu trwania usługi - nie jest to obowiązkowe;
- zajęcia odbywają się na żywo (online, w formie wirtualnej klasy) w formule wieczorowo-weekendowej - 2x w tygodniu (wieczorem) orazw wybrane soboty;
- grupa liczy maksymalnie 16 osób i jest jedną z najmniejszych grup na rynku
--
| Programowanie w języku Python
- wprowadzenie do programowania: języki programowania, shell (bash), rola systemu operacyjnego, system kontroli wersji git
- solidna nauka programowania w języku Python:
- typy danych, wyrażenia warunkowe, debugging, funkcje, obsługa wyjątków, moduły i biblioteki, podstawy programowania obiektowego
- optymalizacja kodu dla minimalizacji zasobów w aplikacjach, efektywność zarządzania typami danych
- charakterystyka głównych poglądów dotyczących zrównoważonego rozwoju, GreenComp, zasady środowiskowe 6R w zakresietworzenia oprogramowania.
| Język SQL i bazy danych:
- projektowanie relacyjnych baz danych oraz wykorzystanie w praktyce języka SQL
- definiowanie schematu bazy danych na podstawie wymagań
- podstawowe oraz zaawansowane zapytania, filtrowanie, grupowanie, sortowanie, łączenie wyników
- efektywność operacji na bazach danych (ilość zapytań, zasobooszczędność itd.)
- tworzenie efektywnych struktur baz danych
| Data Science
- środowisko pracy analityka danych
- jupyter notebook, markdown, elementy notacji latex, manager pakietów Conda, pip, tworzenie wirtualnego środowiska
- podstawy statystyki i wnioskowania, analiza danych metodą eksploracji danych oraz stawianie własnych hipotez, w tym danych środowiskowych
- przetwarzanie danych za pomocą bibliotek numpy oraz pandas
- techniki skutecznego i efektywnego ładowania, przechowywania i manipulowania danymi, w tym websprapping
- optymalizacja zasobów podczas analizy i wizualizacji danych
- wizualizacja danych za pomocą matplolib
- wykorzystanie zaawansowanych narzędzi do obliczeń rozproszonych (spark, databricks)(w tym na bazie danych z sektora zielonej gospodarki)
| Machine Learning
- podział metod nauczania maszynowego, dobór danych i modelu, przygotowanie danych, szkolenie, walidacja, przeuczenie, drzewa decyzyjne, sieci neuronowe, deep learning, CNN, tensorflow
- optymalizacja modeli ML i AI pod kątem zasobooszczędności
- machine learning i jego rola w cyfrowej i zielonej transformacji
- praktyczne zastosowanie modeli AI (np. w celu predykcji zmian klimatycznych)
| Walidacja efektów kształcenia oraz egzmain
Po zakończeniu kursu zostanie przeprowadzony egzamin potwierdzający nabycie kwalifikacji. Uczestnicy szkolenia otrzymują imienne certyfikaty potwierdzające nabycie kwalifikacji sygnowane przez Codebrainers.
--
Dodatkowo materiały z zakresu:
- wprowadzenie do zielonej gospodarki - charakterystyka poglądów dotyczących zrównoważonego rozwoju, Europejskie ramy kompetencji w zakresie zrównoważonego rozwoju (GreenComp)
- zasady środowiskowe 6R
- zastosowanie języka Python w zielonej gospodarce, m.in. automatyzacja procesów, optymalizacja zasobooszczędności, analiza danych środowiskowych
--
- całość zajęć prowadzona jest na żywo online.
- aby osiągnąć zakładany cel realizacji usługi, uczestnik powinien być obecny w trakcie zajęć zdalnych w czasie rzeczywistym.
- usługa szkoleniowa realizowana jest w godzinach dydaktycznych (1 godzina dydaktyczna = 45 min.) - łącznie 88h dydaktycznych, w tym. ok. 20h teoretycznych oraz 68h praktycznych (live coding w formie wirtualnej klasy)
- w ramach usługi przewidziane są przerwy podczas zajęć 6 godzinnych w soboty, które zostały uwzględnione w harmonogramie usługi, jednak nie wliczają się do ilości godzin samej usługi
- walidacja efektów kształcenia odbywa się w formie testu teoretycznego w formie cyfrowej, z wynikiem generowanym automatycznie. Test prowadzony jest na zewnętrznej platformie, w oparciu o indywidualne kody dostępu przypisane do każdego z uczestników
--
Z racji dynamicznego rozwoju branż zielonych technologii, kurs uczy także programowania w sposób pozytywnie wpływający na środowisko i wspierający zrównoważony rozwój - w tym w zgodzie z zasadami 6R oraz pozwala na zrozumienie roli technologii cyfrowych we wspieraniu zielonej gospodarki.
Szkolenie przekazuje kompetencje przydatne i/lub niezbędne do pracy na stanowiskach takich jak m.in.: statystyk (212004), analityk biznesowy (242112), analityk finansowy (241306), analityk giełdowy (241301), analityk inwestycyjny (241311), analityk trendów rynkowych (cool hunter)(243101), analityk baz danych (252102), projektant baz danych (252103), analityk ruchu na stronach internetowych (262202), specjalista ochrony środowiska (213303), inspektor ochrony środowiska (325504), technik analizy i monitoringu środowiska (325508), technik ochrony środowiska (325511).
Kurs uczy zaawansowanej analizy danych, która odgrywa w chwili obecnej kluczową rolę również w wielu gałęziach zielonej gospodarki.Big data wspiera optymalizację zużycia energii w budynkach i infrastrukturze oraz śledzenie emisji i odpadów, umożliwia automatyzację i personalizację, wspiera rozwój energii odnawialnej i monitorowanie zużycia wody, energii i pozostałych zasobów, natomiast modele oparte na sztucznej inteligencji są z powodzeniem wykorzystywane w celu predykcji zmian klimatycznych, optymalizacji procesów i redukcji zużycia zasobów.
Dzięki przekazywaniu umiejętności ogólnych niezbędnych do pracy w sektorze zielonej gospodarki (zgodnie z GreenComp), szkolenie przyczynia się również do tworzenia tzw. “zielonych miejsc pracy” zarówno w sektorach zielonej gospodarki, jak również w sektorach tradycyjnych.
Wiedza zdobyta podczas szkolenia wykorzystywana może być m.in. w celu realizacji inwestycji opisanych m.in. w Rozp. nr 2021/1056PEiR(UE) ustanawiającym Fundusz Sprawiedliwej Transformacji, tj.w przypadku wdrażania technologii oraz systemów i infrastruktury zapewniającej czystą energię, redukcji emisji gazów cieplarnianych, inwestycji w energię odnawialną i w efektywność energetyczną, inteligentną i zrównoważoną mobilność lokalną, poprawę efektywności energetycznej systemów ciepłowniczych, inwestycje w produkcję energii cieplnej z odnawialnych źródeł energii, cyfryzację i łączność cyfrową, a także we wzmacnianie gospodarki o obiegu zamkniętym, efektywne gospodarowanie zasobami oraz ponowne ich wykorzystanie i recykling.
Harmonogram
Harmonogram
Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
---|---|---|---|---|---|
Przedmiot / temat zajęć 1 z 26 Wprowadzenie do programowania, języki programowania, shell i bash, środowisko pracy, algorytmika (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Bartek Bilski | Data realizacji zajęć 28-04-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 2 z 26 Python - typy danych, elementy języka, zast. J. Python w zielonej gospodarce (automatyzacja proc., zasobooszczędność, analiza danych środ.), GreenComp, zasady 6R, (on-line, na żywo, wykład + ćw) | Prowadzący Bartek Bilski | Data realizacji zajęć 30-04-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 3 z 26 Python - funkcje (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Julia Przepióra | Data realizacji zajęć 05-05-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 4 z 26 Python - wyjątki (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Julia Przepióra | Data realizacji zajęć 07-05-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 5 z 26 Python - pliki i moduł, efektywność zarządzania typami danych (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Julia Przepióra | Data realizacji zajęć 10-05-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 6 z 26 Przerwa | Prowadzący Julia Przepióra | Data realizacji zajęć 10-05-2025 | Godzina rozpoczęcia 12:00 | Godzina zakończenia 12:30 | Liczba godzin 00:30 |
Przedmiot / temat zajęć 7 z 26 Python - prog. funkcyjne, optymalizacja kodu dla minimalizacji zasobów w aplikacjach (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Julia Przepióra | Data realizacji zajęć 10-05-2025 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 15:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 8 z 26 Python - OOP: obiekty (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Julia Przepióra | Data realizacji zajęć 12-05-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 9 z 26 Python - OOP: klasy, zastosowanie zasad środowiskowych 6R (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Julia Przepióra | Data realizacji zajęć 14-05-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 10 z 26 SQL - projektowanie relacyjnych baz danych oraz wykorzystanie w praktyce języka sql (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Julia Przepióra | Data realizacji zajęć 19-05-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 11 z 26 SQL - zapytania SQL, efektywność operacji na bazach danych (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Bartek Bilski | Data realizacji zajęć 21-05-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 20:30 | Liczba godzin 02:30 |
Przedmiot / temat zajęć 12 z 26 Walidacja efektów kształcenia | Prowadzący Bartek Bilski | Data realizacji zajęć 21-05-2025 | Godzina rozpoczęcia 20:30 | Godzina zakończenia 21:00 | Liczba godzin 00:30 |
Przedmiot / temat zajęć 13 z 26 Data Science - hipotezy i wnioskowanie, przetwarzanie danych za pomocą numpy, pandas, matplotlib (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Bartek Bilski | Data realizacji zajęć 24-05-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 12:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 14 z 26 Przerwa | Prowadzący Bartek Bilski | Data realizacji zajęć 24-05-2025 | Godzina rozpoczęcia 12:00 | Godzina zakończenia 12:30 | Liczba godzin 00:30 |
Przedmiot / temat zajęć 15 z 26 Data Science - przetwarzanie danych za pomocą numpy, pandas, matplotlib (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Bartek Bilski | Data realizacji zajęć 24-05-2025 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 15:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 16 z 26 Data Science - przetwarzanie danych za pomocą numpy, pandas, matplotlib (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Dominik Cydzik | Data realizacji zajęć 26-05-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 17 z 26 Data Science - webscrapping, techniki efektywnego ładowania danych (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Dominik Cydzik | Data realizacji zajęć 28-05-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 18 z 26 Data Science - ćwiczenia na bazie realnych danych (w tym z sektorów zielonej gospodarki), optymalizacja zasobów podczas analizy danych (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Dominik Cydzik | Data realizacji zajęć 02-06-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 19 z 26 Data Science - wykorzystanie zaawansowanych narzędzi do obliczeń rozproszonych (spark, databricks), w tym na bazie danych z sektora z. gosp. (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Dominik Cydzik | Data realizacji zajęć 04-06-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 20 z 26 Machine Learning - podział metod nauczania maszynowego, dobór danych i modelu, rola ML w cyfrowej i zielonej transformacji (on-line, na żywo, wykład + ćwiczenia) | Prowadzący Dominik Cydzik | Data realizacji zajęć 09-06-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 21 z 26 Machine Learning - przygotowanie danych, szkolenie, walidacja, przeuczenie, drzewa dec., sieci neuronowe, deep learning, CNN, tensorflow (on-line, na żywo, wykład + ćw.) | Prowadzący Dominik Cydzik | Data realizacji zajęć 11-06-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 22 z 26 Machine Learning - przygotowanie danych, szkolenie, walidacja, przeuczenie, drzewa dec., sieci neuronowe, deep learning, CNN, tensorflow (on-line, na żywo, wykład + ćw.) | Prowadzący Dominik Cydzik | Data realizacji zajęć 16-06-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 23 z 26 Machine Learning - przygotowanie danych, szkolenie, walidacja, przeuczenie, drzewa dec., sieci neuronowe, deep learning, CNN, tensorflow (on-line, na żywo, wykład + ćw.) | Prowadzący Dominik Cydzik | Data realizacji zajęć 18-06-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 24 z 26 ML - zastosowanie ML i AI w praktyce, w tym w sektorach zielonej gosp. np. w celu predykcji zmian klimatycznych, optymalizacja modeli ML i AI pod kątem zasobooszcz. (on-line, na żywo, wykład + ćw.) | Prowadzący Bartek Bilski | Data realizacji zajęć 23-06-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 25 z 26 ML - zastosowanie ML i AI w praktyce, w tym w sektorach zielonej gosp. np. w celu predykcji zmian klimatycznych, optymalizacja modeli ML i AI pod kątem zasobooszcz. (on-line, na żywo, wykład + ćw.) | Prowadzący Bartek Bilski | Data realizacji zajęć 25-06-2025 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 20:30 | Liczba godzin 02:30 |
Przedmiot / temat zajęć 26 z 26 Walidacja efektów kształcenia, egzamin | Prowadzący Bartek Bilski | Data realizacji zajęć 25-06-2025 | Godzina rozpoczęcia 20:30 | Godzina zakończenia 21:00 | Liczba godzin 00:30 |
Cena
Cena
Cennik
- Rodzaj cenyCena
- Koszt przypadający na 1 uczestnika brutto5 280,00 PLN
- Koszt przypadający na 1 uczestnika netto5 280,00 PLN
- Koszt osobogodziny brutto60,00 PLN
- Koszt osobogodziny netto60,00 PLN
- W tym koszt walidacji brutto50,00 PLN
- W tym koszt walidacji netto50,00 PLN
- W tym koszt certyfikowania brutto50,00 PLN
- W tym koszt certyfikowania netto50,00 PLN
Prowadzący
Prowadzący
Dominik Cydzik
Wykształcenie: MS, Biomedical Engineering, ETH Zurich, Biomedical / Medical Engineering, King’s College London, Biochemistry, University of Tampa.
Doświadczenie, m.in.: 2024 - obecnie - Data Science Consultant, Capgemini Invest, 2023 - 2024 - AI Software Engineer, aiEndoscopic, 2022 - 2023 - Multi-Scale Robotics Lab Rsearcher, ETH Zurich.
Posiada dośw. w zakresie ziel. komp. W okresie ostatnich 5 lat: m.in.: wdrożenie rozwiązania umożliwiające wdrożenie updateów softwarowych samochodów zdalnie (branża automotive), umożliwiając ograniczenie ilości przejechanych kilometrów i spalonego paliwa.
Cezary Wenta
Doświadczenie, m.in.: 2021 – obecnie - Fullstack Developer, Frontend Developer, Quantoo Sp. z o.o., 2021 - PHP Developer, Millenium Studio. Wykształcenie: mgr., Informatyka, AGH w Krakowie (2024), lic., Edukacja Techniczno Informatyczna z przygotowaniem pedagogicznym, AGH w Krakowie (2021). Dodatkowe szkolenia, m.in.: AWS Academy Cloud Architecting, - AWS Academy Cloud Developing, Google Cloud Platform z Big Query, dyplom technika informatyka z egzaminami e.12, e.13, e.14.
Posiada dośw. w zakresie ziel. komp. W okresie ostatnich 5 lat: m.in. tworzenie aplikacji z wykorzystaniem języka Python z naciskiem na efektywność pisanego kodu, zasobooszczędność, zmniejszenie ilości operacji oraz tzw. “czysty kod” (minimalizacja kosztów, energii, czasu obliczeń)(InPost).
Mikołaj Leszczuk
Autor i wsp. ponad 191 publikacji oraz uczestnik konferencji naukowych i branżowych. Seniormember Institute of Electrical and Electronics Engineers (IEEE), członek Video Quality in Public Safety Working Group (VQiPS) wspieranej przez US DoHS, członek zarządu Video Quality ExpertsGroup (VQEG), członek KRAB UE, członek Gateway to Archives of Media Art (GAMA).
Doświadczenie, m.in.: obecnie, Prof., KT AGH, 2017 – 2019, Dr hab., KT AGH, 2006 – 2017, Adiunkt, KT AGH, 2000 – 2006, Asystent KT AGH, 1996 – 1999, Kier. Dz. Techn. Mult., Prezes Zarządu COMARCH, COMARCH Multimedia
Dod. dośw. zaw.: 2022 - 2023, proj. Ocena jakości dla aplikacji komp [...], 2021 - 2022, proj. Techn.wspierające streszczanie sekwencji wideo (NCBR), manager B+R,: 2020 - 2021, proj. Zaaw. wsk.jakości wiz. (Innovation Incubator 4.0), kierownik, 2019 - 2020, proj. Obiektywna ocena jakości wideo[...].
Posiada dośw. w zakresie ziel. komp. W okresie ostatnich 5 lat: m.in. ekspert PARP w ramach KPO,w tym w kontekście oceny spełniania kryteriów środowiskowych, zasad 6R, wpływu technologii na środowisko oraz zgodności rozwiązań technologicznych w kontekście celów zielonego ładu.
Bartek Bilski
Doświadczenie, m.in.: obecnie, Data Scientist, Allegro, 2023 - 2024, Data Scientist, Kokoro Global, 2022, Data Analyst, Cord, 2020 - 2021, Mortgage Advisor. Wykształcenie: Uniwersity of Bath (Data Science)(2022) oraz University of West of England (Matematyka i Statystyka)(2017). Dodatkowe szkolenia, m.in.: Azure Databricks, Databricks Data + AI World Tour London, IRX @ DTX + UCX.
Posiada dośw. w zakresie ziel. komp. W okresie ostatnich 5 lat: m.in.: analizy i projekt segmentacji(GivEnergy Ltd., magazyny energii), skupiający się na odnawialnych źródłach energii i działaniach proekologicznych, z wykorzystaniem ML oraz modeli LLM (GPT).
Mikołaj Kucharski
Doświadczenie, m.in.: obecnie, Big Data Engineer, Allekgo, 2023 - 2024, Data Science, Capgemini, 2023, Data Engineer, EY, 2021 - 2023, Assistant Geotechnical Designer, Stump Franki, 2020 - 2021, Geotechnical Engineer, Jacobs, 2019 - 2020, Geotechnical Specialist. Wykształcenie: mgr, Informatyka, Polsko-Japońska Akademia Technik Komputerowych w Warszawie (2024), mgr inż,Civil Engineering - Geotechnical Engineering, SGGW w Warszawie (2021), inż, Civil Engineering -Geotechnical Engineering, SGGW w Warszawie (2022).
Posiada dośw. w zakresie ziel. komp. W okresie ostatnich 5 lat: m.in. praca nad infr. do analizy KPI z zakresu ESG, praca nad optymalizacją proc. biznesowych w celu redukcji zuż. zasobów, optymalizacja przetw. dużych zbiorów danych w celu red. kosztów i śladu węglowego.
Szymon Budziak
Wykształcenie: Computer Science, Engineer's degree, Università degli Studi di Napoli Federico II (2023), inż., Informatyka, AGH w Krakowie (2024). Dodatkowe szkolenia, m.in.: Python for Data Science and Machine Learning, Machine Learning Specialization by Andrew Ng.
Posiada dośw. w zakresie ziel. komp. W okresie ostatnich 5 lat: m.in.: twórca aplikacji przewidującej efektywność energetyczną w gospodarstwach domowych USA na podstawie danych energetycznych (z wykorzystaniem AI), w oparciu o technologie Python oraz Tensorfl ow do analizy danych energetycznych, a także API do zbierania informacji o zużyciu energii. Aplikacja miała na celu wspieranie decyzji o optymalizacji zużycia energii w gospodarstwach domowych i promowanie bardziej zrównoważonych praktyk w gospodarce.
Julia Przepióra
Doświadczenie: 2022 – obecnie - Data Science Associate, Shell, 2021 - 2022 - Data Science Analyst, Shell, 2020 - Fund Tax Services, State Street. Posiada dośw. w zakresie ziel. komp. W okresie ostatnich 5 lat: m.in. w zakresie współpracy z działami Lubricants, Chemicals & Products oraz Mobility, wspierając inicjatywy mające na celu ograniczenie śladu węglowego oraz zwiększenie efektywności energetycznej w procesach downstream (analiza danych produkcyjnych i finansowych, identyfikacja obszarów wymagających optymalizacji, wdrażanie rozwiązań sprzyjających rentowności firmy oraz ochronie środowiska).
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
W ramach szkolenia uczestnik otrzymuje:
- dostęp do materiałów oraz ćwiczeń podsumowujących zdobytą wiedzę (materiały on-line formie pdf,html, jupyter notebook)
- zbiory danych wykorzystywane podczas ćwiczeń;
- bezpłatną licencję edukacyjną na wybrane IDE Jetbrains;
- dostęp do kanałów Slack dedykowanych szkoleniu;
- dostęp do nagrań z odbytych zajęć.
Warunki uczestnictwa
- uczestnicy kursu nie muszą mieć żadnego wcześniejszego doświadczenia w zakresie programowania
- w szkoleniu mogą wziąć udział zarówno osoby, które myślą o przyszłej pracy w roli data scientist, jak również kadra kierownicza i pracownicy sektora zielonej gospodarki, czy właściciele firm, dla których dostęp do analiz jest kluczem do podejmowania trafnych decyzji w bieżącej działalności.
- w przypadku korzystania z dofinansowania, warunkiem uczestnictwa jest zapisanie się przez BUR wraz z podaniem aktualnego ID wsparcia.
Informacje dodatkowe
- zapisanie się w BUR nie jest jednoznaczne z zarezerwowaniem miejsca. W celu potwierdzenia miejsca prosimy o dodatkowy kontakt telefoniczny, mailowy, lub za pośrednictwem messengera albo www
- zawarto umowę z WUP w Krakowie w ramach projektu Małopolski Pociąg do Kariery
- zawarto umowę z WUP w Toruniu w ramach projektu Kierunek Rozwój
- usługi dedykowane również uczestnikom innych programów dofinansowań
- zdobyte kompetencje dotyczą cyfrowej transformacji
- podstawa zwolnienia z VAT: Dz.U.2013.1722, art. 3, ust. 1, pkt. 14 - usł. kszt. zaw. lub przekw. zaw., fin. w co najmniej 70% ze środków publ. - podstawa zwolnienia jest każdorazowo weryfikowana w stosunku do danego Uczestnika
- Zakres zg. z RSI Woj. Śl. 2030: Techn. Inf. i kom., (i) techn. szt. int. i uczenia masz., (ii) techn. data mining, (iii) techn. zaaw. baz danych i hurtowni danych oraz z RSI Woj. Mał.. Met. i urz. służące do poz. dan.
Warunki techniczne
Warunki techniczne
- zajęcia prowadzone są w czasie rzeczywistym na platformie Zoom, wraz z dostępem do kanałów grupowych na platformie Slack
- Minimalne wymagania sprzętowe: komputer / laptop / lub inne urządzenie ze stałym dostępem do internetu, wyposażone w kamerę internetową
- Minimalne wymagania dotyczące parametrów łącza sieciowego: szybkość pobierania / przesyłania: minimalna 2 Mb/s / 128 kb/s, zalecana: 4 Mb/s / 512 kb/s
- Niezbędne oprogramowanie umożliwiające dostęp do zajęć oraz materiałów: przeglądarka internetowa, Zoom w wersji bezpłatnej dla użytkownika
- Uczestnicy otrzymują linki do spotkań przed każdymi zajęciami. Link umożliwiający uczestnictwo w kursie jest aktywny w godzinach wskazanych na karcie usługi