Python to jeden z najczęściej wybieranych, obok środowiska R, języków programowania przez analityków danych na świecie. Swoją popularność zawdzięcza prostocie i czytelności, szybkości i wszechstronności. To prawdopodobnie najlepszy wybór do szybkiego tworzenia niemalże dowolnych projektów od analizy statystycznej i Machine Learningu, przez scrapery i aplikacje webowe, na skryptach systemowych i samodzielnych aplikacjach kończąc. Niezależnie od tego czego potrzebujesz, najpewniej znajdziesz wysokiej jakości bibliotekę Pythona, która pomoże Ci szybko zrealizować cel.

Ścieżka Python składa się z trzech kursów poświęconych językowi programowania Python. Kursy zostały przygotowane z myślą o pracy analityka danych, tzw. Data Scientist. Kurs Analiza danych i programowanie w Python jest przeznaczony dla osób, które rozpoczynają przygodę z Pythonem. Kurs Zaawansowane programowanie i automatyzacja pracy w Pythonie to propozycja dla osób, które znają podstawy Pythona. Czują się swobodnie w pracy z Pandasem i Matplotlibem, ale chciałyby pogłębić swoją wiedzę z Pythona i poszerzyć kompetencje.

Zapisy na kurs:

Analiza danych i programowanie w Pythonie


Opis kursu:

Podstawowym przeznaczeniem kursu Analiza danych i programowanie w Pythonie, jest wprowadzenie do języka Python, który jest obecnie jednym z najpopularniejszych języków programowania, używanym zarówno do analizy i wizualizacji danych jak i tworzenia aplikacji webowych i natywnych. Zajęcia dedykowane są przede wszystkim osobom rozpoczynającym przygodę z programowaniem lub Pythonem. Użytkownicy niepracujący wcześniej z danymi ilościowymi powinni (naszym zdaniem) najpierw dobrze poznać środowisko MS Excel. Przydatna, ale nie niezbędna, może być znajomość programu R. Praca w Pythonie oznacza niemal wyłącznie pisanie komend (korzystając z różnorodnych bibliotek) – interfejs graficzny jest tylko dodatkiem i ułatwieniem w programowaniu i obliczeniach.

Tematyka kursu obejmuje zapoznanie Słuchaczy z językiem programowania Python oraz środowiskiem Jupyter Notebook, zapoznanie z podstawami programowania oraz ideą programowania obiektowego oraz przedstawienie podstawowych pakietów do przetwarzania danych oraz wizualizacji graficznej. W programie kursu znajdują się również charakterystyczne dla Pythona elementy dotyczące podstawowych obiektów oraz kontroli przepływu czy też obsługi błędów.

Kurs ma charakter warsztatowy i intensywny – podczas każdych zajęć oprócz prezentacji, wyczerpująco skomentowanych skryptów Pythona, Słuchacze wykonują pod kierunkiem prowadzącego wiele krótkich ćwiczeń i zadań, które sprawiają, że wiedza przekazywana na zajęciach natychmiast zamienia się w konkretne umiejętności. Po kursie Słuchacz jest samodzielnym programistą języka Python i potrafi poszerzać swoje kompetencje w wybranym przez siebie kierunku.

Zapisy na kurs:

Aplikacje webowe, web scraping i programowanie w Pythonie


Opis kursu:

Kurs Aplikacje webowe, web scraping i programowanie w Pythonie stanowi naturalną kontynuację kursu Analiza danych i programowanie w Pythonie. Celem kursu jest głębsze poznanie tego języka programowania i możliwości jego wykorzystania w dziedzinie Data Science. Uczestnicy z jednej strony poznają zagadnienia i pakiety rozszerzające możliwości pracy jako analityka danych, jak również zapoznają się z tymi elementami języka Python, które zdecydowanie wykraczają ponad poziom podstawowy.

Zakres merytoryczny kursu obejmuje następujące zagadnienia: pakiety umożliwiające kontrolę plików w formacie Excel z poziomu Pythona, techniki wykorzystywania formatów JSON oraz XML, metody zbierania dużych ilości danych z internetu (web scraping) oraz technologię tworzenia aplikacji webowych zawierających interaktywne wykresy. Ponadto, Słuchacze poznają elementy języka Python, które są na co dzień wykorzystywane przez doświadczonych programistów przy tworzeniu popularnych bibliotek.

Kurs ma charakter warsztatowy i intensywny – podczas każdych zajęć oprócz prezentacji wyczerpująco skomentowanych skryptów Pythona, słuchacze wykonują pod kierunkiem prowadzącego wiele krótkich ćwiczeń i zadań, które sprawiają, że wiedza przekazywana na zajęciach natychmiast zamienia się w konkretne umiejętności. Kończąc niniejszy kurs, Słuchacz będzie potrafić samodzielnie tworzyć programy w Pythonie, a także pisać aplikacje, które wspierają proces analizy danych.

Zapisy na kurs:

Warsztaty Machine Learning w Pythonie


Opis kursu:

Kurs Warsztaty Machine Learning w Pythonie, jest prowadzony na poziomie średniozaawansowanym i zaawansowanym. Wymagana jest podstawowa znajomość statystyki i podstawowa znajomość języka Python (na przykład zdobyta na kursie: https://labmasters.pl/kursy-otwarte/python/p-1/). Celem jest przekazanie umiejętności budowania modeli predykcyjnych w obszarze Data Science z wykorzystaniem technik uczenia maszynowego (z ang. Machine Learning). Na zajęciach uczymy w sposób intuicyjny teoretycznych podstaw modelu, silnych i słaby stron każdej metody i na praktycznych przykładach przekazujemy umiejętność wykorzystania modeli w praktyce. Ponadto, uczestnicy dowiadują się jak interpretować i oceniać modele oraz poprawnie wykonywać walidować krzyżową. Prowadzący przekazują praktyczną wiedzę opartą o doświadczenie biznesowe zdobyte w projektach consultingowych. Uczestnik kursu otrzymuje obszerne materiały, zawierające kody i procedury do natychmiastowego wykorzystania w postaci gotowych receptur we własnych analizach.

W trakcie warsztatów zajęcia podzielone są na część wykładową (ok. 40% zajęć), ćwiczeniową (ok. 40%, prezentacja i interpretacja kodów w Pythonie) i pracę własną uczestników (20%) – polegającą na rozwiązywaniu biznesowych case study przygotowanych przez Prowadzącego. Podczas części ćwiczeniowej nacisk położony jest na poznanie efektywnych metod przetwarzania danych oraz programowania w środowisku Python. Po warsztatach uczestnik posiada wiedzę i umiejętności wystarczające do samodzielnej pracy i rozwoju w środowisku Python na poziomie zaawansowanym.

Zapisy na kurs:

Deep Learning, Text Mining i XAI w Pythonie


Opis kursu

Kurs „Deep Learning, Text Mining i XAI w Pythonie” prowadzony jest na poziomie zaawansowanym i jest kontynuacją kursu „Warsztaty Machine Learning w Pythonie”. Po opanowaniu najpopularniejszych i relatywnie prostych modeli Machine Learning, takich jak lasy losowe i XGBoost, dalsza edukacja analityka pracującego w roli Data Scientist powinna skupić się na poznaniu zagadnień i narzędzi specjalistycznych, a także uzyskaniu umiejętności potrzebnych do uprodukcyjniania stworzonych narzędzi i przekształceniu uzyskiwanych prognoz w zysk dla przedsiębiorstwa.

Celem kursu jest przekazanie Słuchaczom umiejętności w zakresie modelowania i interpretacji modeli Machine Learning i Deep Learning na poziomie eksperckim. Omawiane na zajęciach przykłady aplikacyjne są niestandardowe i złożone (nieustrukturyzowane dane tekstowe, analiza obrazów oraz próby niezbalansowane). Prowadzący przekazują praktyczną wiedzę opartą o doświadczenie biznesowe zdobyte w projektach consultingowych. Uczestnik kursu otrzymuje obszerne materiały, zawierające kody i procedury do natychmiastowego wykorzystania w postaci gotowych receptur we własnych analizach.

Na zajęciach uczymy w sposób intuicyjny teoretycznych i matematycznych podstaw, silnych i słaby stron każdej metody. W trakcie kursu przypomniane zostaną modele XGBoost i lasów losowych. Zajęcia podzielone są na część wykładową (ok. 40% zajęć), ćwiczeniową (ok. 40%, prezentacja i interpretacja kodów w Pythonie) i pracę własną uczestników (20%) – polegającą na rozwiązywaniu biznesowych case study przygotowanych przez Prowadzącego. Podczas części ćwiczeniowej nacisk położony jest na poznanie efektywnych metod przetwarzania danych oraz programowania w środowisku Python.

Zapisy na kurs:

Statystyka, ekonometria i szeregi czasowe w Pythonie


Opis kursu:

Znajomość statystyki i podstaw ekonometrii jest niezbędna nie tylko w pracy badawczo-naukowej, ale również w modelowaniu biznesowym. Świadome wykorzystywanie statystyki opisowej i wizualizacji danych pozwala na efektywny przegląd posiadanych danych i zrozumienie podstawowych zależności między zmiennymi. Statystyka matematyczna jest przydatna do weryfikowania hipotez badawczych (niezależnie czy są to hipotezy naukowe czy założenia biznesowe). Znajomość technik analizy statystycznej jest bardzo przydatne w Data Science i uczeniu maszynowym, ponieważ w zaawansowanych modelach często wykorzystywane są koncepcje opracowane wcześniej na potrzeby testowania statystycznego, ekonometrii i modelowania szeregów czasowych. Wreszcie liniowe modele regresyjne (oparte o metodę najmniejszych kwadratów i metodę największej wiarygodności) dla prób przekrojowych i szeregów czasowych, ze względu na łatwość stosowania tych model i interpretacji parametrów są (i będą) podstawą wszystkich analiz statystycznych.

Reasumując, kurs Statystyka, ekonometria i szeregi czasowe w Pythonie jest kompendium wiedzy i umiejętności o najważniejszych metodach modelowania statystycznego i ekonometrycznego. Statystyczna analiza danych jest potrzebna każdemu analitykowi, niezależnie od tego, czy pracuje w sektorze prywatnym, publicznym czy na uczelni wyższej. Wiedza o statystyce przydaje się też niezależnie zaawansowania prowadzonych analiz, ponieważ świadome korzystanie narzędzi statystycznych i ekonometrycznych jest potrzebne zarówno w statystyce opisowej, badaniach statystycznych, jak i budowaniu i walidacji modeli uczenia maszynowego. Poznanie statystyki i ekonometrii bardzo zmniejsza też koszty wejścia w świat Machine Learning, dla osób które podążają za najnowszymi trendami i wybierają kariery analityka Data Science.

Kurs jest prowadzony od podstaw i znajomość technik statystycznej analizy danych nie jest potrzebne. Natomiast znajomość podstaw Pythona (omawianych np. na kursie Analiza danych i programowanie w Pythonie jest wymagana.

Zapisy na kurs:

Sztuka wizualizacji danych, storytelling i autoprezentacja w Pythonie


Opis kursu:

Umiejętność praktycznej i ciekawej komunikacji wyników statystycznych jest bardzo ważną kompetencją w pracy analityka. Odbiorcy wyników naszych analiz (menedżerowie, właściciele procesów, etc.) nie są (najczęściej) zainteresowani w rozumieniu pełnego zakresu wyrafinowania naszych modeli, ani poznaniu wszystkich wyzwań jakie pokonaliśmy na drodze do osiągnięcia wyników. Nasi słuchacze, czytelnicy, menedżerowie – chcą otrzymać intuicyjne, logicznie skonstruowane i proste podsumowanie przeprowadzonych obliczeń. W tym celu potrzebne jest (oprócz dogłębnej wiedzy o przedstawianym zagadnieniu):

  • wiedza o poprawnym interpretowaniu danych statystycznych (tak aby nie wprowadzać odbiorcy w błąd i poprawnie interpretować znalezione w danych zależności)
  • znajomość technik poprawnej wizualizacji danych (tak, aby przedstawiona na wykresach informacja była czytelna i łatwa do zrozumienia)
  • znajomość zaawansowanych metod wizualizacji danych (tak, aby przygotowywane prezentacje były ciekawe i oryginalne)
  • umiejętność strukturyzowania wywodu (tak, opis analizy, niezależnie czy napisany czy wygłaszany, był zrozumiały, łatwy do śledzenia przez odbiorcę i ciekawy).

Szkolenie ma charakter multidyscyplinarny i na specjalne zamówienie może zostać przygotowany w innym języku niż Python. Podczas warsztatów uczestnicy nauczą się twardych kompetencji programistycznych (tworzenie zaawansowanych wizualizacji w pakietach matplotlib i seaborn) jak i poznają zagadnienia z pogranicza statystyki, ekonomii, psychologii, retoryki oraz data science (np. sztuka efektywnej wizualizacji danych) w celu poznania skutecznych metod prezentacji danych statystycznych w sposób ciekawy, prosty i praktyczny. Duży nacisk położony jest na przykłady i case study. Po wprowadzeniu teoretycznym i omówieniu przykładów biznesowych, następuje część praktyczna, w której uczestnicy ćwiczą umiejętność poprawnego i interesującego przekazywania wiedzy z przeprowadzonych analiz rozwiązując zadania pod kierunkiem prowadzącego.

Szkolenie prowadzone jest na poziomie średniozaawansowanym. Wcześniejsza znajomość Pythona jest wymagana (w zakresie omawianym na kursie: Analiza danych i programowanie w Pythonie. Przydatna (ale nie niezbędna) jest wiedza ze statystycznej analizy danych, w zakresie omawianym na kursie: Statystyka, ekonometria i szeregi czasowe w Pythonie.