Naucz się programować w Pythonie.
Przyjdź na bootcamp i zmień
swoje życie zawodowe.
Kompleksowa i intensywna nauka
od zupełnych podstaw.
-
Czas trwania:lub
-
Cena:4 790 PLN* lub 5 rat po 9589 490 PLN* lub 5 rat po 1898poczęstunek w ceniestanowisko komputerowe w cenie
-
Tematyka:Narzędzia programisty, zasady programowania,
Python i jego triki (slicing, comprehensions…)
oraz praktyczne zastosowania
XL analiza danych/AI: Pandas, Numpy, uczenie maszynowe, sieci neuronowe, modele językowe
XL backend: Web, Django, bazy danych, REST, testy -
Prowadzący:Programista Python, ekspert z branży, trener z zamiłowania
-
Tryby zajęć:
- weekendowo (sob-niedz., średnio co 2 tygodnie)
- dziennie (bloki 2-4-dniowe, co ok. 2 tyg.)
- wieczorowo (1× w tygodniu, 18-21:00, przez ok. pół roku)
-
Grupa:Zajęcia stacjonarne - na sali max 12 osób.
Dla kursów zdalnych - do 17 osób łącznie.
-
Wymagania:umiejętność obsługi komputera, kurs w 100% od podstaw
-
Elastyczność:a) do 15 dni przed startem można zrezygnować
b) podczas zajęć można:
- przejść z trybu stacjonarnego na zdalny
- ze zdalnego na stacjonarny
- w razie potrzeby otrzymać nagrania z zajęć
- zawiesić uczestnictwo i dokończyć później
(w miarę dostępności miejsc)
-
Miejsce:Warszawa, Kraków lub
Zdalnie (online na żywo z trenerem i grupą)
Inne opcje nauki
Kurs (poziom 2) :
Python Developer II - backendInny Kurs :
Analiza danych i ML w Pythonie Tester oprogramowania AI i GPT w codziennej pracyChcesz się nauczyć Pythona?
To właściwe miejsce! Nasz bootcamp programistyczny – czyli solidny, intensywny trening od podstaw – nauczy Cię języka Python oraz pokaże czym w ogóle jest programowanie. Na praktycznych przykładach przećwiczysz tworzenie aplikacji różnego typu, wykorzystasz Pythona do pracy z danymi, nauczysz się zarówno tworzenia własnych algorytmów, jak i wykorzystywania istniejących zaawansowanych rozwiązań.
Python jest powszechnie uważany za jeden z najbardziej intuicyjnych i najłatwiejszych do nauki języków programowania. Jednocześnie popularne powiedzenie “easy to learn, hard to master” doskonale oddaje jego naturę: za przystępnymi podstawami kryją się dalsze szczegóły i możliwości, z których skorzystają bardziej zaawansowani deweloperzy, więc na każdym poziomie zaawansowania jest co odkrywać. Dlatego pod kierunkiem doświadczonych trenerów ALX warto przejść całą ścieżkę i odbyć kurs Python, który kompleksowo przechodzi przez wszystkie istotne tematy.
Python to język niezwykle uniwersalny, który można wykorzystać
do tworzenia dowolnego typu aplikacji, od prostych „skryptów” automatyzujących pobieranie
danych czy operacje na plikach, poprzez wtyczki do gier i wielu narzędzi,
aż do całkiem rozbudowanych serwisów webowych.
Obecnie niezwykłą popularnością cieszą się „analityczne” zastosowania Pythona związane
z big data, statystyką, obliczeniami naukowymi i inżynierskimi
czy wreszcie sztuczną inteligencją (AI) i uczeniem maszynowym.
Nasz kurs jest jedną z najbardziej kompleksowych ofert na polskim rynku szkoleniowym,
gdyż pozwala od podstaw nauczyć się wszystkich tych zastosowań,
w tym profesjonalnego wykorzystywania sztucznej inteligencji we własnych aplikacjach.
Pythona z założenia może nauczyć się każdy! Ale uprzedzamy, że wiedza nie wleje się sama do Twojej głowy - przychodząc na nasz bootcamp musisz liczyć się z wieloma godzinami wytężonej pracy i nauki (również w domu). Tylko praktyką można zbudować umiejętności.
Opcje nauki
Właśnie ze względu na różne możliwe zastosowania Pythona, u nas sami możecie zdecydować na jaki wymiar kursu się zapisać i w jakim kierunku się rozwijać. Pakiet Standard to solidny kurs języka Python oraz ogólnych zasad programowania. Kurs obejmuje 80 godzin zajęć z trenerem oraz 40 godzin samodzielnego rozwiązywania zadań. Z naszego doświadczenia wynika, że właśnie tyle potrzeba większości kursantek i kursantów, aby opanować umiejętność samodzielnego pisania „zwykłych programów” typu pytanie-odpowiedź, operujących na plikach czy pobierających dane z sieci. Na standardowej wersji kursu dowiesz się co to jest Django (w aplikacjach WWW) czy też Pandas (w analizie danych) i poznasz ich podstawy, ale nie będziemy wchodzić w szczegóły tych technologii. Pojawią się pewne elementy wykorzystania sztucznej inteligencji w działających aplikacjach (dostęp przez API do modeli LLM) oraz podczas tworzenia kodu (vibe coding), ale bardziej zaawansowane scenariusze wykorzystujące AI są częścią rozszerzenia XL AI/Analiza danych.
Pakiety XL są rozszerzeniem kursu podstawowego o naukę technologii stosowanych w większych, zawodowych projektach opartych o Pythona. Ale podobnie jak prawnicy czy lekarze; podobnie jak studenci wielu kierunków na ostatnim etapie nauki, tak i nasi kursanci mogą wybrać specjalizację na drugi etap nauki. Pakiet XL AI/data science to nauka języka Python wraz z jego zaawansowanymi zastosowaniami w zakresie analizy danych, obliczeń, uczenia maszynowego (ML) i sztucznej inteligencji (AI). Interaktywne środowisko pracy (Anaconda, Jupyter lub usługi typu Google Colab), biblioteki programistyczne związane z przetwarzaniem danych i statystyką, takie jak Pandas, Numpy, Scipy, Scikitlearn. Zobaczysz tu jak pozyskiwać i przygotowywać dane, jak je agregować i wizualizować, poznasz analizę i wnioskowanie statystyczne, nauczysz się stosować różne metody i modele uczenia maszynowego, aby dokonywać predykcji, regresji i klasyfikacji, czy wreszcie techniki uczenia głębokiego wraz z nowoczesnymi narzędziami jak Keras, TensorFlow i PyTorch.
Tematem tej wersji kursu jest także profesjonalne programistyczne korzystanie z modeli językowych LLM zarówno jako zdalnej usługi (np. ChatGPT), jak i lokalnej biblioteki (np. Ollama). Elementy te, wraz z wybranymi zaawansowanymi elementami samego języka Python, pozwolą Tobie lub Twojej firmie szybko i sprawnie przetwarzać nawet ogromne ilości danych i automatycznie robić z nich użytek dzięki możliwościom języka Python. Zobacz szczegółowy opis drugiej połowy kursu w tej wersji.
Pakiet XL Backend to z kolei dalsza nauka klasycznego programowania, ze szczególnym uwzględnieniem technologii Django i możliwości tworzenia serwisów internetowych, także z wykorzystaniem baz danych i różnych zaawansowanych elementów języka Python. Oprócz Pythona, pokazujemy wiele narzędzi i praktyk stosowanych w projektach IT jak np. TDD; tworzymy złożone systemy internetowe w Django, poznajemy ORM czy też model REST; przyglądamy się wdrożeniu aplikacji w środowisku produkcyjnym (deployment). Wybierz tę ścieżkę, jeśli myślisz o karierze programisty, tworzeniu własnych aplikacji lub pracy w projektach, o nauce w przyszłości innych języków programowania. Druga część kursu w tej wersji jest także dostępna tutaj jako oddzielne szkolenie. Pamiętaj, że w razie wszelkich wątpliwości co do wyboru pakietu możesz do nas zadzwonić lub napisać maila, a nasi doradcy chętnie Ci pomogą.
Wybierz swój pakiet kursu Python
Co zawiera pakiet?
- Kompletny kurs Python
- Nauka technik programowania
- Narzędzia pracy dewelopera
- Klasyczne przetwarzanie danych: pętle, kolekcje, algorytmy
- Perełki Pythona: regex, slicing, comprehentions
- Praktyczne zastosowania: automatyzacja, praca z plikami
- Pobieranie danych z sieci (HTML, JSON)
- Podstawowe wykorzystanie AI w aplikacjach oraz do tworzenia kodu (vibe coding)
- Podstawy interfejsu użytkownika (GUI)
- Rzut oka na Django oraz Pandas
Co zawiera pakiet AI/data science?
- Całość pakietu Standard
- Środowiska typu Jupyter/Lab lokalnie i zdalnie
- Obliczenia i analiza danych (Numpy, Pandas)
- Uczenie maszynowe (teoria i biblioteki)
- Uczenie głębokie, sieci neuronowe
- Usługi AI/GPT i dostęp do nich z punktu widzenia programisty
- Lokalne modele językowe LLM i profesjonalne wykorzystanie sztucznej inteligencji w aplikacjach
A w wersji Backend
- Całość pakietu Standard
- Zaawansowane elementy Pythona
- Tworzenie aplikacji webowych
- Framework Django
- Modele i bazy danych
- Usługi REST: serwer i klient
- Wdrożenie produkcyjne (deployment)
- Mniej godzin → nieco niższa cena (160 + 80 = 240h, 8990 PLN)
Czym cechują się nasze zajęcia?
Stawiamy na praktykę i ćwiczenia już od pierwszych godzin. Zajęcia polegają głównie na pisaniu programów pod kierunkiem prowadzących. Przykłady pisane wspólnie, ćwiczenia rozwiązywane indywidualnie, zadania i projekty wykonywane „w domu”. Wszystko możesz skonsultować, o wszystko możesz zapytać prowadzących – w tym kurs jest lepszy niż samodzielna nauka z książek i materiałów internetowych. Teoria? Zaskoczymy Cię: teoria jest ważna, ale można ją pokazać na przykładach!
Budujemy dom od fundamentów. W zalewie online'owych kursów i tutoriali „jak w 5 minut zostać programistą” my chcemy postawić sprawę jasno: Nie wystarczy przepisać kilkudziesięciu linii kodu z przykładu w internecie lub bez zrozumienia wkleić kod wygenerowany przez AI, aby uznać się za programistę. My nie tylko powiemy Ci co napisać, ale także wytłumaczymy co to znaczy, dlaczego należy pisać właśnie tak, dlaczego inaczej byłoby źle. Naszym celem jest zaszczepić w Tobie konkretne umiejętności i powtarzając pewne schematy sprawić, by niektóre rzeczy stały się wręcz odruchowe. Byś niezależnie od wykształcenia i dotychczasowych doświadczeń mogła/mógł odnaleźć się w świecie IT i działać od początku profesjonalnie. Mając dobrze opanowane podstawy, będziesz w stanie używać wszelkich technologii, znacznie łatwiej uczyć się kolejnych języków programowania i podążać za zmianami tej dynamicznie rozwijającej się branży.
Wykorzystujemy narzędzia ułatwiające pracę, ale w sposób świadomy, a nie po omacku. Środowiska deweloperskie (IDE), asystenci AI i generatory kodu są bardzo pomocne w realnej pracy. Warto je poznać, bo tak wygląda współczesna praca programisty, nie jesteśmy już na etapie „surowy monochromatyczny edytor + wiersz poleceń”. Z drugiej strony ważne jest jednak, aby rozumieć, jaki jest nasz cel w danym momencie, i umieć ocenić, czy uzyskane rozwiązanie jest właściwe i poprawne. Na naszym kursie stawiamy na właściwy balans między „rozumieniem, co w trawie piszczy” a efektywnością pracy. Odkrywamy kolejne poziomy „praktycznego podejścia” stopniowo i w odpowiedniej kolejności.
Nasi trenerzy są przede wszystkim doświadczonymi programistami, którzy już wiedzą, jakie umiejętności są najważniejsze w pracy, jakie technologie są obecnie cenione w branży, na czym polega praca programisty na różnych etapach. Ale to nie wszystko! Nie każdy dobry programista będzie dobrym dydaktykiem, a podczas nauki od podstaw jest to niezwykle ważne. Dlatego nie bierzemy osób z przypadku, lecz mamy stabilną, sprawdzoną kadrę trenerską, dobrze ocenianą przez naszych kursantów.
Python bootcamp. Czyli jak uczymy?
Uczymy metodą bootcampu. Słowo “bootcamp” pochodzi z armii amerykańskiej i oznacza ekstremalny trening, który z rekrutów robi prawdziwych wojskowych - zdolnych od razu do walki. Bootcampy programistyczne to intensywne, nastawione na praktykę programy kształcenia. Kursantów czeka wiele godzin wytężonej pracy. Kończąc nasz Python bootcamp jesteś gotowym do pracy (ale też dalszej nauki) młodszym programistą.
-
Stawiamy na małe grupy i luźną atmosferę!
Nasze kursy prowadzimy stacjonarnie w największych miastach w Polsce. Zajęcia mogą być prowadzone w trybie hybrydowym (część osób w sali, część w trybie zdalnym), możesz więc brać udział w kursie nawet, jeśli trudno Ci dojeżdżać. Przez cały czas trwania kursu pracujesz w małej grupie - dokładnie tak jak w szkołach języków obcych. W ten sposób uczysz się szybciej, ale też przygotujesz się do pracy zespołowej - bo przecież programista nie pracuje na bezludnej wyspie - musisz umieć współdziałać w teamie! - Stawiamy na praktykę - i kontakt z trenerem! Brak nudnych wykładów - u nas uczysz się tylko praktycznych rzeczy - nasz kurs to bardziej warsztaty niż wykłady, które znasz ze studiów. Przez cały czas jest przy Tobie trener, którego w każdej chwili możesz zapytać i poprosić o pomoc. Wiemy z doświadczenia, że sama teoria nigdy nie wystarczy. Żeby zawodowo programować, trzeba mieć konkretne umiejętności praktyczne - wtedy stajesz się atrakcyjnym kandydatem na rynku pracy.
-
Uczymy nie tylko języka
Każdy kto myśli o karierze programisty musi wiedzieć, że programowanie nie sprowadza się tylko do znajomości języka programowania. Programowanie - to sposób myślenia, to także stosowanie technologii informatycznych, umiejętność sprawnego poruszania się w środowisku IT. Jak to uzyskać? Odpowiedź jest jedna: praktyka, dużo praktyki - czyli po prostu pisanie kodu!
Wyszkoliliśmy ponad 7 000 osób w różnych językach programowania – dla wielu z nich nasze kursy są to pierwszy krok do rozwoju ścieżki kariery.
Nauka w domu
Kurs programowania Python jest organizowany w trybie dziennym oraz zaocznym (weekendowym). W obu przypadkach pomiędzy blokami zajęć jest przerwa - tydzień lub 2 tygodnie. Przerwa jest potrzebna na trening w domu, utrwalenie wiadomości i ćwiczenia. Od swojego trenera otrzymasz odpowiednio przygotowane materiały do nauki w domu oraz zadania, do których musisz się przyłożyć. Duża ilość ćwiczeń sprawi, że utrwalisz zdobytą wiedzę i bardzo szybko opanujesz technologię.
Jeśli masz problem z zadaniem - zawsze możesz skontaktować się ze swoim trenerem.
Czy zawód programisty Pythona ma przyszłość?
Zapotrzebowanie na programistów jest duże, a „rewolucja AI” w kontekście Pythona oznacza akurat ogromny wzrost jego popularnośći i zainteresowania Pythonem także przez duże firmy. Wynika to z faktu, że to właśnie Python oferuje najwygodniejszy i najczęściej stosowany interfejs programistyczny (API) dający dostęp do zasobów sztucznej inteligencji (uczenie maszynowe, uczenie głębokie, modele językowe). Rozwiązania te są zawarte w programie kursu w wersji XL - Analiza danych/AI.
Nawet jako zwykły „język programowania ogólnych zastosowań” Python wydaje się przyszłościowy, gdyż jest wygodny i nadaje się do wielu przydatnych rzeczy – szybkiego tworzenia aplikacji lub automatyzacji zadań. Oznacza to, że jest on wykorzystywany często „przy okazji” i jego znajomość może być doskonałym dodatkiem do wiedzy merytorycznej z różnych dziedzin (w IT - dla administratorów, devopsów, testerów, ale także poza IT).
Jaka jest popularność Pythona?
W indeksie TIOBE, określającym popularność języków programowania, Python zajmuje pierwsze miejsce począwszy od 2023 roku, kiedy przegonił Javę i C.
Programowanie w dobie AI
Czy sztuczna inteligencja zastąpi programistów? Czy ten zawód ma przyszłość? Takie pytania stawia sobie wiele osób, odkąd modele językowe nauczyły się generować kod na podstawie zwykłego opisu tekstowego.
Spokojnie. Podobnie jak w każda rewolucja technologiczna, także AI zmienia przede wszystkim sposób pracy i może mieć wpływ na jej efektywność. O ile czynności wykonywane przez pracowników będą wyglądać inaczej, niż 10 lat temu, to branża IT jako całość dostaje dzięki AI jeszcze większy bodziec do rozwoju. Warto w tym uczestniczyć, a oto nasze rady i opinie:
- Lepiej być w gronie tych, którzy tworzą rozwiązania IT, niż pozostać tylko ich konsumentem. Dotyczy to także sztucznej inteligencji.
- Praca w IT będzie wymagała coraz mniej „klepania kodu”, ale wciąż będzie wymagała myślenia strategicznego na poziomie biznesowym i technicznym, rozumienia procesów, jasnego specyfikowania celów i granic akceptacji.
- Zamiast buntować się przeciw rozwojowi narzędzi AI, lepiej zacząć z nich korzystać. Także w codziennej pracy programisty, czego podstawy stanowią element tego kursu (podejście vibe coding).
- Generowanie kodu za pomocą AI nie powinno być jednak nigdy ślepe i naiwne. Tylko świadomy programista jest w stanie ocenić proponowane rozwiązania i zastosować je w konkretnym kontekście biznesowym i technologicznym.
- To właśnie język Python jest tym, w którym rozwiązania AI stosuje się najczęściej i najłatwiej; jest to w tym momencie naturalny wybór.
- Pod pojęciem „sztucznej inteligencji” kryje się wiele konkretnych technologii, nie tylko najbardziej znane „czaty”. Budując własne modele możesz dostosować rozwiązania do własnych potrzeb i zapewnić ich bezpieczeństwo.
Wersja XL Analiza Danych/AI tego kursu jest właśnie tą ścieżką, która pozwoli Ci poznać zasady działania uczenia maszynowego, uczenia ze wzmacnianiem, sieci neuronowych czy modeli językowych (LLM). Poznasz także biblioteki programistyczne, dzięki którym ta teoria przekłada się na praktykę dostępną na wyciągnięcie ręki.
Łącząc kompetencje programisty Python ze znajomością technik AI, uzyskasz możliwość tworzenia własnych rozwiązań, w których sztuczna inteligencja będzie jednym z kluczowych elementów.
Czy nadaję się na programistę?
„Nie wiem czy nadaję się do programowania. Jestem słaby z matematyki.”
Takie stwierdzenie słyszeliśmy w ALX wiele razy.
Zawsze odpowiadamy: nie, nie trzeba być dobrym z matmy, żeby programować. Sami znamy programistów, którzy nie mają wykształcenia informatycznego czy matematycznego, a kodują lepiej niż osoby po studiach informatycznych. Umiejętności i praktyka są bardziej istotne niż dyplom uczelni (co nie znaczy, że studia z założenia są złe – tego nie twierdzimy, a nasi trenerzy na ogół są inżynierami, magistrami lub nawet doktorami; po prostu nie jest to konieczne, a umiejętności zweryfikowane w praktyce są ważniejsze niż papierek). Nawiasem mówiąc, na nasze kursy Python i nie tylko dość często przychodzą studenci lub świeży absolwenci, aby poznać praktykę programowania w danym języku, której na ich uczelni było zbyt mało.
Programowanie to sposób myślenia - już kilka pierwszych godzin kursu i pierwsze własne linie kodu - pozwolą Ci zrozumieć, że programista musi mieć bardzo jasne i klarowne podejście do rozwiązania każdego problemu, musi być poukładany - i mieć zdolność analitycznego myślenia. Dużo zależy od Twoich predyspozycji - jeśli masz umysł analityczny, lubisz rozwiązywać logiczne łamigłówki, liczby nie sprawiają Ci przykrości i jesteś zmotywowany/a - możesz zostać świetnym programistą. To, co bardzo pomaga, to umiejętność wyobrażenia sobie tego, co dzieje się w pamięci komputera, co robi program. Ale bez obaw, nie trzeba być zakręconym nerdem żyjącym w świecie zer i jedynek. Wbrew stereotypom, znakomita większość programistów to zupełnie normalni ludzie ;-)
Czy zagwarantujecie mi, że zostanę zawodowym programistą?
Nie i naszym zdaniem nikt nie powinien takich prostych obietnic czynić. My często porównujemy naukę programowania do nauki języka obcego czy nauki gry na instrumencie. Niezwykle ważny jest właściwy nauczyciel i dobre warunki nauki – to zapewniamy Ci w ALX – ale o efekcie końcowym decyduje jeszcze kombinacja wrodzonego (choć nie zawsze odkrytego) talentu i włożonej własnej pracy.
Możesz mieć pewność, że po naszym kursie programowania Python będziesz wiedzieć na czym programowanie polega, „czym to się je”, znać techniki i technologie, których używa się w przemyśle IT. Z pewnością będziesz w stanie napisać samodzielnie mniej lub bardziej złożone programy czy też dokonać analizy danych z wykorzystaniem machine learning (po kursie w wersji XL). Ale ostatecznie to Ty, po doświadczeniu udziału w kursie, musisz odpowiedzieć sobie na pytanie czy programowanie sprawia Ci frajdę. Bo dobry programista, to tylko taki, który po prostu lubi pisać programy.
Od licznych byłych kursantów otrzymujemy informacje o ich dalszym rozwoju jako programistów. Pamiętaj jednak o tym, że branża IT jest ogromna i pracują w niej nie tylko programiści sensu stricte. Istnieje wiele innych ról: analitycy, projektanci, testerzy, administratorzy i wdrożeniowcy. Oprócz stanowisk technicznych, istnieje też mnóstwo takich, gdzie wymagane są kompetencje „miękkie”, interpersonalne: liderzy i menedżerowie projektów, opiekunowie produktów, trenerzy… Na każdym z tych stanowisk warto znać chociaż podstawy programowania, więc tak czy inaczej umiejętności wyniesione z tego kursu zaprocentują.
Python jako pierwszy język programowania?
Tak! To doskonały plan. Przeczytaj dlaczego…
Jeżeli chcesz zacząć karierę programistyczną, to Python jest
idealnym językiem na początek tej drogi. Jest wszechstronny,
intuicyjny i prosty w nauce. Wiele osób, które rozważa naukę
programowania, czy to samodzielnie za pomocą tutoriali
i e-booków, czy na studiach informatycznych czy też na kursie
programowania - zadaje zawsze te same pytania.
Kod Pythona jest czytelniejszy od kodu innych języków i co najważniejsze wymaga mniej pisania - aby wyrazić tę samą logikę, w Pythonie trzeba napisać mniej kodu, niż np. w Javie. Krótszy kod to mniejsze ryzyko popełnienia błędów oraz tańsze utrzymanie kodu. Python jest dobrze zaprojektowany - przejrzysty i spójny. Wielu początkujących programistów chwali sobie naukę Pythona, gdyż stosunkowo łatwo się go zapamiętuje i w razie problemów można łatwo odnaleźć błąd czy odszukać potrzebną funkcję.
Kto zazwyczaj przychodzi na kurs Python?
Osoby, które chcą zacząć karierę w IT i zostać młodszym programistą - od zera.
Uczymy nie tylko języka programowania - my uczymy myśleć jak programista!
Bootcamp Python został przygotowany dla osób zupełnie początkujących, które nie miały wcześniej styczności z programowaniem, a chcą zacząć karierę młodszego programisty.
Większość absolwentów tego kursu to osoby bez wykształcenia technicznego. Wystarczy, że potrafisz posługiwać się komputerem - czyli kopiować pliki, tworzyć foldery, sprawnie pisać na klawiaturze. Każdy kto myśli o karierze programisty musi wiedzieć, że programowanie nie sprowadza się tylko do znajomości języka programowania. Programowanie - to sposób myślenia, to przede wszystkim poznanie pojęć i technologii informatycznych, umiejętność sprawnego poruszania się w środowisku IT oraz praktyka, dużo praktyki - czyli po prostu pisanie kodu!
Analitycy, którzy potrzebują usprawnić i przyspieszyć swoją pracę.
Analitycy, dla których Excel nie jest wystarczającym narzędziem.
Wielu uczestników tego kursu to pracownicy banków, firm ubezpieczeniowych, przedsiębiorstw handlowych czy usługowych, branży telekomunikacyjnej i firm z branży IT. Managerowie potrzebujący wyciągać wnioski, doświadczeni analitycy, którzy codziennie przetwarzają ogromne ilości danych - tworzą modele i prognozy, od których często zależą losy przedsiębiorstw. Stopień zaawansowania tej pracy zbliża ich do pracy inżyniera. Umiejętność programowania i automatyzacji pracy jest więc czymś naturalnym na ścieżce kariery takich osób.
W związku z eksplozją ilości danych cyfrowych - w obecnych czasach nie wystarczy żeby analityk potrafił przetwarzać ogromne ilości danych - równie ważnym jest żeby robił to bardzo sprawnie i to w sposób optymalny - umiejętnie wykorzystując dostępne na rynku technologie!
Nauka języka programowania jest dla analityka - strzałem w dziesiątkę!
Python jest otwartym i elastycznym językiem programowania, który ma olbrzymi wachlarz zaawansowanych narzędzi i bibliotek analitycznych. Znajomość Pythona przez analityka pozwala mu na wykonywanie bardzo skomplikowanych analiz szybciej i łatwiej. Umożliwia mu wykorzystanie gotowych bibliotek do swoich analiz - a to oznacza szybszą, bardziej wydajną pracę.Trener, który prowadzi ten bootcamp ma wieloletnie doświadczenie zawodowe. Jest to osoba cały czas aktywna zawodowo - pracuje z użyciem języka Python. Błyskawiczny rozwój nowych technologii sprawia - że tylko osoba pracująca w zawodzie jest w stanie przekazać na szkoleniu najbardziej aktualną wiedzę i metody jej wykorzystania w praktyce.
Zalety Pythona dla analityka:
- Python jest bezpłatny (w przeciwieństwie do narzędzi takich jak Matlab)
- Python przybliża pracę analityka do pracy programisty.
- Pozwala na całkowitą automatyzację pracy - doskonale rozszerza możliwości jakie daje Excel.
- Jest popularny, dostępny i znany na całym świecie.
- Jest prosty, dzięki czemu po tym szkoleniu każdy analityk będzie mógł wykorzystać w pracy zdobytą wiedzę niemal od razu.
Wyślij na szkolenie cały dział analityczny.
Mamy duże doświadczenie w szkoleniach dla działów analitycznych. Szkoląc grupę analityków z danej firmy przygotowujemy program warsztatów praktycznych pod konkretną branżę, tak aby uczestnicy mogli wynieść ze szkolenia jak najwięcej.
Takie szkolenie znacząco rozszerza możliwości Twojego zespołu analitycznego. Umiejętność posługiwania się językiem programowania Python wielokrotnie zwiększy tempo dostarczania zaawansowanych analiz oraz poprawi ich jakość.
Webmasterzy, którzy chcą sprawnie tworzyć nowoczesne aplikacje WWW
Python znalazł zastosowanie przy efektywnym i szybkim tworzeniu nowoczesnych serwisów internetowych, bogatych w funkcjonalności. Tworzenie dynamicznych stron internetowych jest bardzo łatwe i efektywne dzięki bardzo dobrym frameworkom takim jak np. Django. Dzięki wszechstronnej kolekcji modułów i bibliotek serwisy napisane w Pythonie oferują ogrom możliwości. Django znane jest m.in. z automatycznie generowanych paneli administracyjnych, które stosuje się m.in. w serwisach zarządzania treściami.
Uczymy Django!
Tutaj poznasz nowoczesny framework do tworzenia aplikacji webowych.
- Szybkość
- Minimalna ilość kodu
- Przejrzysta struktura
Django jest idealnym wyborem dla osób stawiających swoje pierwsze kroki w pisaniu aplikacji webowych. Jest
otwartym i bezpłatnym frameworkiem, dzięki któremu można stworzyć eleganckie i nowoczesne serwisy. Zapewnia
automatyczny interfejs administracyjny, ładne adresy URL i znakomicie przemyślany system szablonów. Powstał
w
2003 roku na potrzeby portalu z newsami “Lawrence Journal-World”. Wymagania środowiska dziennikarskiego są
ogromne a Django spełniał je w 100%: był prosty w użyciu i pozwalał tworzyć gotowe aplikacje w bardzo
krótkim
czasie.
Pinterest, Instagram, The Washington Times - używają Django.
Program kursu programowania Python
Środowisko programistyczne i przybornik każdego programisty (czyli podstawowe zagadnienia z programowania)
Programowanie w Pythonie (biblioteki, struktury danych, funkcje, klasy i obiekty)
Obsługa formatu JSON oraz dostęp do zdalnych usług (Web API)
Aplikacje z graficznym interfejsem użytkownika
Obsługa plików i praca z danymi
XL AI/Analiza Danych to także
Obliczenia, przetwarzanie i analizowanie danych – NumPy, Pandas
Wizualizacje i wykresy, eksploracja danych
Machine learning oraz deep learning - predykcje i klasyfikacje z wykorzystaniem Scikit-Learn, Keras, TensorFlow, PyTorch
Modele językowe (LLM) jako API do zdalnej usługi (ChatGPT lub podobnej) oraz w oparciu o instalację lokalną
XL Backend dodatkowo zawiera
Framework Django
Podstawy frontendu webowego (HTML i CSS)
Usługi REST i architektura klient-serwer
Podstawy wdrażania projektów
Posłuchaj jednego z naszych trenerów
Jan prowadzi szkolenia w języku polskim i angielskim. Bootcamp Python jest prowadzony w języku polskim.
Podstaw programowania uczymy również młodzież (od 13 roku życia). Umiejętność programowania to samodzielność i szansa na szybki rozwój młodego człowieka - to "must have” w dzisiejszym świecie.
Program szkolenia
Część podstawowa
1. Wprowadzenie i pierwsze kroki
- Czym są „programy” i „programowanie”?
- Python na tle innych języków
- Zastosowania i możliwości Pythona: historia i współczesność
- Instalacja i konfiguracja środowiska pracy
- Interpreter języka Python
- Zintegrowane środowiska programistyczne (IDE): PyCharm lub VisualStudio Code
- Pierwsze programy i przegląd dostępnych sposobów pracy z Pythonem
- Styl kodowania i konwencje (PEP8)
2. Podstawowe elementy języka Python
- Interakcja z użytkownikiem w trybie tekstowym:
printiinput - Zmienne i podstawowe typy danych
- Wartości liczbowe, napisowe, logiczne
- Operatory, porównania, spójniki
- Instrukcja warunkowa
if - Dopasowanie wartości
match - Pętle
whileifor
3. Struktury danych i ich zastosowania
- Listy i krotki
- Wybieranie elementów i zakresów (slicing)
- Zbiory i słowniki
- Wyrażenia typu comprehension
- Sortowanie danych
4. Programowanie proceduralne
- Podstawy definiowania funkcji
- Tryby przekazywania argumentów
- Importowanie definicji z innych plików
- Organizacja kodu w projekcie Pythonowym: moduły i pakiety
- Dokumentacja i adnotacje
5. Programowanie obiektowe (OOP)
- Podstawy definiowania klas
- Czym są: obiekt, klasa, atrybut, metoda
- Zasady inicjalizacji obiektów i klas
- Metody specjalne (magic methods)
- Metody statyczne i klasowe
- Dziedziczenie
- Wprowadzenie do dobrych praktyk programowania obiektowego: abstrakcja, hermetyzacja (encapsulation), spójność (cohesion)
6. Obsługa wyjątków
- Zgłaszanie i przechwytywanie wyjątków
- Definiowanie własnych wyjątków
7. Biblioteka standardowa języka Python
- Wyrażenia regularne (moduł
re) - Obsługa daty i czasu (moduły
timeidatetime) - Dodatkowe typy kolekcji (moduł
collections) - Operacje na plikach
- Otwieranie i zamykanie, konstrukcja
with - Odczyt i zapis zawartości pliku
- Przeglądanie katalogów i dostęp do informacji o systemie (moduł
os)
- Otwieranie i zamykanie, konstrukcja
- Graficzny interfejs użytkownika (GUI) (podstawy modułu
tkinter)
8. Dodatkowe narzędzia i biblioteki
- Po co są wirtualne środowiska (venv) i jak się je tworzy?
- Instalator pakietów
pipi repozytorium PyPI - Testy jednostkowe na przykładzie
unittestlubpytest - Debugowanie kodu w IDE
- Pobieranie danych z sieci i dostęp do zdalnych usług
- Wysyłanie zapytań HTTP (moduł
requests) - Usługi typu REST (tzw. “Web API”) i format JSON z perspektywy Pythona
- Wysyłanie zapytań HTTP (moduł
9. Sztuczna inteligencja w pracy programisty
- AI podczas tworzenia oprogramowania, czyli podstawy vibe coding
- Podpowiedzi podczas pisania i generowanie małych fragmentów kodu
- Rozwiązywanie całych zadań za pomocą modeli językowych
- Automatyzacja nużących czynności
- AI w kontekście testowania
- Zdalny dostęp do usług generatywnej sztucznej inteligencji na przykładzie wybranej usługi (ChatGPT, Gemini lub analogicznej)
- Jak dbać o poprawność i bezpieczeństwo?
10. Wstęp do dalszych zastosowań języka Python
- Aplikacje webowe (framework Django)
- Środowiska typu Jupyter i interaktywna praca z Pythonem
- Obliczenia, analiza i wizualizacja danych (biblioteki
pandas,numpyimatplotlib)
Dodatkowe tematy w wariancie XL Analiza Danych
11. Środowisko pracy z Pythonem dla analityka
- Możliwości instalacji lokalnej
- Czysty Python i wirtualne środowiska (
venvipip) - Anaconda
- Edytory i środowiska deweloperskie
- Czysty Python i wirtualne środowiska (
- Możliwości pracy zdalnej – Google Colab i podobne usługi
- Asystent AI Gemini
- Środowiska typu Jupyter – jak się w nich pracuje i dlaczego warto?
- Komórki i specyfika pracy interaktywnej
- Używanie Markdown i Latex do tworzenia sformatowanych tekstów
- Skróty klawiszowe i inne opcje ułatwiające pracę
- Podpowiedzi i dokumentacja
- Rzut oka na „ekosystem” bibliotek i narzędzi służących do data science w Pythonie
12. Numpy - tablice i obliczenia w Pythonie
- Przyczyny używania dodatkowych bibliotek analityczno-obliczeniowych
- Wektory, macierze, tablice wielowymiarowe
- Różne sposoby tworzenia
- Nawigacja i wybieranie fragmentów
- Zmiana kształtu (
reshape) i transpozycja
- Typy liczbowe i konsekwencje wyboru typu
- Operacje na tablicach Numpy
- Wektoryzacja operatorów i funkcji
- Zasada rozgłaszania (broadcasting)
- Mnożenie macierzy i przykładowe zastosowania
- Funkcje agregujące i osie
- Rozkłady, histogramy, statystyki opisowe
- Generator liczb pseudolosowych
13. Pandas i „biznesowa” analiza danych
- Serie (
Series) i tabele / „ramki danych” (DataFrame)- Indeksy i nazwy kolumn
- Nawigacja w strukturach danych - wybieranie komórek i fragmentów, iteracja
- Pozyskiwanie danych z różnych źródeł
- Pliki CSV i Excel (odczyt i zapis)
- Zasoby w internecie (JSON, XML, HTML)
- Bazy danych (SQL)
- Wyszukiwanie i filtrowanie danych
- Warunki logiczne w Pandas oraz Numpy: maski, spójniki logiczne
- Przygotowywanie i czyszczenie danych
- Usuwanie kolumn i wierszy
- Usuwanie duplikatów
- Zamiana i normalizacja wartości
- Strategie postępowania z wartościami nieokreślonymi (NaN)
- Usuwanie wartości nieokreślonych
- Zastępowanie domyślną lub dominującą wartością
- Wypełnianie wartościami sąsiednimi
- Interpolacja
- Typy kolumn oraz ich wpływ na wydajność i funkcjonalność
- Typy liczbowe; zakres i precyzja wartości
- Typ daty i czasu; akcesor
.dt - Typ kategoryczny - kiedy warto stosować
- Praca z danymi tekstowymi, w tym wykorzystanie wyrażeń regularnych (regex)
- Pionowe oraz poziome łączenie tabel (
concat,merge,join) - Sortowanie serii i tabel
- Ranking i poszukiwanie najmniejszych/największych wartości
- Opisowa analiza danych
- Gotowe funkcje do generowania podstawowych statystyk
- Grupowanie
- Agregacja i obliczanie statystyk dla grup
- Iteracja po grupach i wykorzystanie grupowania do podziału danych
- Tabele przestawne (pivot table)
- Funkcje kroczące („okienkowe”) i narastające („skumulowane”)
- Oś czasu i szeregi czasowe
- Generowanie szeregów czasowych
- Specyfikowanie okresów czasu
- Agregacja okresów czasu – operacja
resample
- Elementy analizy statystycznej
- Seria danych jako zmienna statystyczna; normalizacja
- Korelacja i istotność statystyczna; mapy ciepła
- Wstęp do regresji liniowej
- Wnioskowanie statystyczne
14. Wykresy i wizualizacja danych
- Matplotlib i wykresy na podstawie danych z Pandas i Numpy
- Różne typy wykresów
- Opcje i ustawienia
- Generowanie wykresów bezpośrednio z Pandas
- Przegląd dodatkowych bibliotek wizualizacji danych, m.in. Seaborn, Bokeh, Plotly
15. Wprowadzenie do uczenia maszynowego
- Czym ogólnie jest uczenie maszynowe (machine learning, ML)?
- Podział metod uczenia maszynowego
- Uczenie nadzorowane (supervised), nienadzorowane (unsupervised) i ze wzmocnieniem (reinforcement)
- Czym jest zagadnienie regresji, a czym problem klasyfikacji?
- Exploratory Data Analysis (EDA), czyli eksploracja i przygotowanie danych do uczenia maszynowego
- Statystyki opisowe (za pomocą wcześniej poznanych narzędzi)
- Rozkłady, histogramy, identyfikacja wartości odstających (outliers) i błędnych
- Oczyszczanie zbioru danych (wartości błędne, nieokreślone, duplikaty)
- Identyfikacja korelacji i zależności logicznych, wstępne hipotezy
- Standaryzacja i normalizacja danych
- Czym jest inżynieria cech (feature engineering)?
- Statystyki opisowe (za pomocą wcześniej poznanych narzędzi)
- Proces uczenia maszynowego – metodologia CRISP-ML(Q)
- Zrozumienie dziedziny i określenie wymagań wobec projektu ML
- Przygotowanie zbioru uczącego i zbioru testowego z zastosowaniem EDA
- Zbudowanie i szkolenie modelu
- Walidacja i tuning modelu
- Wdrożenie i utrzymywanie rozwiązań
- Na czym polega „wyjaśnialność” (explainability) modelu?
- Wybór najwłaściwszej techniki ML w zależności od zadania
16. Praktyka uczenia maszynowego w Pythonie
- Biblioteka Scikit-learn
- Transformatory, estymatory, pipeline’y
- Przegląd dostępnych metod i operacji (w miarę poznawania ↓ kolejnych technik ML)
- Serializacja i ponowne wykorzystywanie modeli
- Rola bibliotek pomocniczych – Numpy, Pandas, Seaborn
- Praca interaktywna w Jupyter/Colab vs wykorzystanie ML we własnych aplikacjach
17. Techniki uczenia nadzorowanego
- Metody regresji
- Regresja liniowa
- Regresja wielomianowa
- Obsługa danych o skali nieliniowej
- Reprezentacja danych nieliczbowych
- Ewaluacja modeli regresji
- Współczynnik determinacji R² oraz błędy MAE/RMSE
- Przeuczenie modelu i metody regularyzacji
- Zastosowania regresji
- Predykcja wartości liczbowych / ciągłych
- Wizualizacja trendów i zależności
- Klasyfikacja
- Decyzje binarne (prawda/fałsz) oraz wieloklasowe
- Regresja logistyczna
- Drzewa decyzyjne – struktura, sposób tworzenia i wykorzystania
- Metryki klasyfikacji
- Łączenie klasyfikatorów
- Zastosowania klasyfikacji
- Predykcja zdarzeń (wydarzy się / nie wydarzy się) na podstawie uwarunkowań
- Przyporządkowanie rekordów do grup ze względu na ich cechy i wartości pól
18. Techniki uczenia nienadzorowanego
- Grupowanie danych (clustering) i algorytm K-Means
- Redukcja wymiarowości i Analiza Głównych Składowych (PCA)
- Zastosowania technik nienadzorowanych (w czasie zajęć wybieramy po jednym małym przykładzie, a dodatkowe projekty są propozycjami prac domowych)
- Ustalanie istotnych zmiennych, w tym na potrzeby uczenia nadzorowanego
- Automatyczna detekcja anomalii, np. fraudów, awarii, ataków cybernetycznych
- Automatyczne grupowanie, np. segmentacja klientów na podstawie historii zachowań czy pacjentów na podstawie objawów
- Czym jest uczenie ze wzmocnieniem (reinforcement learning, RL)?
19. Wstęp do uczenia głębokiego i sieci neuronowych
- Czym uczenie głębokie (deep learning) różni się od „zwykłego” uczenia maszynowego?
- Komponenty sieci neuronowych
- Budowa i mechanizm działania sztucznego neuronu
- Perceptory (perceptron)
- „Warstwa ukryta” i perceptory wielowarstwowe (MLP)
- Mechanizm działania uczenia głębokiego
- Przetwarzanie informacji
- Algorytmy uczenia z nadzorem
- Algorytmy uczenia bez nadzoru
- Funkcje aktywacyjne
- Funkcje błędu
- Tensory i transformacje
20. Biblioteki uczenia głębokiego w Pythonie
- Fundamentalne biblioteki napędzające deep learning
- TensorFlow – open source od Google
- PyTorch – open source od Meta
- JAX – zoptymalizowany silnik obliczeniowy
- Znaczenie sprzętu w pracy z sieciami neuronowymi; procesory typu CPU, GPU, TPU
- Keras – wysokopoziomowa praca z modelami
- Wybór biblioteki podstawowej (backend)
- Budowa modeli w Keras
- Kompilacja modelu
- Wybór optymalizatora i metryk
- Trenowanie modeli
- Sequential API vs Functional API
- Wykorzystanie wytrenowanych modeli do predykcji
- Klasyfikacja i podejmowanie decyzji na podstawie nowych danych
- Hugging Face – platforma open source dla modeli uczenia maszynowego
- Strojenie modeli dopasowanych do potrzeb użytkownika
- Zastosowanie do generowania obrazów
21. Sieci neuronowe – rodzaje, techniki i przykłady zastosowań
- Sztuczne sieci neuronowe (ANN)
- Zastosowania w zadaniach klasyfikacji i regresji
- Konwolucyjne sieci neuronowe (CNN)
- Rozpoznawanie obrazów
- Przetwarzanie i analiza obrazów
- Rekurencyjne sieci neuronowe (RNN, LSTM)
- Predykcja szeregów czasowych
- Inne zagadnienia analityczne
22. Duże modele językowe (LLM)
- Czym jest model językowy i jak działają narzędzia typu GPT?
- Ewolucja AI w przetwarzaniu języka naturalnego (NLP)
- Od sieci neuronowych RNN do architektury Transformer
- Architektura popularnych modeli
- Podstawowe pojęcia: etapy trenowania, model wytrenowany i przetrenowany, token, prompt, konwersacja, pamięć, …
- Zagadnienia bezpieczeństwa i prywatności w kontekście LLM i AI
- Etyczne wykorzystanie AI: prawa autorskie, uczciwość i rzetelność narzędzi AI
- Aspekty prawne i istniejące regulacje (pobieżnie)
- Zagrożenia ewentualnego wycieku danych i zarządzanie prywatnością
- Korzystanie ze zdalnych usług AI/LLM czy lokalna instalacja modelu? – dyskusja
- Dostęp programistyczny (API) do zdalnych modeli LLM na przykładzie OpenAI API (ChatGPT) lub analogicznej usługi
- Generyczne API sieciowe (REST) i dedykowana biblioteka w Pythonie
- Zarządzanie kluczem dostępowym (API_KEY)
- Parametry i opcje zapytań
- Role promptów: user, developer, …
- Dostrajanie procesu myślenia: zaangażowane zasoby, temperatura, filtrowanie treści
- Polecenia jednorazowe i konwersacje
- Praca z lokalnym modelem LLM
- Wady i zalety własnej instalacji względem zewnętrznej usługi
- Konfiguracja wybranego open-source’owego narzędzia LLM
- Utworzenie prostego czat-bota jako aplikacji Python na bazie lokalnej instalacji
23. Analiza możliwości wdrażania projektów AI opartych o Pythona
- Wdrożenia w oparciu o własną infrastrukturę
- Wdrożenia „w chmurze”
- Wyzwania prawdziwego świata: skalowanie, bezpieczeństwo, monitoring
- Wirtualizacja, konteneryzacja i orkiestracja
- Rola narzędzi Docker i Kubernetes
- Wyspecjalizowane narzędzia w kontekście machine learning i deep learning
- Specyfika pracy MLOps
Dodatkowe tematy w wariancie XL Backend
11. Python oczami programisty backend
- Wykorzystywane struktury danych
- Wykorzystywane koncepcje programistyczne
- Powtórzenie koniecznych podstaw
12. Struktura projektu pythonowego, dodatkowe narzędzia
- Projekt jako moduł; zależności między projektami, struktura katalogu
- GIT i kontrola wersji kodu
- Zapisywanie i odtwarzanie historii zmian
- Rozgałęzienia i ich późniejsze łączenie (branch/merge)
- Repozytoria lokalne i zdalne; różne scenariusze pracy zespołowej
13. Testy i kontrola jakości kodu
- TDD w praktyce
- Zapewnianie poprawności oprogramowania
- Testy jednostkowe
- Istota testu jednostkowego
- Typowa postać testu, proste asercje, uruchamianie
- Dodatkowe moduły przydatne w pisaniu testów: Mock, patch
14. Warstwa prezentacji
- Model DOM
- Projektowanie witryn od strony programisty – HTML i CSS
- Elementy formularza, metody POST i GET, żądania HTTP
- Renderowanie widoku po stronie serwera - technologie szablonowe
- AJAX i REST od strony frontendu
15. Działanie strony serwerowej aplikacji webowej
- Protokół HTTP
- Aplikacje uruchamiane na serwerze; serwery aplikacji
16. Framework Django
- Poznanie Django jako platformy
- Istota testu jednostkowego
- Wstępna instalacja i konfiguracja Django
- Konfiguracja i praca ze środowiskiem developerskim
- Omówienie komponentów typowej aplikacji Django
- Projekt
- Aplikacja
- Model
- Widok
- Obiektowy dostęp do bazy danych (ORM)
- Tworzenie panelu administracyjnego
- i18n
- Tworzenie komponentów aplikacji, na przykładach
- Widoki
- Szablony
- Wykorzystanie szablonów w widokach
- Różne sposoby tworzenia formularzy – ręczne i korzystające z gotowych mechanizmów
- Korzystanie z widoków generycznych
- Zasady dobrych praktyk programistycznych
- Stworzenie przykładowej aplikacji webowej
- Wspólne stworzenie przykładowego projektu na platformie Django
17. Model REST, REST API i Django
- Stworzenie przykładowego REST API przy wykorzystaniu Django
- Testy jednostkowe
- Omówienie modelu REST
- Założenia REST w kontekście Django
- Przydatne biblioteki
- Implementacja aplikacji
18. Dodatkowe narzędzia programisty backendowego
- Celery, RabbitMQ i inne
19. Wdrożenie aplikacji
- Deployment aplikacji
- Środowisko produkcyjne (omówienie serwerów webowych i serwerów aplikacji)
- Różne sposoby wdrożenia aplikacji na produkcji