Analiza danych wspomagana sztuczną inteligencją (AI)

online 2 dni

Dane mogą być źródłem ogromnych korzyści, czasem określa się jako „ropę naftową” współczesności, gdyż stanowią paliwo dla innowacji i wzrostu efektywności. Jednak podobnie jak nieprzetworzona ropa naftowa nie jest specjalnie użyteczne, tak i dane wymagają obróbki. Warto więc poznać narzędzia pozwalające wydobyć wartość z danych, tym bardziej że generatywna sztuczna inteligencja (Generative AI) bardzo ułatwia stosowanie analizy danych, data science i uczenia maszynowego. Szkolenie wprowadza w świat analizy danych w Python ze wsparciem sztucznej inteligencji. Dowiemy się jak pracować z danymi wspierając się AI, jak rozmawiać z AI, nie dać jej się wyprowadzić na manowce, szybciej poznawać narzędzia i metody z wykorzystaniem AI, jak zadawać jej pytania i sprawdzać poprawność tj. zasady prompt engineering).

Dla kogo:

  • Dla osób pragnących nauczyć się, jak analizować dane w środowisku Python ze wsparciem sztucznej inteligencji
  • Dla badaczy i analityków chcących dowiedzieć się, jak efektywnie korzystać ze wsparcia AI w analizie danych, jak zadawać pytania, sprawdzać i odpowiedzi

Co zyskasz:

  • Praktyczną umiejętność analizy danych w Python
  • Umiejętność wydajnego zadawania pytań AI (prompt engineering)
  • Zrozumienie ograniczeń AI i umiejętność jej krytycznej oceny
  • Znajomość specjalistycznego narzędzia AI zaprojektowanych do wspierania programowania i analizy danych: VS Code i Github Copilot
  • Umiejętność korzystania z trybu agenta (agent mode) w VS Code
  • Wskazówki do dalszego samokształcenia ze wsparciem AI
  • Przykłady kodu do wykorzystania po szkoleniu

  • Program
  • Trainer
  • Organizational information

Pogram szkolenia:

  1. Środowisko data science w Python
    • Jupyter notebook
    • Przegląd najważniejszych bibliotek data science numpy, pandas, matplotlib i seaborn
    • VS Code
  2. Wsparcie AI w poznawaniu składni i tworzeniu kodu
    • Jak to działa i kiedy nie działa
    • Dobry prompt
    • Tryb agenta
  3. Podstawy składni Python
  4. Dane
    • Podstawowy układ danych
    • Pandas
    • Wczytywanie danych z plików
    • SQL i pobieranie danych z baz danych
    • API i webscrapping
  5. Podstawowy opis danych i wizualizacja
  6. Jakość danych i przygotowanie danych do analiz
  7. Zależności między zmiennymi
    • Korelacja i regresja
    • Porównanie grup

Similar courses

Analizy chemometryczne w Statistica – kurs podstawowy

Po wprowadzeniu teoretycznym do zagadnienia analizy danych uczestnicy poznają techniki planowania i wykonania eksperymentu. Zostaną omówione podstawowe techniki analizy chemometrycznej: […]

Learn more

Analizy wielowymiarowe w R

Podczas kursu zaprezentowane zostaną najpopularniejsze metody wielowymiarowe, które znajdują zastosowanie w analizie zjawisk złożonych, opisanych za pomocą dużej liczby zmiennych. […]

Learn more

Przygotowanie danych na potrzeby analiz i raportowania

Czyszczenie i przygotowanie danych zajmuje do 80% czasu pracy analityka. Jest to proces żmudny i czasochłonny. Znajomość metod i dobrych […]

Learn more

Do you have questions?

Get in Touch!

Our team is ready to help with any questions you might have. Just fill out the form, send us a message, or give us a call, and we’ll get back to you as soon as we can!

    Skip to content