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
  • Prowadzący
  • Informacje organizacyjne

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

Podobne szkolenia

Analiza danych ankietowych – kurs podstawowy

Tematyka szkolenia dotyczy metod i technik analizy wykorzystywanych w procesie prowadzenia badań ankietowych. Program obejmuje m.in. takie zagadnienia jak: przygotowanie badań budowę narzędzia pomiaru […]

Dowiedz się więcej

Techniki segmentacji w badaniach rynkowych

Segmentacja rynku jest jednym z najczęściej wykonywanych zadań analizy danych i data mining. Na szkoleniu zostaną omówione nowoczesne techniki analityczne stosowane w tego typu […]

Dowiedz się więcej

Metody analizy danych poniżej granicy oznaczalności

Kurs dotyczy praktycznego podejścia do analizy danych zawierających wyniki poniżej granicy raportowania (tj. granicy wykrywalności lub oznaczalności, czyli tzw. wyniki cenzorowane), które […]

Dowiedz się więcej

Masz pytania?

Porozmawiaj z nami!

Jesteśmy tutaj, aby pomóc i rozwiać wszystkie Twoje wątpliwości. Wypełnij formularz, napisz do nas maila lub zadzwoń – odpowiemy najszybciej, jak to możliwe!

    Przejdź do treści