OnlineMożliwe dofinansowanie

Kurs Python + Django + AI | Od podstaw | LearnIT

Logo LEARN IT SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
LEARN IT SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
4.2(60 opinii w BUR)11 zrealizowanych usług
Termin
28.01.2027-24.05.2027
117 dni
Miejsce
Online
online
Czas trwania
96 h
117 dni
Grupa
2-30 osób
Zapisy do
27.01.2027
jeszcze 68 dni
6500,00 zł
brutto za osobę · 6500,00 zł netto · 67,71 zł/h
Termin
28.01.2027-24.05.2027
Miejsce
Online
Zapisy do
27.01.2027

Czego się nauczysz

  • Zna zasady obsługi narzędzi Linux i Terminal
  • Zna zasady obsługi systemu Kontroli Wersji Git
  • Zna podstawy Programowania Python
  • Zna zasady programowania obiektowego (OOP) w Pythonie
  • Zna zasady pracy z wirtualnymi środowiskami
  • Zna zasady działania frameworka Django
  • Zna podstawy baz danych i języka SQL
  • Zna wzorce projektowe oraz zasady refaktoringu i debugowania kodu
  • Zna zasady i metody testowania kodu
  • Zna koncepcje API: HTTP, REST, WebAPI
  • Zna zasady wdrażania (Deploy) aplikacji z AWS i Dockerem
  • Zna zasady działania frameworka Flask
  • obsługuje integrację z API AI oraz narzędzia asynchroniczne (FastAPI)

Dla kogo

Program „Python + Django + AI” przygotowano dla osób dorosłych, które chcą uzyskać kompetencje do pracy jako Junior Python Developer. Kurs jest przeznaczony dla osób początkujących, bez wcześniejszego doświadczenia w programowaniu.

Grupę docelową stanowią osoby, które:

  • Planują zmianę ścieżki zawodowej, szukają stabilnego i lepiej płatnego zatrudnienia w sektorze IT.
  • Chcą tworzyć aplikacje internetowe, automatyzować procesy i wdrażać sztuczną inteligencję.
  • Interesują się backendem, integracją systemów oraz nowoczesnymi technologiami.
  • Szukają elastycznej formy kształcenia dostosowanej do obowiązków zawodowych i rodzinnych.
  • Pragną rozwijać „zielone kompetencje” – tworzyć energooszczędne i zrównoważone rozwiązania cyfrowe.

Kurs jest dedykowany także osobom ubiegającym się o dofinansowanie, np. w ramach projektów „Małopolski pociąg do kariery”, "Kierunek-Rozwój", programów dla zachodniopomorskich MMSP, projektu nr FEDS.09.01-IP.02-0007/23.

Program

96 h

Moduł 1: Podstawy programowania i Pythona

Lekcja 1

  • Rozwój architektury komputerowej — aspekt środowiskowy (zielone kompetencje): wybór i projektowanie rozwiązań o niższym poborze mocy; zrozumienie, że wydajniejsze architektury CPU/GPU zmniejszają zużycie energii i ślad węglowy centrów danych.
  • O programowaniu w ogóle — aspekt środowiskowy: promowanie prostoty i unikania overengineeringu, co ogranicza potrzebę nadmiernych zasobów obliczeniowych i zużycia energii.
  • Powszechne języki programowania (klasyfikacja, rodzaje) — aspekt środowiskowy: świadomy dobór narzędzi pod kątem efektywności energetycznej i śladu środowiskowego.
  • Algorytmy — aspekt środowiskowy: projektowanie algorytmów o mniejszej złożoności obliczeniowej, co bezpośrednio redukuje zużycie energii.
  • Reprezentacja danych w komputerze — aspekt środowiskowy: oszczędne gospodarowanie pamięcią (mniej kopii, kompaktowe struktury) zmniejsza zużycie energii.
  • Podstawowe pojęcia algebry logiki — aspekt środowiskowy: logiczna redukcja liczby operacji obniża zapotrzebowanie na energię.

Lekcja 2: Wprowadzenie do ekosystemu Python

  • Pierwsze spotkanie z Pythonem — aspekt środowiskowy: świadome użycie narzędzi o niskim narzucie zasobowym
  • Podstawowe cechy języka — aspekt środowiskowy: czytelność i prostota kodu ograniczają koszty utrzymania i nadmiarowe uruchomienia.
  • Narzędzia programistyczne — aspekt środowiskowy: instalacje „slim”, unikanie zbędnych zależności
  • Virtualenv — aspekt środowiskowy: izolacja zależności zapobiega marnotrawstwu zasobów i nadmiernym instalacjom

Lekcja 3: Podstawy Pythona – część 1

  • PEP — aspekt środowiskowy: standardy stylu redukują dług technologiczny i niepotrzebne przebudowy.
  • Zmienne; Typy danych; Operatory; Łańcuchy znaków; Mutowalne i niemutowalne typy danych — aspekt środowiskowy: dobór struktury danych pod niski koszt pamięci/CPU, ograniczenie kopii i konwersji, co obniża zużycie energii

Lekcja 4: Podstawy Pythona – część 2

  • Konwersja typów — aspekt środowiskowy: unikanie kosztownych rzutowań
  • Funkcje wejścia i wyjścia — aspekt środowiskowy: łączenie operacji (batching) i buforowanie, by ograniczać I/O energetycznie kosztowne
  • Komentarze; Importy — aspekt środowiskowy: dokumentacja ułatwia utrzymanie, lazy-import ogranicza ładowanie zbędnych modułów

Lekcja 5: Podstawy Pythona – część 3

  • Formy operatora przypisania; Formatowanie łańcuchów; Operatory porównania; Instrukcje warunkowe — aspekt środowiskowy: krótsze ścieżki wykonania ograniczają liczbę cykli CPU
  • Pętle
  • Złożoność algorytmów (Big O) — aspekt środowiskowy: niższa złożoność = mniejsze zużycie energii

Lekcja 6: Programowanie strukturalne

  • Funkcje i argumenty; Zakresy; Adnotacje — aspekt środowiskowy: unikanie nadmiarowych alokacji i dostępów globalnych
  • Dokumentowanie kodu — aspekt środowiskowy: dłuższy cykl życia rozwiązań = mniej marnotrawstwa zasobów

Lekcja 7: Programowanie funkcyjne

  • List comprehensions; map/filter/reduce — aspekt środowiskowy: strumieniowe przetwarzanie danych zamiast buforowania
  • Dekoratory; Domknięcia; Funkcje lambda/wyższego rzędu

Lekcja 8: Obsługa wyjątków

- Wyjątki; Try/except; Finally/else; Raise; Asercje — aspekt środowiskowy: fail-fast i wczesna walidacja ograniczają liczbę energochłonnych uruchomień

Lekcja 9: Praca z tekstem, serializacja i system plików

  • Kodowania — aspekt środowiskowy: kompaktowe formaty i kompresja (np. gzip) zmniejszają transfer i pobór mocy
  • Serializacja/Deserializacja; JSON/CSV — aspekt środowiskowy: formaty i tryby strumieniowe ograniczają użycie pamięci i energii
  • Wyrażenia regularne
  • Iteratory/Generatory — aspekt środowiskowy: lazy evaluation zmniejsza footprint pamięci

Moduł 2: Systemy kontroli wersji i programowanie obiektowe

Lekcja 1: Systemy kontroli wersji

- Git; Komendy; Git Flow; GitHub/GitLab/Bitbucket — aspekt środowiskowy: polityki .gitignore i retencji artefaktów, unikanie binariów w repo i czyszczenie gałęzi zmniejszają zużycie przestrzeni, transfer i energię. Podstawy metodyk zwinnych (Scrum/Agile) i organizacja pracy w zespołach programistycznych.

Lekcja 2: OOP – część 1

- Klasy/obiekty; Metody/atrybuty; Enkapsulacja; Dziedziczenie/abstrakcja; Przesłanianie; MRO — aspekt środowiskowy: prostsze modele domenowe i preferencja kompozycji ograniczają złożoność, co zmniejsza zapotrzebowanie na zasoby

Lekcja 3: OOP – część 2

- Metody instancji/klasy/statyczne; Klasy danych; Polimorfizm; Przeciążanie operatorów; Własne wyjątki — aspekt środowiskowy: czytelna obsługa błędów i właściwe API ograniczają liczbę kosztownych restartów i buildów

Moduł 3: Bazy danych i SQL

Lekcja 1:

  • Bazy danych, SZBD
  • SQL – proste zapytania; Funkcje i procedury — aspekt środowiskowy: indeksy, limity, paginacja i logika bliżej danych redukują transfer i zużycie energii

Lekcja 2:

- Klucze; Indeksy; Relacje; Podzapytania/JOIN; ORM — aspekt środowiskowy: optymalizacja planów zapytań i rozsądny dobór trybów lazy/eager obniżają obciążenie serwera.

Lekcja 3:

- Raw SQL i SQLAlchemy; Aplikacja konsolowa; SQLAlchemy + Alembic — aspekt środowiskowy: migracje incrementalne i zero-downtime ograniczają I/O i czas pracy infrastruktury

Moduł 4: Sieć, internet i web development

Lekcja 1:

- Zasady działania internetu; Architektura klient–serwer; Model OSI/TCP-IP; Protokół HTTP; REST – projektowanie lekkich i wydajnych API — aspekt środowiskowy: cache/CDN/kompresja oraz minimalizacja liczby i rozmiaru żądań zmniejszają ruch sieciowy i zapotrzebowanie energetyczne.

Moduł 5: Frameworki Flask i Django

Lekcja 1: Flask – część 1

- Ćwiczenie: prosta aplikacja; Flask jako framework; psycopg2; Raw SQL; Jinja2 — aspekt środowiskowy: lekkie frameworki, pooling połączeń i cache szablonów zmniejszają zużycie CPU/IO

Lekcja 2: Flask – część 2

- Aplikacja z SQLAlchemy ORM; Zapytania ORM; Alembic — aspekt środowiskowy: profilowanie zapytań, unikanie N+1 i kontrolowane migracje ograniczają obciążenie energetyczne bazy

Lekcja 3: Django 1

- Konfiguracja; PostgreSQL; manage; Aplikacje — aspekt środowiskowy: właściwe LOGGING/DEBUG i re-use połączeń redukują koszty środowiska

Lekcja 4: Django 2

- Widoki; Routing; ORM; Migracje; Szablony; Formularze; Pagination; Ćwiczenia — aspekt środowiskowy: paginacja i cache endpointów ograniczają transfer i CPU

Lekcja 5: Django 3

- Normalizacja; Queryset; Seeder/Faker — aspekt środowiskowy: ograniczenie duplikacji danych i świadome generowanie danych testowych zmniejsza ślad dyskowy

Lekcja 6: Django 4

- Admin: widoki/filtry/pola; Admin Actions; Ćwiczenia — aspekt środowiskowy: paginacja i operacje wsadowe redukują liczbę zapytań i obciążenie serwera

Lekcja 7: Django 5

- Bulk Operations; Transakcje/ACID/poziomy izolacji; Rejestracja i autoryzacja — aspekt środowiskowy: krótsze transakcje i throttling logowania zmniejszają zużycie zasobów

Moduł 6: Django REST i Celery

Lekcja 1

- DRF; Postman; Parametry ścieżki i zapytań; Serializery; Ciasteczka; Ćwiczenie DRF; Testowanie — aspekt środowiskowy: filtrowanie pól, cache i profilowanie endpointów zmniejszają ruch oraz koszty energetyczne

Lekcja 2

- Middleware; JWT; Biblioteki; Rejestracja/Logowanie — aspekt środowiskowy: krótkie TTL tokenów, ochrona przed brute-force i minimalizacja rozmiaru ładunku ograniczają niepotrzebny ruch i obciążenie

Lekcja 3

- Cache; Ćwiczenia — aspekt środowiskowy: wielopoziomowe cache (klient/edge/serwer) redukuje liczbę odwołań do serwera

Lekcja 4

- Ćwiczenia DRF; Swagger/OpenAPI — aspekt środowiskowy: jasny kontrakt API ogranicza błędy i niepotrzebne wywołania

Lekcja 5: Celery

- Praca w tle; Celery Beat; Harmonogramy; Ćwiczenia — aspekt środowiskowy: wsadowe przetwarzanie, back-off retry i okna poza szczytem zmniejszają pobór mocy

Moduł 7: Technologie zaawansowane (Async, DevOps) i Walidacja

Lekcja 1: Asynchroniczność i nowoczesne API (FastAPI, Aiohttp) Tematyka: Korutyny, asyncio, wprowdzenie do Aiohttp oraz FastAPI, koncepcje WebSockets i GraphQL. Integracja z zewnętrznymi API AI (OpenAI API / Anthropic): wysyłanie zapytań, obsługa promptów i automatyzacja procesów w aplikacjach Django/FastAPI. Aspekt środowiskowy: Wykorzystanie I/O nieblokującego zmniejsza koszty energetyczne na żądanie, a szybka walidacja w FastAPI i ograniczanie payloadu redukują zbędny transfer danych oraz zużycie CPU (ograniczenie śladu węglowego).

Lekcja 2: Podstawy DevOps, Konteneryzacja i CI/CD (AWS, Docker) Tematyka: Rola inżyniera DevOps, podstawy chmury AWS (EC2, S3), wirtualizacja i kontenery (Docker), automatyzacja wdrożeń (CI/CD za pomocą GitHub Actions). Aspekt środowiskowy: Tworzenie lekkich obrazów ("slim") w Dockerze, warunkowe uruchamianie pipeline'ów CI/CD oraz autoscaling w chmurze drastycznie ograniczają nadmiarową pracę serwerów i zużycie energii.

Lekcja 3: Walidacja

Zakres testu obejmuje weryfikację opanowania efektów uczenia się poprzez zadania problemowe oraz analizę fragmentów kodu z zakresu Pythona, Django, baz danych SQL, integracji API i zielonych kompetencji. Wynik jest generowany automatycznie przez system, a warunkiem zaliczenia walidacji i potwierdzenia kompetencji jest uzyskanie minimum 70% poprawnych odpowiedzi.

Czas trwania usługi wynosi łącznie 96:00 godzin zegarowych, w tym: 85:15 godzin zajęć dydaktycznych, 02:45 godzin walidacji oraz 08:00 godzin przerw uwzględnionych w harmonogramie. Przerwy są wliczane do całkowitego czasu trwania usługi.

Terminy i miejsca

Wymagania techniczne

Minimalne wymagania sprzętowe obejmują komputer z systemem operacyjnym Windows 10, macOS lub Linux.

Rekomendowana konfiguracja to procesor klasy i5 lub wyższy, co najmniej 8 GB pamięci RAM oraz dysk SSD dla płynnej pracy.

Niezbędne jest również posiadanie kamery internetowej, słuchawek oraz stabilnego łącza internetowego o prędkości min. 3 Mb/s (zarówno dla pobierania, jak i wysyłania danych).

Wszystkie zajęcia – zarówno część teoretyczna, jak i praktyczna (warsztaty i projekty) – realizowane są w formie zdalnej, na żywo, za pośrednictwem platformy Zoom.

Prowadzący

A
ANDRZEJ SZESZKO
Jestem profesjonalnym programistą i modelarzem danych z wykształceniem w zakresie danych przestrzennych, UML oraz GIS (tytuł magistra inżyniera). W ciągu ostatnich kilku lat zdobyłem doświadczenie zawodowe jako programista oraz praktyczną wiedzę z zakresu tworzenia aplikacji webowych z wykorzystaniem różnorodnych narzędzi, ze szczególnym uwzględnieniem języka Python i frameworka Django. Moje doświadczenie akademickie pozwoliło mi pogłębić znajomość podstaw Pythona oraz rozwinąć umiejętności efektywnego przekazywania wiedzy. Uczestniczyłem w projektach o znaczeniu krajowym i międzynarodowym, takich jak Geospatial Foundation Theme Governance dla Królestwa Arabii Saudyjskiej oraz Greek Local Spatial Plans Data Model, co umożliwiło mi współpracę z zespołami międzynarodowymi, w których kluczowa była skuteczna komunikacja. W swojej pracy programistycznej aktywnie stosuję zasady zielonych kompetencji cyfrowych: projektuję rozwiązania o niskim zużyciu zasobów obliczeniowych, optymalizuję zapytania i struktury danych pod kątem efektywności energetycznej, a także wdrażam dobre praktyki zmniejszające ślad węglowy aplikacji — takie jak świadomy dobór algorytmów, minimalizacja zbędnych operacji I/O oraz odpowiedzialne zarządzanie infrastrukturą. Ma doświadczenie zawodowe zdobyte nie wcześniej niż 5 lat przed datą publikacji usługi w BUR.
L
Leszek Bartmiński
Jestem Python Developerem oraz certyfikowanym inżynierem DevOps z ponad 5-letnim doświadczeniem w branży IT. Komercyjnie pracuję niemal wyłącznie w Pythonie, realizując projekty programistyczne i automatyzacyjne. Moje kompetencje obejmują m.in. Docker, Kubernetes, Terraform, Jenkins oraz narzędzia monitorujące (ELK, Grafana), co pozwala mi łączyć wiedzę programistyczną z praktyką inżynierii chmurowej i automatyzacji, w tym projektowania energooszczędnych rozwiązań infrastrukturalnych zgodnych z zasadami zielonych kompetencji cyfrowych. Pełniłem rolę trenera i mentora – m.in. prowadziłem pierwszą edycję Akademii DevOps w Onwelo SA, w ramach której szkoliłem pracowników i uczestników w zakresie nowoczesnych narzędzi DevOps, programowania w Pythonie i dobrych praktyk w pracy zespołowej. Mam doświadczenie w prowadzeniu zarówno szkoleń technicznych, jak i technicznych-językowych (filologia angielska), co ułatwia mi skuteczne przekazywanie wiedzy, dostosowane do poziomu uczestników. Jako inżynier informatyki oraz magister filologii angielskiej łączę kompetencje techniczne z umiejętnościami dydaktycznymi i komunikacyjnymi. W pracy trenerskiej stawiam na praktykę, przykłady z realnych projektów oraz aktywizację uczestników, aby zdobyte umiejętności mogli od razu wykorzystać w środowisku zawodowym. Ma doświadczenie zawodowe zdobyte nie wcześniej niż 5 lat przed datą publikacji usługi w BUR.
P
PAWEŁ PIETRASZKO
Ekspert w dziedzinie inżynierii oprogramowania i automatyzacji z wieloletnim doświadczeniem zdobytym zarówno w sektorze komercyjnym, jak i projektach badawczo-rozwojowych. Specjalizuje się w tworzeniu rozwiązań na styku software i hardware, kładąc szczególny nacisk na jakość kodu, wydajność przetwarzania danych oraz niezawodność systemów. Kluczowe kompetencje techniczne: Programowanie Full-stack & Systemowe: Biegłość w językach wysokiego poziomu (Python, Java, C#, JavaScript/PHP) oraz systemowych (C++), co pozwala na elastyczne dopasowanie technologii do wymagań projektu. Quality Assurance & Test Automation: Doświadczenie jako SDET (Software Development Engineer in Test) w projektowaniu zaawansowanych frameworków do testów automatycznych. Integracja Sprzętowa: Tworzenie aplikacji pracujących blisko fizycznych komponentów i systemów pomiarowych. Optymalizacja Procesów: Projektowanie i wdrażanie autorskich narzędzi automatyzujących powtarzalne operacje, co realnie przekłada się na oszczędność czasu i redukcję błędów ludzkich. Podejście zawodowe W pracy dydaktycznej i projektowej stawia na praktyczne zastosowanie technologii. Dzięki doświadczeniu w testowaniu, promuje podejście "Quality First", ucząc nie tylko jak pisać kod, ale jak tworzyć systemy odporne na błędy i łatwe w utrzymaniu. Ma doświadczenie zawodowe zdobyte nie wcześniej niż 5 lat przed datą publikacji usługi w BUR.
P
Paweł Wyżykowski
Programista. Technologie: Python, JavaScript, SQL. Programista back-end z ponad 5-letnim doświadczeniem w branży IT, specjalizujący się w komercyjnym tworzeniu aplikacji serwerowych w języku Python. Posiada praktyczne doświadczenie w projektowaniu, implementacji i utrzymaniu backendów opartych o Python, w tym pracy z frameworkami webowymi, przetwarzaniem danych, integracjami API oraz logiką biznesową aplikacji. W swojej pracy wykorzystuje nowoczesne podejście do wytwarzania oprogramowania, obejmujące m.in. konteneryzację (Docker), pracę z bazami danych, tworzenie skalowalnych usług backendowych oraz współpracę z zespołami frontendowymi. W codziennej praktyce programistycznej stosuje zasady zielonych kompetencji cyfrowych — projektuje energooszczędny kod, optymalizuje zapytania i struktury danych oraz minimalizuje zbędne operacje obliczeniowe, ograniczając ślad środowiskowy tworzonych aplikacji. Doświadczenie dydaktyczne oraz praca projektowa pozwalają mu skutecznie przekazywać wiedzę i tłumaczyć zagadnienia programistyczne w sposób praktyczny i zrozumiały dla uczestników szkoleń. Ma doświadczenie zawodowe zdobyte nie wcześniej niż 5 lat przed datą publikacji usługi w BUR.

Materiały

Uczestnicy otrzymują dostęp do kompletu materiałów edukacyjnych (autorskie podręczniki, prezentacje, kod, nagrania z zajęć), co umożliwia naukę w indywidualnym tempie i powrót do omawianych treści w dowolnym momencie.

Zajęcia prowadzi trener wskazany w harmonogramie (reszta to kadra rezerwowa). Zastrzegamy możliwość zmiany prowadzącego z przyczyn losowych, bez wpływu na jakość szkolenia.

Usługa zwolniona z podatku VAT na podstawie art. 43 ust. 1 pkt 29 ustawy z dnia 11 marca 2004 r. o podatku od towarów i usług (Dz.U. 2004 nr 54 poz. 535 z późn. zm.), jeśli jest finansowana w co najmniej 70% ze środków publicznych.

Informacje dodatkowe

Czas trwania usługi wynosi 96h zegarowych. Przerwy przewidziane w harmonogramie (łącznie 8 godzin) są wliczane do całkowitego czasu trwania usługi.

Weryfikacja obecności: frekwencja weryfikowana jest przez system LMS (listy obecności) oraz raporty logowań z aplikacji Zoom. Warunkiem zaliczenia szkolenia, dopuszczenia do walidacji i uzyskania zaświadczenia jest uczestnictwo w minimum 80% zajęć.

Szkolenie prowadzi zespół ekspertów. Po ukończeniu kursu i pozytywnej walidacji uczestnik otrzymuje oficjalne zaświadczenie potwierdzające zdobyte kompetencje. Kompetencja związana z cyfrową transformacją oraz kompetencja związana z zieloną transformacją.

Kurs dedykowany m.in. uczestnikom projektu „Małopolski pociąg do kariery”, projektu "Kierunek-Rozwój".

Zawarto umowę z WUP w Toruniu w ramach Projektu Kierunek – Rozwój.

Kolejna edycja usługi przewidziana jest w przeciągu najbliższych 1,5 – 2 m

Po szkoleniu

Zaświadczenie o nabyciu kompetencji
Sprawdzenie efektów: test teoretyczny z wynikiem generowanym automatycznie.
Podstawa wpisu do BUR: Znak Jakości Małopolskich Standardów Usług Edukacyjno-Szkoleniowych (MSUES) - wersja 2.0
Prowadzisz to szkolenie?
Odbieraj zgłoszenia uczestników bezpośrednio i uzupełnij opis swojej oferty.
Przejmij profil

Numer usługi w BUR: 2026/11/12/182536/3943022 · Dane z Bazy Usług Rozwojowych

Podobne szkolenia

Informatyka i telekomunikacja · Programowanie

6500,00 zł
brutto za osobę