Machine Learning & AI

- Termin
- 02.12.2026-09.06.2027
- Miejsce
- Online
- Zapisy do
- 01.12.2026
Czego się nauczysz
- Pisze programy w języku Python
- Potrafi implementować bazy danych w kodzie
- Posługuje się fundamentalnymi pojęciami z zakresu statystyki
- Posługuje się metodami uczenia nadzorowanego
- Posługuje się metodami uczesnia nienadzorowanego
- Zna podstawy tworzenia sieci neuronowych
- Wykorzystuje dodatkowe biblioteki i frameworki w Pythonie do działań na zbiorach danych
Dla kogo
Kurs przeznaczony jest dla osób, które nie mają doświadczenia z uczeniem maszynowym ani programowaniem i chcą zacząć pracę w obszarze Machine Learningu lub sztucznej inteligencji. Szkolenie pozwala od podstaw nabyć kompetencje umożliwiające podjęcie pracy w charakterze inżyniera uczenia maszynowego lub specjalisty ds. AI.
Kurs łączy podstawy teoretyczne z zadaniami w każdym module, praktycznym podejściem do nauczania (praca własna uczestnika, projekty bazujące na realnych przypadkach biznesowych) z nauką kluczowych narzędzi i technologii, a także opieką indywidualnego mentora. Dzięki temu nawet osoby niemające wcześniejszego doświadczenia z ML lub Pythonem mogą skutecznie poszerzać kompetencje techniczne tak, by stać się atrakcyjnymi kandydatami na rynku pracy w epoce cyfrowej transformacji.
Zdalny charakter szkolenia umożliwia uczestnictwo i rozwijanie komptenecji osobom niepełnosprawnym ruchowo oraz osobom z małych miejscowości lub obszarów wykluczonych komunikacyjnie.
Program
531 h0. Prework
Wprowadzenie, które przygotuje Cię do startu bez stresu. Sprawdzisz swoje środowisko, poznasz podstawowe pojęcia i upewnisz się, że wszystko działa tak, jak powinno.
1. Podstawy Pythona cz. 1
Pierwsze kroki z Pythonem – składnia, zmienne, typy danych i proste operacje. Idealny moment, by zobaczyć, że programowanie naprawdę może być przyjemne.
2. Podstawy Pythona cz. 2
Rozwijamy fundamenty: pętle, instrukcje warunkowe i struktury danych. Nauczysz się myśleć algorytmicznie i pisać coraz bardziej logiczny kod.
3. Środowisko pracy programisty
Poznasz narzędzia, z których korzystają profesjonaliści: edytory kodu, terminal, wirtualne środowiska i dobre praktyki pracy z projektem.
4. Funkcje i interakcja z użytkownikiem
Tworzenie własnych funkcji i programów, które reagują na dane od użytkownika. Kod zaczyna być modularny, czytelny i wielokrotnego użytku.
5. Obiekty w Pythonie
Wprowadzenie do programowania obiektowego. Dowiesz się, jak modelować rzeczywistość w kodzie i pisać bardziej zaawansowane aplikacje.
6. Bazy danych
Przechowywanie i zarządzanie danymi. Nauczysz się podstaw SQL oraz integracji baz danych z Pythonem.
7. Zaawansowane narzędzia
Praca z bibliotekami, debugowanie, testowanie i automatyzacja. Poznasz narzędzia, które znacząco przyspieszają pracę programisty.
8. Pandas – przetwarzanie danych
Analiza danych w praktyce. Czyszczenie, filtrowanie i transformacja danych z użyciem jednej z najważniejszych bibliotek w data science.
9. Wizualizacja danych cz. 1
Pierwsze wykresy i wizualne opowiadanie historii danymi. Nauczysz się, jak prezentować informacje w czytelny i atrakcyjny sposób.
10. Statystyka – teoria i ćwiczenia
Solidne podstawy statystyczne niezbędne w analizie danych i ML. Dużo przykładów i praktycznych zadań.
11. Wizualizacja danych cz. 2
Bardziej zaawansowane wykresy i dashboardy. Skupienie na interpretacji wyników i estetyce prezentacji danych.
12. Machine Learning – wprowadzenie teoretyczne
Czym jest ML, jak działa i gdzie ma zastosowanie. Zrozumiesz kluczowe pojęcia bez zbędnej matematycznej „magii”.
13. Supervised Learning – regresja
Modele przewidujące wartości liczbowe. Nauczysz się trenować, oceniać i ulepszać modele regresyjne.
14. Supervised Learning – klasyfikacja
Rozwiązywanie problemów decyzyjnych i predykcyjnych. Od prostych klasyfikatorów po bardziej zaawansowane algorytmy.
15. Zaawansowane ML (pipeline’y)
Profesjonalne podejście do ML: pipeline’y, walidacja, optymalizacja modeli i praca jak w prawdziwym projekcie.
16. Unsupervised Learning
Odkrywanie ukrytych struktur w danych. Klasteryzacja, redukcja wymiarów i eksploracyjna analiza danych.
17. Natural Language Processing (NLP)
Praca z tekstem: analiza opinii, tokenizacja, wektoryzacja i pierwsze modele językowe.
18. Sieci neuronowe – podstawy
Jak działają sieci neuronowe i dlaczego są tak potężne. Fundamenty potrzebne do dalszej pracy z deep learningiem.
19. Sieci neuronowe – konwolucyjne i rekurencyjne
Modele do obrazów, sekwencji i danych czasowych. Praktyczne zastosowania CNN i RNN.
20. Projekt końcowy
Samodzielny projekt od pomysłu do rozwiązania. Idealna okazja, by połączyć całą zdobytą wiedzę w jedną całość.
21.Zakończenie
Terminy i miejsca
Wymagania techniczne
Wymagania sprzętowe:
- stabilne łącze internetowe pozwalające na swobodne pobieranie i uploadowanie plików oraz odbywanie spotkań online w czasie rzezywistym
- komputer z systemem Windows (7,8,10,11), Linux lub Mac wyposażony w kamerkę internetową i mikrofon
- przeglądarka internetowa.
https://teams.live.com/meet/933003260177?p=iY3hOfOwLT0YKvlxp7
Prowadzący
Materiały
- treści szkoleniowe dostępne na platformie e-learningowej dostawcy usługi z możliwością do pobrania w formie ebooków
- dostęp do specjalnego edytora kodu przeznaczonego dla uszczestników szkolenia
- dostęp do czatu administrowanego przez dostawcę i umożliwiającego kontakt z mentorem i pozostałymi uczestnikami szkolenia
- opieka mentora indywidualnego.
https://teams.live.com/meet/933003260177?p=iY3hOfOwLT0YKvlxp7
Warunki uczestnictwa
- pełnoletniość (ukończone 18 lat)
- podstawowe umiejętność obsługi komputera
- podstawowa znajomość języka angielskiego umożliwiająca czytanie dokumentacji technicznej.
https://teams.live.com/meet/933003260177?p=iY3hOfOwLT0YKvlxp7
Informacje dodatkowe
https://kodilla.com/pl/bootcamp/machine-learning
Po szkoleniu
Numer usługi w BUR: 2026/10/23/208261/3900392 · Dane z Bazy Usług Rozwojowych
Podobne szkolenia
Informatyka i telekomunikacja · Programowanie