JUNIOR DATA ANALYST
KURS ONLINE
Arkadiusz Kisiołek
Business Intelligence Developer & Data Analyst w ING
Jakub Sokołowski
Data Scientist w Shift4
Rola analityka w biznesie
Wprowadzenie do arkuszy kalkulacyjnych
Funkcje warunkowe i statystyczne, wyszukiwanie danych
Wizualizacja i filtrowanie danych
Funkcje zagnieżdżone i tabele przestawne
Praca z innymi narzędziami: Google Sheets
Wprowadzenie do baz danych
SQL w zadaniach praktycznych
Łączenie tabel w SQL w praktyce
Widoki w SQL, operacje na danych, tworzenie i modyfikowanie tabel
+ 20 lekcji
Zdobądź twarde umiejętności potrzebne do startu kariery jako młodszy analityk danych
DATY:
24 września – 19 stycznia
CZAS TRWANIA:
30 ZAJĘĆ, 15 TYGODNI
wtorki i czwartki, 18:00 – 20:00
Opanuj podstawowe narzędzia przydatne w analizie: arkusze kalkulacyjne, Power BI, DAX Studio, SQL, Python, GitHub i dowiedz się, jak wizualizować dane na dashboardach.
POLECAMY TEN KURS, JEŚLI:
-
CHCESZ PRACOWAĆ JAKO MŁODSZY ANALITYK
Dzięki szkoleniu „Junior Data Analyst” poznasz narzędzia i technologie niezbędne przy rozwoju kariery w branży IT. Zrozumiesz analizę danych i zaktualizujesz wiedzę z matematyki oraz statystyki. Przygotujesz się zarówno do rozmowy kwalifikacyjnej, jak i technicznej na nowe stanowisko.
-
JESTEŚ ANALITYKIEM DANYCH Z NIEWIELKIM DOŚWIADCZENIEM
Opanujesz nowe narzędzia przydatne w analizie danych. Rozwiniesz umiejętność tworzenia przejrzystych i atrakcyjnych wizualizacji. Przygotujesz lepsze CV i portfolio, dzięki którym wyróżnisz się na rynku pracy w branży IT.
Tematy, które poruszymy podczas
kursu „Junior Data Analyst”:
-
Narzędzia do analizy danych
Na szkoleniu analityka danych opanujesz lub rozwiniesz zakres narzędzi i programów niezbędnych w pracy, takich jak m.in.: Power BI, DAX Studio, MS SQL Server i Python.
-
Wizualizacja danych
Poznasz dobre praktyki tworzenia dashboardów i wizualizacji danych w Power BI, a w ramach projektu końcowego samodzielnie zaprojektujesz wizualizację.
-
CV, portfolio i autoprezentacja
Podczas kursu analityka danych wzbogacisz CV o kluczowe narzędzia, a do portfolio dodasz zaawansowane raporty. Otrzymasz też cenne wskazówki pomocne podczas technicznych rozmów rekrutacyjnych w IT.
Prowadzący:
Arkadiusz
Kisiołek
- Business Intelligence Developer & Data Analyst w ING.
Od 8 lat zawodowo zajmuje się analizą danych. - Jest trenerem analizy danych i prowadzi szkolenia w tej dziedzinie. Przez niemal 6 lat wykładał na Uniwersytecie Ekonomicznym w Katowicach, prowadząc zajęcia m.in. z arkuszy kalkulacyjnych, baz danych oraz wizualizacji danych.
- Był uczestnikiem wielu krajowych i międzynarodowych konferencji z zakresu analizy danych.
- Zdobył nagrodę Best Paper Award jako współautor artykułu dotyczącego tematyki Big Data pt. Big Data for Customer Knowledge Management
Jakub
Sokołowski
- Data Scientist w Shift4, gdzie zajmuje się wykrywaniem anomalii i transakcji fraudowych w branży fintech.
- Ma 10-letnie doświadczenie jako Data Analyst i Data Scientist. Pracował m.in. w Volvo Group Polska (modelowanie i analiza szkodliwości maszyn), Santander Consumer Bank (modelowanie zrywalności depozytów, analiza ryzyka) i KGHM Cuprum (modelowania i analiza danych górniczych).
- W 2023 roku był finalistą III edycji hackatonu CuValley Hack
Program kursu
MODUŁ 1: Arkusze kalkulcyjne
Czwartek 24.09, 18:00-20:00
Rola analityka w biznesie
- Zespół analityczny w firmie: analityk danych vs Data Engineer, Data Scientist vs Business Analyst
- Narzędzia analityka danych
- Proces przygotowywania raportów
- Wybrane metodyki pracy w analizie danych
Wtorek 29.09, 18:00-20:00
Wprowadzenie do arkuszy kalkulacyjnych
- Proces wprowadzania danych w MS Excel
- Podstawowe zagadnienia i operacje w MS Excel
- Importowanie danych z różnych źródeł
- Adresowanie komórek
- Import danych z Internetu i wykorzystanie adresowania komórek w ćwiczeniach na tych danych
- Wprowadzenie do funkcji JEŻELI()
- Funkcje tekstowe
- Funkcje daty
Czwartek 1.10, 18:00-20:00
Funkcje warunkowe i statystyczne, wyszukiwanie danych
- Wykorzystanie funkcji warunkowych i statystycznych, np. SUMA.JEŻELI(), SUMA.WARUNKÓW(), LICZ.JEŻELI(), itd.
- Wykorzystanie funkcji wyszukujących tj. WYSZUKAJ.PIONOWO(), WYSZUKAJ.POZIOMO(), wykorzystanie funkcji INDEKS(), wykorzystanie funkcji PODAJ.POZYCJĘ()
Wtorek 6.10, 18:00-20:00
Wizualizacja i filtrowanie danych
- Wykorzystanie i formatowanie wykresów w MS Excel
- Formatowanie warunkowe w tabelach
- Formatowanie danych za pomocą funkcji
- Filtry podstawowe w MS Excel
- Filtrowanie zaawansowane w MS Excel
Czwartek 8.10, 18:00-20:00
Funkcje zagnieżdżone i tabele przestawne
- Łączenie wykorzystanych wcześniej funkcji ze sobą
- Wprowadzenie do funkcji PRZEŁĄCZ() (switch)
- Wprowadzenie do tabel przestawnych
- Fragmentatory
- Konsolidacja danych
Wtorek 13.10, 18:00-20:00
Praca z innymi narzędziami: Google Sheets
- Prezentacja wybranych funkcji w ramach ekosystemu Google
MODUŁ 2: Bazy danych i SQL
Czwartek 15.10, 18:00-20:00
Wprowadzenie do baz danych
- Definicje bazy danych i obiektów baz danych
- Definicja i zastosowanie SQL
- Składnia SQL
- Funkcje i operatory w SQL, funkcje agregujące
- Zapoznanie z interfejsem MS SQL Server Express
- Przykłady wykonania najprostszych zapytań SQL
Wtorek 20.10, 18:00-20:00
SQL w zadaniach praktycznych
- Przypomnienie składni SQL
- Wykorzystanie funkcji (tekstowych, agregujących, daty) i operatorów w zadaniach praktycznych
Czwartek 22.10, 18:00-20:00
Łączenie tabel w SQL w praktyce
- Omówienie typów złączeń w SQL
- Wyjaśnienie, jak łączyć tabele za pomocą kodu SQL
- Wykorzystanie zdobytej wiedzy teoretycznej w praktyce
Wtorek 27.10, 18:00-20:00
Widoki w SQL, operacje na danych, tworzenie i modyfikowanie tabel
- Tworzenie widoków w zapytaniach
- Tworzenie baz danych, tabel
- Modyfikowanie tabel
- Operacje na danych
Czwartek 29.10, 18:00-20:00
Praktyczne podejście do SQL: powtórzenie i podsumowanie zdobytej wiedzy
- Podsumowanie zdobytej dotychczas wiedzy z SQL
- Zadania praktyczne z całego zakresu tematycznego dotyczącego języka SQL
MODUŁ 3: Business Intelligence
Wtorek 3.11, 18:00-20:00
Wprowadzenie do Business Intelligence
- Podstawowe definicje związane z systemami BI
- Omówienie interfejsu oprogramowania MS Power BI
- Omówienie możliwości wykorzystania różnych typów plików w Power BI
- Omówienie procesu ETL
- Podstawowe operacje na danych
- Przegląd narzędzi wykorzystywanych w Business Intelligence
Czwartek 5.11, 18:00-20:00
Power BI
- Omówienie źródeł pozyskiwania danych
- Omówienie źródeł pozyskiwania wizualizacji
- Formatowanie wizualizacji
- Wprowadzenie do Power Query (język M)
MODUŁ 4: DAX
Wtorek 10.11, 18:00-20:00
Wprowadzenie do DAX
- Omówienie zastosowania języka DAX
- Omówienie podstawowych funkcji agregujących języka DAX
- Tworzenie nowych kolumn w DAX
- Tworzenie miar w DAX
Czwartek 12.11, 18:00-20:00
DAX – funkcje zmieniające kontekst
- Wykorzystanie zarządzania kontekstem za pomocą DAX – funkcja CALCULATE
- Tworzenie kalendarza za pomocą DAX
- Tworzenie hierarchii dat
- Omówienie funkcji filtrujących
Wtorek 17.11, 18:00-20:00
Przeszukiwanie tabel, modyfikacja relacji za pomocą DAX, tworzenie nowych tabel w tym grupujących w DAX, zmienne
- Funkcje wyszukujące w DAX
- Łączenie tabel ze sobą mimo nieistniejących relacji
- Tworzenie nowych tabel – słowników i grupujących w DAX
- Tworzenie zmiennych w DAX
Czwartek 19.11, 18:00-20:00
Wizualizacja danych, zarządzanie zależnościami między filtrami, a wizualizacjami, tworzenie zakładek
- Techniki wizualizacji danych
- Rodzaje wykresów
- Modyfikowanie interakcji pomiędzy filtrami a wizualizacjami
- Tworzenie zakładek
Wtorek 24.11, 18:00-20:00
Business Intelligence – przykłady innych narzędzi: Looker Studio
- Wprowadzenie do Looker Studio
- Omówienie zasad korzystania i wizualizacji
MODUŁ 5: Analiza danych w Pythonie
Czwartek 26.11, 18:00-20:00
Wprowadzenie do Pythona i Git
- Instalacja Pythona i środowiska programistycznego (np. Anaconda, Jupyter Notebook)
- GoogleColab
- Podstawy składni Pythona: typy danych, operatory, zmienne
- Podstawy Gita: instalacja, konfiguracja, podstawowe polecenia (init, clone, commit, push, pull)
Wtorek 1.12, 18:00-20:00
Podstawy programowania w Pythonie
- Podstawowe struktury danych
- Pętle i warunki: for, while, if-else
- Funkcje: tworzenie i wywoływanie funkcji, parametry, zwracanie wartości
- List comprehensions
Czwartek 3.12, 18:00-20:00
Wprowadzenie do Pandas
- Tworzenie i manipulowanie DataFrame’ami
- Importowanie i eksportowanie danych z/do różnych formatów
Wtorek 8.12, 18:00-20:00
Eksploracja danych w Pandas
- Grupowanie danych i agregacja
- Filtrowanie i sortowanie danych
- Przekształcanie i czyszczenie danych (m.in. usuwanie brakujących wartości, duplikatów)
Czwartek 10.12, 18:00-20:00
Wizualizacja danych w Pythonie
- Wprowadzenie do Matplotlib i Seaborn
- Tworzenie podstawowych wykresów: linie, słupki, histogramy, wykresy kołowe
- Dostosowywanie wykresów: tytuły, etykiety, legendy
Wtorek 15.12, 18:00-20:00
Matematyka i statystyka w Pythonie
- Wprowadzenie do biblioteki NumPy
- Podstawy statystyki: średnia, mediana, odchylenie standardowe
- Podstawowe rozkłady statystyczne: rozkład normalny, dwumianowy, wykładniczy, Poissona
- Korelacja w danych
Czwartek 17.12, 18:00-20:00
Testowanie hipotez statystycznych w Pythonie
- Wprowadzenie do testów statystycznych
- Testowanie hipotez w Pythonie (t-test, test chi-kwadrat)
- Interpretacja wyników testów
Wtorek 22.12, 18:00-20:00
Redukcja wymiarowości i klasteryzacja
- Wprowadzenie do klasteryzacji
- K-means
- Wizualizacja wyników
- Redukcja wymiarowości (PCA)
- Integracja PCA z klasteryzacją w celu poprawy wyników i wizualizacji
Wtorek 29.12, 18:00-20:00
Wprowadzenie do modelowania w Pythonie cz. 1
- Wprowadzenie do modelowania danych: regresja liniowa
- Tworzenie prostych modeli predykcyjnych w Pythonie za pomocą biblioteki Scikit-learn
- Ocena jakości modelu: podział na zbiory treningowy i testowy, metryki oceny modelu (RMSE, R²)
Wtorek 5.01, 18:00-20:00
Wprowadzenie do modelowania w Pythonie cz. 2
- Wprowadzenie do klasyfikacji binarnej
- Niezbalansowany zbiór – jak sobie z nim radzić?
- Tworzenie modelu drzewa decyzyjnego lub modelu Random Forest za pomocą Scikit-learn
- Ocena jakości modelu: macierz błędów, krzywa ROC, AUC, precyzja, recall, F1-score
MODUŁ 6: Rozwój kariery
Czwartek 7.01, 18:00-20:00
Rozmowa kwalifikacyjna
- Przykładowa ścieżka rekrutacyjna
- Pisanie kompetentnego CV i portfolio
- Przygotowanie do rozmowy kwalifikacyjnej z rekruterem
- Przygotowanie do rozmowy technicznej
- Przykładowa rozmowa rekrutacyjna
- Analiza wybranych zadań rekrutacyjnych
- Metoda STAR
- Pytania, które warto zadać firmie
- Jak negocjować ofertę pracy?
Wtorek 19.01, 18:00-20:00
Prezentacja projektów końcowych
Dowiedz się więcej
Wypełnij formularz, a nasz doradca edukacyjny skontaktuje się z tobą i udzieli szczegółowych informacji na temat przebiegu oraz ceny kursu.
Co nasi kursanci mówią o Labie?
"Kurs Junior Analyst naprawdę pozytywnie mnie zaskoczył. Prowadzący są konkretni i wspierający, dzięki czemu nauka idzie sprawnie. Po ukończeniu czuję, że mam solidne podstawy i wiem, od czego zacząć w analizie danych. Polecam każdemu, kto chce wejść w ten świat bez stresu."
"Uczestniczyłem w kursie na młodszego analityka danych. Kurs intensywny. Dużym plusem jest poznanie bibliotek do analizy danych w python. Prowadzący zajęcia z bardzo bogatym doświadczeniem zawodowym. Świetny kontakt na i poza zajęciami. Gorąco polecam."
"Z dumą mogę ogłosić, że uzyskałam certyfikat Junior Data Analyst od Laby! Ten etap to nie tylko potwierdzenie mojej pracy, ale i niesamowitej przygody z danymi, w trakcie której: nauczyłam się sprawnie poruszać po 𝑷𝒐𝒘𝒆𝒓 𝑩𝑰, zrozumiałam logikę analityki z użyciem 𝑫𝑨𝑿 i 𝑺𝑸𝑳, rozwinęłam zaawansowane umiejętności pracy z 𝑬𝒙𝒄𝒆𝒍𝒆𝒎, w tym 𝑷𝒐𝒘𝒆𝒓 𝑸𝒖𝒆𝒓𝒚 i formuły tablicowe, zgłębiłam podstawy analizy danych w 𝑷𝒚𝒕𝒉𝒐𝒏𝒊𝒆 i odkryłam jego ogromne możliwości, i zdobyłam oświadczenie z narzędziami jak 𝑺𝑸𝑳 𝑺𝒆𝒓𝒗𝒆𝒓 i 𝑳𝒐𝒐𝒌𝒆𝒓 𝑺𝒕𝒖𝒅𝒊𝒐."
"Zdecydowanie polecam kursy LABA - świetna organizacja, świetne przygotowanie merytoryczne, wspaniała atmosfera, praktyczne podejście:)"
"Bardzo fajnie strukturyzuje wiedzę z wybranego zakresu. Solidne przygotowanie prowadzącego - łatwość dostępu do informacji i spora dawka praktyki w kursie, którą można przełożyć na swoje codzienne obowiązki i usprawniać."
"Ogólnie polecam! dobry poziom kursów, fajni prowadzący, świetna obsługa klienta i ceny ok."
"Do tej pory odbyłem dwa kursy z LABA. Jestem naprawdę zadowolony z obu. Pomogli mi podnieść kwalifikacje i ubiegać się o lepiej płatną pracę"
"Za mną już kilka kursów organizowanych przez Laba.
Świetnie zorganizowane, przyjaźni, ale i wymagający wykładowcy. Gorąco polecam :)"
"Super merytoryczne kursy oraz materiały, polecam!"
"Polecam! To zupełnie nowe podejście do szkoleń!"
"Fajna kadra, dużo praktycznej wiedzy, tempo nauki dostosowane do możliwości osób pracujących. Skorzystałam raz, ale na pewno jeszcze wróce do Laby."
"Profesjonalna firma, świetny kurs z Google Ads, materiały. Konkretna wiedza do wykorzystania od razu. Polecam :)"
"Bralam udzial w kilku kursach przygotowanych przez szkole LABA - Analityka w marketingu, Marketing Automation i Google Ads Analityk reklamowy - kursy przygotowane bardzo merytorycznie. Jestem bardzo zadowolona i szczerze polecam kursy i szkole LABA!"
Wymagania przed kursem
-
01
Wymagania sprzętowe
- System operacyjny: Windows 10 lub nowszy
- Pamięć RAM: minimum 4 GB
- Procesor: minimum 1 GHz, x64
- Rozdzielczość ekranu: preferowane 16:9
- Zalecane korzystanie z drugiego monitora
-
02
MS Excel (wersja 2019 lub nowsza)