1 + 2 lygis Finansuojama UŽT - dirbantiems

Duomenų mokslo ir dirbtinio intelekto programa (223003049)

Duomenų mokslas šiandien yra būtina bet kurio verslo dalis, atsižvelgiant į didžiulį duomenų kiekį su kuriuo susiduriame kiekvienas. Duomenų mokslas šiuo metu yra viena iš labiausiai diskutuojamų temų, o jo populiarumas bėgant metams tik auga.

Duomenų mokslas yra studijų sritis, kurioje nagrinėjami didžiuliai duomenų kiekiai, naudojant šiuolaikines priemones ir metodus, kad būtų galima rasti nematytus modelius, gauti prasmingą informaciją ir priimti verslo sprendimus. Duomenų mokslas naudoja mašininio mokymosi algoritmus kuriant nuspėjamuosius modelius

  • 1608€
    Vidutinis duomenų inžinieriaus atlyginimas Lietuvoje
  • 96%
    Duomenų inžinieriai Lietuvoje yra patenkinti savo darbu
  • 82%
    Studentų sėkmingai pabaigia Duomenų mokslo studijas

Įsidarbinimo galimybės

Programa

  • 1 temos
  • 2 temos
  • 3 temos
  • 4 temos
  • 5 temos
  • 6 temos
  • 7 temos
  • 8 temos

Programavimas su Python 120 val.

  •  Įvadas
  •  Aplinkos paruošimas
  •  Virtualios programavimo aplinkos kūrimas (VENV)
  •  Pirmoji programa bei komandinė eilutė Kintamieji, if sąlyga  Versijavimas (git)
  •  Data tipai – Boolean, data, laikas, masyvai, žodynai  Ciklai, išimtys
  •  Funkcijos
  •  Objektinis programavimas, klasės
  •  Paveldėjimas, klaidų ieškojimas (debug)  Darbas su katalogais ir failais
  •  Loginimas
  •  UNIT testų kūrimas  Web Scraping
  •   RestAPI – Flask framework’o jžanga, Docker
  • Programavimas naudojant ChatGPT ir Copilot DI asistentus

Tiriamoji duomenų analizė (Exploratory data Analysis) 120 val.

Exploratory Data Analysis refers to the critical process of performing initial investigations on data so as to discover pa erns, to spot anomalies, to test hypothesis and to check assumptions with the help of summary statistics and graphical representations.

  • Jupyter notebook
  • Numpy
  • Duomenų manipuliacija naudojant DI asistentus (Pandas)
  • Duomenų vizualizavimas naudojant DI asistentus (maltplotlib, seaborn)

Darbas su duomenimis 60 val.

  •   Reliacinės duomenų bazės samprata
  •   SQL užklausų rašymo pagrindai (paskaitos su SQLite)
  •  NoSQL duomenų bazių samprata, dokumentų duomenų baze MongoDB
  •  Data pipelines
  •  ETL – Extract transform load, Airflow
  •  Darob su duomenimis paspartinimas naudojant DI asistentus

Duomenų klasterizavimas ir klasifikavimas 60 val.

  • Duomenų tyrybos teorija  Tiesinė regresija
  •  Logistinė regresija ir K-artimiausio kaimyno metodai
  • Bajeso klasifikatorius
  • Sprendimų medžio ir atsitiktinio miško metodai
  • Artimiausių vidurkių ir hierarchinio klasterizavimo metodai Asociacijų taisyklės
  • Teksto analizė
  • Klasifikavimas ir klasterizavimas naudojant DI asistentus

Įvadas į mašininį mokymąsi 60 val.

  •  Mašininio mokymosi pagrindai
  •  Atsitiktiniai miškai – vienas iš galingiausių ir universaliausių mašininio mokymosi algoritmų Duomenų ištyrimas
  •  Modelių tvirtinimas
  •  Trūkstamų verčių tvarkymas ir kt.
  • DI asistentų panaudojimas ML

Asmeninis projektas 60 val.

  • Darbas su pasirinkta užduotimi
  • Duomenų rinkimas
  •  Duomenų apdorojimas
  •  Tiriamoji duomenų analizė o Modelio kūrimas
  • Modelio deploy‘inimas
  •  Modelio stebėjimas

Minkštieji įgūdžiai 16 val.

  •  CV, LinkedIn paskyros paruošimas
  • Darbo pokalbio dirbtuvės
  •  Inviduali veikla ir mokesčiai
  •  IT specialisto kompetencijos

Dirbtinio intelekto įrankių naudojimas 8 val.

  • Informacijos paieška su AI pagalba,
  • Sprendimų generavimas naudojant AI
Atsisiųsti programą

Dėstytojai

Mūsų dėstytojų komanda – skirtingų IT specialistų mišinys. Vieni, kaip kokie superdidvyriai 🦸, dienomis
užima Top pozicijas savo įmonėse ir vakarais atsiliepia į studentų pagalbos šauksmus, kiti – dirba kaip freelancer’iai, kasdien žongliruodami tarp klientų bei studentų. Tačiau visi jie 100% pasiruošę žiniomis ir patirtimi padėti tau! 🧑‍🎓

Big Data

Justas Kalpokas

Senior Data Scientist @Exadel

Dirbtinis intelektas

Tomas Rasymas

Head of AI @ Hostinger

Big Data

Erikas Švažas

Data Scientist @Vinted

Big Data

Dainius Gaidamavičius

Data Scientist @Agmis
Big Data

Domantas Nikartas

ML Engineer @Eliq

Mokymosi aplinka

CodeAcademy mokymosi aplinka palengvina mokymosi procesą bei leidžia tau mokytis, kad ir kur būtum. 🌏 Paskaitos dėstytojų vedamos gyvai, o po jų – neribota prieiga prie visų paskaitų įrašų, medžiagos bei užduočių. 🙌

 

Programos kalendorius

Laikotarpis

balandžio 22 d. - gruodžio 2 d.

Laikas

18:00 - 22:00

Trukmė

504 valandų

Kaina

4617,93€, Finansuojama UŽT

Skaičiuoklė

Išsimokėjimo galimybės

Mes siūlome tiek skirtingų išsimokėjimo galimybių ir lengvatų, kad sukūrėme skaičiuoklę savo galimybes pasiskaičiuoti pačiam – visai kaip banke. 💸

CodeAcademy finansavimas

  • Nuo 50 €/mėn.

100% Užimtumo Tarnybos finansavimas

  • Užimtumo Tarnybos finansavimas leidžia persikvalifikuoti dirbantiems ir įgyti naujas kompetencijas nedirbantiems! 🚀
  • Besimokantiems studentams gali būti skiriamos UžT stipendijos, Daugiau informacijos čia.

Mokėk po sėkmingo įsidarbinimo!

  • Mėnesinis mokestis – 10% nuo Neto pajamų, su galimybe turėti mokėjimo atostogas iki 5 mėnesių.

Dažniausiai užduodami klausimai

Kursų grafikas yra fiksuotas, visos pamokos yra vedamos gyvai, profesionalių CodeAcademy dėstytojų, kuriems, paskaitų metu, galite užduoti klausimus, pasitikrinti namų užduotis, gauti patarimų dėl ateities projektų.

Mokslams virtualioje ervėje naudojame vieną pažangiausių bei lanksčiausių pedagoginių programų – Microsoft Teams. Kartu su Microsoft Teams turėsite prieigą prie Microsoft Office paketo nemokamai vieneriems metams.

Prisijungimai prie Studijų aplinkos studentams atsiunčiami likus 5-3 darbo dienoms iki užsiėmimų pradžios į sutartyje nurodytą el. paštą.

Susisiekite su mumis!








    Atsisiųskite programą