Information and communication technologies
UAB FastTrack LT
Dirbtinis intelektas ir duomenų analitika
0.0
No ratings
Learning begins:
Tikslinama
343 (ac. h.)
Price from:
Tikslinama
About course
Information provided by the training provider
Abstract
Important information
Way of learning
-
Place
-
Language
-
Aukštos pridėtinės vertės programa
Yes
Minimum requirements for the participant
Education
Vidurinis išsilavinimas
Acquired and improved competencies
Ordinary:
Professional competencies:
Content of the learning program
| Topic name | Brief description of the topic |
|---|---|
|
Topic name
Minkštieji įgūdžiai
|
Brief description of the topic
CV, LinkedIn, darbo pokalbio dirbtuvės, inviduali veikla ir mokesčiai, IT specialisto kompetencijos, viešasis kalbėjimas
|
|
Topic name
Įvadas į duomenų analizę
|
Brief description of the topic
Šis modulis supažindina dalyvius su pagrindinėmis duomenų analizės sąvokomis ir apimtimis. Taip pat išskiria skirtingas valdymo ir apdorojimo sferas: duomenų analitika, duomenų inžinierija, duomenų mokslas, Big Data. Ugdoma skaitmeninė kompetencija – gebėjimas suprasti duomenų analizės, inžinerijos ir mokslo principus, atskirti jų taikymo sritis, vertinti duomenų reikšmę sprendimų priėmimui ir efektyviai taikyti analitinius metodus skaitmeninėje aplinkoje.
|
|
Topic name
Python programavimo pagrindai
|
Brief description of the topic
1. Python aplinkos įdiegimas ir naudojimas 2. Kintamieji, duomenų tipai ir operatoriai 3. Sąlygos, ciklai ir funkcijos 4. Pagrindinės duomenų struktūros – sąrašai, rinkiniai, žodynai, tuple 5. Pagrindiniai klaidų valdymo ir kodo skaitymo principai. Šioje temoje kompetencija Nr. 123 – „Kurti taikomąsias programas, naudojant Python karkasus“ ugdoma per praktinį programavimo pagrindų taikymą. Dalyviai mokosi dirbti su Python aplinka, kurti programas naudojant kintamuosius, funkcijas ir duomenų struktūras, valdyti klaidas bei rašyti aiškų, struktūruotą kodą, kuris sudaro pagrindą taikomųjų ir žiniatinklio programų kūrimui naudojant Python karkasus.
|
|
Topic name
Objektinis programavimas ir Python taikymas duomenų analizei
|
Brief description of the topic
1. Objektinis programavimas: klasės, objektai, metodai, paveldėjimas 2. Modulių kūrimas ir kodo struktūrizavimas 3. Duomenų įkėlimas ir analizė naudojant pandas 4. Paprastos vizualizacijos su matplotlib 5. Programavimo metodai, gerosios praktikos ir klaidų paieška. Ugdoma skaitmeninė kompetencija – gebėjimas taikyti objektinio programavimo principus, struktūruoti kodą, analizuoti duomenis su „pandas“, kurti vizualizacijas ir taikyti gerąsias programavimo praktikas efektyviam problemų sprendimui skaitmeninėje aplinkoje.
|
|
Topic name
Versijų valdymas su Git
|
Brief description of the topic
Šis modulis suteikia išsamų įvadą į versijų valdymą naudojant Git, plačiausiai naudojamą šiuolaikinę versijų valdymo sistemą pasaulyje. Dalyviai sužinos pagrindines sąvokas ir komandas, būtinas programinės įrangos projektų pakeitimams valdyti ir sekti, taip pat įsisavins geriausias komandinio bendradarbiavimo praktikas. Ugdoma skaitmeninė kompetencija – gebėjimas naudoti versijų valdymo sistemas programinės įrangos kūrimo procese, taikyti Git įrankius kodo keitimų sekimui ir komandiniam darbui, užtikrinant efektyvų bendradarbiavimą skaitmeninėje aplinkoje.
|
|
Topic name
Duomenų valdymo metodai ir SQL taikymas
|
Brief description of the topic
1. Duomenų valdymo pagrindai ir etiniai principai 2. Duomenų bazės naudojimas praktikoje – duomenų įkėlimas, atnaujinimas, filtravimas 3. SQL užklausų kalbos pagrindai: SELECT, WHERE, JOIN, GROUP BY, ORDER BY 4. ETL procesai (Extract, Transform, Load) – duomenų išgavimas, transformavimas ir įkėlimas 5. Duomenų kokybės užtikrinimo metodai ir klaidų valdymas. Ugdoma skaitmeninė kompetencija – gebėjimas valdyti ir apdoroti duomenis naudojant duomenų bazes ir SQL kalbą, taikyti ETL procesus, užtikrinti duomenų kokybę bei laikytis etikos ir saugumo principų skaitmeninėje aplinkoje.
|
|
Topic name
Duomenų bazių projektavimas ir architektūra
|
Brief description of the topic
1. Reliacinių ir NoSQL duomenų bazių tipai – MySQL, PostgreSQL, MongoDB 2. Reliacinių ir nereliacinių duomenų modelių kūrimo principai 3. Lentelių ir ryšių projektavimas, normalizacija 4. Duomenų saugyklos ir jų sąveika su BI įrankiais 5. Praktinis duomenų bazės struktūros projektavimas pagal pateiktą scenarijų. Šioje temoje kompetencija Nr. 130 – „Projektuoti tipines reliacines ir nereliacines (NoSQL) duomenų bazes“ ugdoma per praktinį duomenų modelių kūrimą ir struktūrų projektavimą. Dalyviai mokosi taikyti MySQL, PostgreSQL ir MongoDB principus, kurti lenteles, ryšius ir schemas, atlikti duomenų normalizaciją bei projektuoti duomenų bazes pagal pateiktus scenarijus, užtikrinant jų efektyvumą ir suderinamumą su analitiniais įrankiais.
|
|
Topic name
Duomenų analizės įrankiai ir programinė įranga
|
Brief description of the topic
Šiame modulyje dalyviai bus supažindinti su plačiausiai naudojamais duomenų analizės įrankiais ir programine įranga, įskaitant Microsoft Excel, Python, R ir įvairius verslo analitikos (BI) įrankius, tokius kaip Power BI. Taip pat bus pristatytos Cloud duomenų analitikos platformos (AWS, Google Cloud, ir Microsoft Azure). Kursų darbas apima praktinį šių įrankių pritaikymą sprendžiant realias duomenų analizės problemas, daugiausiai dėmesio skiriant duomenų manipuliavimui, Script rašymui ir vizualiniam ataskaitų teikimui. Ugdoma skaitmeninė kompetencija – gebėjimas taikyti įvairius duomenų analizės įrankius (Excel, Python, R, Power BI) ir debesijos platformas (AWS, Google Cloud, Azure), apdoroti bei vizualizuoti duomenis, kurti analitines ataskaitas ir spręsti praktines verslo analitikos užduotis.
|
|
Topic name
Statistinė analizė ir matematiniai metodai
|
Brief description of the topic
Šiame modulyje nagrinėjami statistiniai metodai ir matematiniai metodai, būtini duomenų analizei. Dalyviai sužinos apie tikimybę, statistinę išvadą, regresinę analizę ir laiko eilučių analizę. Modulis skirtas suteikti dakyvians įgūdžių atlikti tiriamąją duomenų analizę ir numatomąją analizę, suteikiant galimybę nustatyti tendencijas ir daryti prognozes. Ugdoma skaitmeninė kompetencija – gebėjimas taikyti statistinius ir matematinius metodus duomenų analizei, naudoti tikimybių, regresijos ir laiko eilučių modelius tendencijoms nustatyti, prognozėms sudaryti ir duomenimis grįstiems sprendimams priimti.
|
|
Topic name
Dirbtinio intelekto pagrindai
|
Brief description of the topic
Informacijos paieška naudojant DI, atsakymų generavimas su DI, DI įrankių naudojimas duomenų programavimui. Ugdoma skaitmeninė kompetencija – gebėjimas taikyti dirbtinio intelekto įrankius informacijos paieškai, duomenų apdorojimui ir programavimui, generuoti atsakymus bei sprendimus, didinant darbo efektyvumą skaitmeninėje aplinkoje.
|
|
Topic name
Baigiamasis projektas
|
Brief description of the topic
Baigiamasis projektas yra mokymosi patirties kulminacija, leidžianti dalyviams pritaikyti savo žinias ir įgūdžius išsamiame duomenų analizės projekte. Vadovaujant dėstytojams, dalyviai pasirinks aktualią problemą, atliks duomenų rinkimą ir valymą, taikys tinkamus analizės metodus ir pristatys savo išvadas. Šiame modulyje akcentuojamas kritinis mąstymas, problemų sprendimas ir efektyvūs komunikacijos įgūdžiai. Ugdoma skaitmeninė kompetencija – gebėjimas savarankiškai taikyti duomenų analizės metodus sprendžiant realias problemas, atlikti duomenų apdorojimą ir vizualizaciją, interpretuoti rezultatus bei aiškiai komunikuoti analitines išvadas skaitmeninėje aplinkoje.
|
Duration of the learning programme
Duration of the learning programme: 343 (ac. h.)
Duration of practical contact work: 251 (ac. h.)
Duration of theoretical contact work: 92 (ac. h.)
Duration of self-employment: 0 (ac. h.)
Assessment
System / scale of assessment of acquired competencies: 1-10.
Important information
Way of learning
-
Place
-
Language
-
Aukštos pridėtinės vertės programa
Yes
Minimum requirements for the participant
Education
Vidurinis išsilavinimas
Timetables
Šiuo metu grupių nėra.Ratings
There are no ratings at the moment.Kainų istorija
Scroll to the top