Apie mokymus

Mokymų teikėjo pateikta informacija

Anotacija

Rodyti daugiau Rodyti mažiau

Ši programa suteikia esmines duomenų analizės ir skaitmenines kompetencijas, apimančias SQL, Power BI ir Python. Mokymų metu dalyviai pereina nuo duomenų tvarkymo ir apdorojimo iki pažangesnių analizės ir vizualizacijos technikų. Didelis dėmesys skiriamas praktikai – teorinės žinios nuolat įtvirtinamos realiais projektais ir užduotimis. Programos pabaigoje dalyviai atlieka baigiamąjį projektą, kuriame pritaiko įgytas žinias atlikdami visą duomenų analizės ciklą.

Svarbi informacija

Mokymosi būdas

Vieta

Kalba

Aukštos pridėtinės vertės programa

Taip

Minimalūs reikalavimai dalyviui

Išsilavinimas

Vidurinis išsilavinimas

Įgyjamos ir tobulinamos kompetencijos

Bendrosios kompetencijos:

Skaitmeninė kompetencija

Profesinės kompetencijos:

123. Kurti taikomąsias programas, naudojant Python karkasus (Taikomųjų ir žiniatinklio programų su grafine vartotojo sąsaja kūrimas naudojant Python karkasus. Duomenų analizės, dirbtinio intelekto ir mašininio mokymosi karkasų naudojimas kuriant taikomąsias programas);

130. Projektuoti tipines reliacines ir nereliacines (NoSQL) duomenų bazes (Duomenų bazės (MySQL, PostgreSQL, MongoDB ir kt.), jų tipai, skirtumai ir taikymo galimybės. Reliacinės ir nerealiacinės duomenų schemos, jų projektavimas);

115. Taikyti programinės įrangos kūrimui naudojamus informatikos principus ir metodus (Skaičiavimo sistemos. Logikos principai ir jų taikymas programuojant. Algoritmai ir duomenų struktūros, jų programinis įgyvendinimas. Programinio kodo dizaino modeliai (angl. design patterns), jų taikymas programuojant. Informacinių sistemų kūrimui naudojami principai ir metodai. Programinės įrangos projektavimo pagrindai);

Mokymosi programos turinys

Temos pavadinimas	Trumpas temos aprašymas
Temos pavadinimas SQL pagrindai ir duomenų apdorojimo algoritmai	Trumpas temos aprašymas Tema apima SQL užklausų kūrimo pagrindus, duomenų atranką, filtravimą ir agregavimą. Mokoma taikyti logikos principus, algoritmus ir duomenų struktūras duomenų apdorojimo procesuose. Aiškinami indeksavimo, užklausų optimizavimo ir skaičiavimo sistemų pagrindai. Dalyviai praktiškai analizuoja SQL užklausų veikimą ir taiko informacinių sistemų kūrimo metodus.
Temos pavadinimas Duomenų bazių projektavimas ir valdymas (Reliacinės ir NoSQL DB)	Trumpas temos aprašymas Nagrinėjami reliacinių (MySQL, PostgreSQL) ir nerelacinių (MongoDB) duomenų bazių tipai, jų skirtumai ir taikymo galimybės. Dalyviai mokosi projektuoti reliacines ir NoSQL duomenų schemas, atlikti normalizaciją, modeliuoti ryšius ir valdyti duomenų struktūras. Praktinėse užduotyse kuriamos DB struktūros ir atliekamos CRUD operacijos analitinėms užduotims.
Temos pavadinimas Python duomenų analizei	Trumpas temos aprašymas Mokoma naudoti Python įrankius duomenų importui, valymui, transformavimui ir analizei (pandas, NumPy, matplotlib). Tema apima Python taikymą analitinių ir taikomųjų programų kūrimui, duomenų apdorojimo logikos automatizavimui ir integracijai su SQL duomenų bazėmis. Supažindinama su dirbtinio intelekto ir mašininio mokymosi bibliotekų (scikit-learn) pagrindais.
Temos pavadinimas Duomenų vizualizacija ir ataskaitų kūrimas (Power BI)	Trumpas temos aprašymas Dalyviai mokosi modeliuoti duomenis ir kurti interaktyvias ataskaitas Power BI aplinkoje. Aptariami ryšių modeliai, DAX formulės ir vizualizacijų dizaino principai. Praktinėse užduotyse kuriamos interaktyvios duomenų vizualizacijos, taikomos skaitmeninės priemonės rezultatų pristatymui.
Temos pavadinimas Skaitmeninės kompetencijos integruotas modulis	Trumpas temos aprašymas Modulyje taikomi skaitmeniniai įrankiai duomenų integracijai, procesų automatizavimui ir bendradarbiavimui. Naudojamos Python automatizacijos priemonės, SQL duomenų paruošimas Power BI integracijai ir skaitmeninės platformos (GitHub, Teams). Dalyviai kuria integruotus mini projektus, taikydami analitinius ir programavimo įgūdžius.
Temos pavadinimas Statistika ir regresija	Trumpas temos aprašymas Apžvelgiami statistinės analizės pagrindai: pasiskirstymai, koreliacija, regresija ir klasifikavimas. Dalyviai taiko Python ir ML bibliotekas (scikit-learn) modelių treniravimui, vertinimui ir rezultatų interpretavimui. Tema skirta praktiškai pritaikyti mašininio mokymosi metodus analitiniuose sprendimuose.