Coders Lab – Podatkovni analitik / Data analyst
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Slovenija<br />
Priročnik za tečaj<br />
<strong>Podatkovni</strong><br />
<strong>analitik</strong><br />
Urnik: ob koncih tedna<br />
Način: na daljavo (na spletu)<br />
1
Kazalo vsebine<br />
Naučite se podatkovne znanosti od samega začetka<br />
Delo podatkovnega <strong>analitik</strong>a<br />
<strong>Podatkovni</strong> <strong>analitik</strong>i na trgu dela<br />
Komu je namenjen tečaj za podatkovnega <strong>analitik</strong>a?<br />
<strong>Podatkovni</strong> <strong>analitik</strong> <strong>–</strong> poklic za prihodnost<br />
Paketi in osnovne informacije o tečaju<br />
Sklopi tečaja<br />
Program tečaja za podatkovnega <strong>analitik</strong>a<br />
Urnik tečaja za podatkovnega <strong>analitik</strong>a<br />
Kako plačam tečaj?<br />
Predavatelji in mentorji<br />
Zakaj se prijava na tečaj <strong>Coders</strong> <strong>Lab</strong> izplača?<br />
O nas<br />
Stik<br />
3<br />
4<br />
5<br />
6<br />
7<br />
8<br />
10<br />
11<br />
16<br />
20<br />
24<br />
25<br />
26<br />
27<br />
2
Naučite se podatkovne znanosti od samega začetka<br />
Po definiciji je podatkovna znanost raziskovalno področje, ki zajema oblikovanje sklepov na podlagi obdelave velikih količin<br />
podatkov in uporabo različnih raziskovalnih metod. Ti sklepi se uporabljajo pri reševanju številnih specifičnih problemov.<br />
Ni presenetljivo, da pomen in priljubljenost podatkovne znanosti naraščata v vseh vidikih našega življenja.<br />
Da so sklepi lahko zanesljivi, je treba problem ustrezno opredeliti, poiskati potrebne podatke in jih pravilno obdelati. Zato<br />
delo podatkovnega <strong>analitik</strong>a poteka v skladu s postopki podatkovne znanosti. Za to pa je potreben niz kompetenc.<br />
Opredelitev problema<br />
Naučili se boste postavljati prava vprašanja in jih<br />
preoblikovati v konkretne, dobro opredeljene probleme.<br />
Za to so koristne veščine, ki vključujejo analizo, osnove<br />
matematike in statistike.<br />
Zbiranje podatkov<br />
Z osnovnim znanjem programiranja boste brez težav zbirali<br />
podatke iz različnih virov, spletnih mest in sistemov.<br />
Podatke boste učinkovito shranjevali v uporabnih formatih,<br />
kot so: .csv, .json ali .xml, in se pripravili na delo z njimi.<br />
Relevantna znanja in spretnosti:<br />
» analiza<br />
» statistika<br />
» matematika<br />
Relevantna znanja in spretnosti:<br />
» programiranje<br />
Predstavitev rezultatov<br />
analize<br />
Pokazali vam bomo, kako uporabljati<br />
vodilna orodja na trgu za pravilno<br />
vizualizacijo rezultatov analize in<br />
kako pripovedovati s podatki. Tako<br />
bodo vaše analize bolj razumljive in<br />
bodo lahko podlaga za sprejemanje<br />
boljših odločitev.<br />
Relevantna znanja in spretnosti:<br />
» vizualizacija<br />
» pripovedovanje<br />
01 02<br />
<strong>Podatkovni</strong><br />
06 <strong>analitik</strong> 03<br />
05 04<br />
Čiščenje<br />
in obdelava podatkov<br />
S poznavanjem osnov programiranja<br />
boste podatke zlahka očistili pomanjkljivih<br />
in poškodovanih podatkov ter<br />
podatkov, ki lahko vsebujejo napake,<br />
in jih obdelali. To so nepogrešljive<br />
spretnosti za vsakega podatkovnega<br />
<strong>analitik</strong>a, ki dela z velikimi podatkovnimi<br />
nizi.<br />
Relevantna znanja in spretnosti:<br />
» programiranje<br />
Poglobljena analiza podatkov*<br />
Na tej stopnji je koristno razumevanje pravil strojnega<br />
učenja. Uporaba le-tega vključuje ustvarjanje napovednih<br />
modelov in poglobljeno analizo podatkov iz virov, kot so<br />
podatkovne zbirke. To je naprednejša stopnja znanja, ki<br />
sledi tečaju za podatkovnega <strong>analitik</strong>a.<br />
Relevantna znanja in spretnosti:<br />
» strojno učenje<br />
Preučevanje podatkov in določanje<br />
novih spremenljivk<br />
Osnove statistike vam bodo skupaj s programskimi jeziki<br />
pomagale pri prepoznavanju vzorcev, ločevanju značilnosti<br />
in raziskovanju predhodno pridobljenih podatkov. Tako bo<br />
vaše delo učinkovitejše, predvsem pa uspešnejše.<br />
Relevantna znanja in spretnosti:<br />
» programiranje<br />
» statistika<br />
*Ta faza je del premijskega paketa: tečaj za podatkovnega znanstvenika.<br />
3
Delo podatkovnega <strong>analitik</strong>a<br />
Analitiki, ki se ukvarjajo s podatki, so specializirani za različna področja in imajo različna znanja, ki presegajo zgolj poznavanje<br />
matematike in statistike. Danes ključne sposobnosti ne vključujejo le tehnoloških kompetenc, na primer programiranja,<br />
temveč tudi veščine vizualizacije podatkov in pripovedovanja.<br />
Namen tečaja za podatkovnega <strong>analitik</strong>a je, da vam zagotovimo trdne temelje za delo s podatki. Tako boste v obdobju 7<br />
do 9 mesecev intenzivnega učenja s pomočjo našega predavatelja in mentorja pridobili nov poklic. Postanite podatkovni<br />
<strong>analitik</strong>. S premijskim paketom lahko dosežete tudi naslednjo stopnjo strokovnega razvoja in pridobite kompetence,<br />
potrebne za zasedbo delovnega mesta podatkovnega znanstvenika.<br />
podatkovni<br />
<strong>analitik</strong><br />
Spretnosti<br />
Inženir strojnega<br />
učenja<br />
podatkovni <strong>analitik</strong><br />
podatkovni znanstvenik<br />
Analitične<br />
sposobnosti<br />
Znanje osnov matematike<br />
in statistike<br />
Programiranje<br />
Obdelava podatkov<br />
Vizualizacija in<br />
pripovedovanje<br />
Strojno učenje<br />
* Spretnosti podatkovnega <strong>analitik</strong>a, podatkovnega znanstvenika in inženirja strojnega učenja, ocenjene od 1 do 3<br />
4
<strong>Podatkovni</strong> <strong>analitik</strong>i na trgu dela<br />
Podatki zaznamujejo vse vidike našega življenja: industrijo, tehnologijo, izobraževanje, trženje in prodajo. Kot podatkovni<br />
<strong>analitik</strong> boste podatke uporabljali pri izvajanju zahtevnih analiz. Rezultati, ki bodo izhajali iz vaše brezhibne analize, in na<br />
njih temelječi postopki bodo prispevali k optimizaciji dejavnosti v vašem oddelku, podjetju, v prihodnosti pa morda tudi v<br />
celotni panogi. Na ta način se razvija naš svet in tehnologija lahko napreduje.<br />
Kako podjetja uporabljajo analizo podatkov?<br />
spoznavanje strank<br />
(npr. kdo so, kako sprejemajo<br />
odločitve)<br />
prepoznavanje<br />
priložnosti in groženj<br />
odkrivanje finančnih<br />
goljufij<br />
napovedovanje povpraševanja<br />
za izdelke<br />
izboljšanje razumevanja in<br />
napovedovanja prodajnih<br />
trendov<br />
natančno merjenje<br />
rezultatov poslovnih<br />
odločitev<br />
NAJ CENA IZOBRAŽEVANJA<br />
NE BO OVIRA NA VAŠI POTI DO USPEHA<br />
<strong>Coders</strong> <strong>Lab</strong> sodeluje s podjetjem Summit in njihovim produktom 1stavno. Ker razumemo, da je cena<br />
tečaja lahko obremenjujoča za vašo denarnico, a ne želimo, da vas to ustavi pri doseganju vaših ciljev, vam<br />
omogočamo plačilo tečajev na obroke.<br />
Kakšni so koraki?<br />
• Najprej izberite tečaj <strong>Coders</strong> <strong>Lab</strong>, ki si ga želite opraviti.<br />
• Mi vam pripravimo pogodbo in predračun.<br />
• Obiščite spletno stran obroki.1stavno.si, kjer si enostavno uredite plačilo na obroke.<br />
Plačila so mogoča do 84 mesecev. Število obrokov in ročnost lahko izbere sami.<br />
Stroški, ki jih imate, so naslednji:<br />
• strošek odobritve: 1,5 %,<br />
• obrestna mera, ki je fiksna in se ne spreminja: 8,25 %,<br />
• strošek zavarovanja terjatve: odvisno od ročnosti, od 2,84 do 5,89 %.<br />
Za informativni izračun je na voljo kalkulator, kjer lahko preračunate zneske.<br />
Lahko pa se obrnete tudi na svetovalca podjetja Summit:<br />
01 548 34 56 ali pkinfo@summit-leasing.si<br />
Za vse dodatne informacije glede <strong>Coders</strong> <strong>Lab</strong> programov smo vam na voljo na<br />
info@coderslab.si ali na telefonski številki 01 513 44 01.<br />
5
Komu je namenjen tečaj za podatkovnega <strong>analitik</strong>a?<br />
VSEM, KI SE ŽELIJO ZAPOSLITI<br />
KOT PODATKOVNI ANALITIKI<br />
in nimajo predhodnih<br />
izkušenj na področju<br />
obdelave podatkov<br />
VSEM, KI ŽELIJO IZBOLJŠATI<br />
SVOJE KVALIFIKACIJE<br />
in si prizadevajo postati bolj<br />
konkurenčni na trgu dela<br />
ZAPOSLENIM V BANČNIŠTVU<br />
na področju financ, prodaje,<br />
trženja, kontrolinga ali<br />
logistike<br />
Tečaj za podatkovnega <strong>analitik</strong>a razvija kompetence s področja podatkovne znanosti. Prilagodili smo ga za ljudi, ki izkušenj<br />
z obdelavo podatkov nimajo ali pa so te zelo omejene. Vsak modul tečaja se začne z osnovami in predstavlja uvod<br />
v delo s podatki <strong>–</strong> od opredelitve problema do predstavitve rezultatov analize. Z izbiro razširjenega paketa, tečaja za<br />
podatkovnega znanstvenika, boste pridobili tudi znanje o strojnem učenju. Pri tem boste uporabljali specializirana orodja,<br />
ki jih boste spoznali na tečaju.<br />
Kompetence podatkovnega <strong>analitik</strong>a so še posebej uporabne v:<br />
bančništvo<br />
zavarovalništvo<br />
telekomunikacije<br />
mediji in trženje<br />
e-poslovanje<br />
maloprodaja in storitve<br />
industrija<br />
izobraževanje<br />
javna uprava<br />
zdravstvene storitve<br />
Pogoji za udeležbo na tečaju<br />
Za udeležbo na tečaju za podatkovnega <strong>analitik</strong>a morate:<br />
poznati osnove programa Excel<br />
(ustvarjanje dokumentov, osnove<br />
vnosa in urejanja podatkov);<br />
imeti temeljno razumevanje<br />
grafičnih prikazov in podatkov,<br />
ki so na njih prikazani,<br />
biti pripravljeni razvijati svoje<br />
matematične sposobnosti, logično<br />
razmišljanje in sklepanje na<br />
podlagi podatkov.<br />
6
<strong>Podatkovni</strong> <strong>analitik</strong> <strong>–</strong> poklic za prihodnost<br />
Tečaj za podatkovnega <strong>analitik</strong>a pokriva področja, kot so osnove statistike, analiza podatkov, programiranje in vizualizacija<br />
podatkov, v razširjeni različici pa tudi strojno učenje. Vse to temelji na našem lastnem programu in poteka pod vodstvom<br />
usposobljenih strokovnjakov.<br />
Tečaj za podatkovnega <strong>analitik</strong>a obsega naslednje module:<br />
Uvod v analizo podatkov<br />
Na praktičen način in brez potrebe po predhodnih izkušnjah boste pridobili znanje in spretnosti, potrebne<br />
za prve korake na poti analize podatkov. Naučili se boste:<br />
prakso uporabe postopka<br />
analize podatkov<br />
osnovne statistične vzorce<br />
uporabo podatkovnih zbirk<br />
in osnove analize podatkov<br />
Python <strong>–</strong> analiza podatkov<br />
Osnove programiranja predstavljajo ključno spretnost na področju podatkovne znanosti. To vam bo<br />
pomagalo podatke preprosto očistiti pomanjkljivih in poškodovanih podatkov ter podatkov, ki lahko<br />
vsebujejo napake. Spoznali boste:<br />
avtomatizirano<br />
ustvarjanje poročil s<br />
Pythonom<br />
pridobivanje podatkov<br />
iz zunanjih storitev in<br />
spletnih mest<br />
pridobivanje podatkov iz<br />
sistemov podatkovnih zbirk<br />
(ERP, računovodstvo itd.)<br />
SQL <strong>–</strong> analiza podatkov<br />
Na podlagi poglobljenega razumevanja programskega jezika SQL boste hitro našli določene podatke v<br />
zbirki podatkov in imeli več časa za tisto, kar je pomembno: skrbno analizo. Spoznali boste:<br />
ustvarjanje učinkovitih in<br />
kompleksnih poizvedb v<br />
jeziku SQL<br />
dodatne metode<br />
oblikovanja izhodnega<br />
nabora podatkov<br />
pravila dela z relacijskimi<br />
podatkovnimi zbirkami<br />
Vizualizacija podatkov<br />
V zadnjem sklopu tečaja boste osvojili pripovedovanje o podatkih in ustvarjanje jasnih vizualnih prikazov.<br />
S tem boste bolje razumeli podatke, oblikovali boljše sklepe in sprejemali prave odločitve. Spoznali boste:<br />
pripovedovanje<br />
o podatkih in<br />
ustvarjanje pripovedi,<br />
ki izhaja iz podatkov<br />
uporaba knjižnic in<br />
orodij za vizualizacijo<br />
podatkov<br />
ustvarjanje analitičnih<br />
nadzornih plošč,<br />
pripravljenih za uporabo<br />
Strojno učenje*<br />
Pridobili boste znanje o tem, kako izbrati, uporabiti in preveriti pravilen model strojnega učenja za<br />
rešitev določenega poslovnega problema. Spoznali boste:<br />
NLP <strong>–</strong> obdelava<br />
naravnega jezika<br />
napredni modeli strojnega<br />
učenja<br />
regresijske modele<br />
* Modul je na voljo v premijskem paketu za podatkovnega znanstvenika.<br />
7
Paketi in osnovne informacije o tečaju za podatkovnega <strong>analitik</strong>a<br />
Osnovni paket<br />
<strong>–</strong> podatkovni <strong>analitik</strong><br />
cena 2.850 eur<br />
286 ur 302 ur<br />
Profesionalni paket <strong>–</strong><br />
podatkovni <strong>analitik</strong><strong>Podatkovni</strong><br />
cena je 2.990 eur<br />
<strong>analitik</strong><br />
OSNOVNI PAKET <strong>–</strong> PODATKOVNI ANALITIK<br />
Osnovno znanje<br />
ŠTEVILO UR: 286<br />
cena 2850 eur<br />
Nabor tečajev, skladnih z vašimi cilji<br />
Portfelj podatkovnega <strong>analitik</strong>a<br />
Skupno število tečajev: 4<br />
• Uvod v analizo podatkov<br />
• Python <strong>–</strong> analiza podatkov<br />
• SQL <strong>–</strong> analiza podatkov<br />
• Vizualizacija podatkov<br />
Skupno število projektov: 4<br />
• Zaključni projekt ob zaključku vsakega tečaja<br />
Garancija kakovosti <strong>Coders</strong> <strong>Lab</strong><br />
Skupno število izpitov: 5<br />
• Izpit ob zaključku vsakega modula tečaja za<br />
podatkovnega <strong>analitik</strong>a<br />
• Zaključni izpit ob zaključku tečaja za podatkovnega<br />
<strong>analitik</strong>a<br />
PROFESIONALNI PAKET <strong>–</strong> PODATKOVNI ANALITIK<br />
Razširjeno znanje<br />
ŠTEVILO UR: 302<br />
cena 2990 eur<br />
Nabor tečajev, skladnih z vašimi cilji<br />
Portfelj podatkovnega <strong>analitik</strong>a<br />
Skupno število tečajev: 4<br />
• Uvod v analizo podatkov<br />
• Python <strong>–</strong> analiza podatkov<br />
• SQL <strong>–</strong> analiza podatkov<br />
• Vizualizacija podatkov<br />
Skupno število projektov: 5<br />
• Zaključni projekt ob zaključku vsakega<br />
tečaja: 4<br />
• <strong>Lab</strong> portfelj: 1<br />
Garancija kakovosti <strong>Coders</strong> <strong>Lab</strong><br />
Skupno število izpitov: 5<br />
• Izpit ob zaključku vsakega modula tečaja za podatkovnega<br />
<strong>analitik</strong>a<br />
• Zaključni izpit ob zaključku tečaja za podatkovnega <strong>analitik</strong>a<br />
8
Osnovne informacije o tečaju za podatkovnega <strong>analitik</strong>a<br />
Uvodno srečanje<br />
Število ur predpriprave<br />
Število ur s predavateljem<br />
Število ur samostojnega učenja<br />
<strong>Podatkovni</strong> <strong>analitik</strong>:<br />
osnovni paket<br />
4 ure<br />
60 ur<br />
168 ur<br />
54 ur<br />
<strong>Podatkovni</strong> <strong>analitik</strong>:<br />
profesionalni paket<br />
4 ure<br />
60 ur<br />
170 ur<br />
68 ur<br />
Način izvedbe<br />
Urnik:<br />
Število dni<br />
Trajanje<br />
Zagotavljanje podpore<br />
na daljavo (v živo v spletni virtualni učilnici)<br />
vikend tečaj<br />
24 24<br />
29 tednov 31 tednov<br />
Slack<br />
Izpit<br />
Zaključni projekt<br />
Zagovor projektne naloge podatkovnega <strong>analitik</strong>a<br />
<strong>Lab</strong> portfelj<br />
da<br />
da<br />
da<br />
ne<br />
da<br />
da<br />
da<br />
da<br />
Skupno število ur<br />
286 ur 302 uri<br />
99
Sklopi tečaja<br />
PODATKOVNI ANALITIK<br />
Predpriprava<br />
Pred vsakim sklopom tečaja za podatkovnega <strong>analitik</strong>a poteka predpriprava: njena naloga je seznaniti slušatelje<br />
s temami, o katerih bodo razpravljali pri pouku s predavateljem. Odvisno od stopnje tečaja predpriprava zajema<br />
področja, kot so uporaba programa Excel pri analizi podatkov, uvod v programiranje v programskem jeziku Python,<br />
delo s podatkovnimi zbirkami SQL in orodja za vizualizacijo podatkov. Pogoj za udeležbo v vsakem naslednjem<br />
modulu tečaja je opravljena predpriprava v obsegu najmanj 80 %. V primeru vprašanj in težav lahko računate<br />
na pomoč mentorja.<br />
Skupinsko srečanje v virtualni učilnici s predavateljem<br />
Učenje v virtualni učilnici je jedro tečaja, ki vam pomaga razvijati analitične spretnosti. Pouk poteka ob predvidenih<br />
sobotah in nedeljah med 9.00 in 17.00 na platformi za skupinsko komunikacijo (Zoom). Zahvaljujoč skupinskemu<br />
delu in delu s predavateljem je učenje hitro in učinkovito. Pri pouku boste opravljali praktične naloge, kar je najboljši<br />
način za učenje novih veščin. Srečanje s predavateljem in skupino je odlična priložnost, da zastavite vsa vprašanja<br />
in razčistite morebitne težave.<br />
Samostojno učenje<br />
V okviru tečaja vam bomo zagotovili gradivo za samostojno učenje na platformi <strong>Coders</strong> <strong>Lab</strong> LMS v skladu s potekom<br />
tečaja. Cilj samostojnega učenja je priprava na pouk s predavateljem ter ponovitev in utrditev novih znanj.<br />
Zaključni projekt<br />
Vsak sklop tečaja za podatkovnega <strong>analitik</strong>a se zaključi s projektno nalogo, ki je povzetek znanja o temah,<br />
obravnavanih v posameznem sklopu. Na ta način boste lahko praktično preizkusili svoje spretnosti iz resničnega<br />
sveta in si ustvarili svoj portfelj. Poleg tega lahko z izbiro razširjenih paketov opravite modul <strong>Lab</strong> portfelj, v katerem<br />
se predstavite kot podatkovni <strong>analitik</strong>, ki sodeluje z letalsko družbo. S tem bo vaš portfelj ob koncu tečaja vseboval<br />
predstavitev do 6 analitičnih projektov.<br />
Izpiti<br />
Ob zaključku vsakega sklopa tečaja boste opravili izpit iz modula, s katerim se preverja zadevni del znanja. Vrhunec<br />
tečaja za podatkovnega <strong>analitik</strong>a je zaključni izpit, na podlagi katerega pridobite certifikat <strong>Coders</strong> <strong>Lab</strong>.<br />
Podpora mentorja<br />
Ves čas tečaja lahko računate na strokovno podporo mentorja vaše skupine. Nanj se lahko obrnete z vsemi<br />
vprašanji in nejasnostmi glede sprotnega gradiva. Mentorju pišite prek Slacka, kjer boste tudi prejeli njegov<br />
odgovor.<br />
10
Program tečaja za podatkovnega <strong>analitik</strong>a<br />
SKLOP 0: Uvod v analizo podatkov<br />
Uvod v Excel<br />
<strong>–</strong> Namestitev in konfiguracija programa Excel<br />
<strong>–</strong> Obravnava funkcionalnosti programa Excel v postopku analize<br />
podatkov<br />
<strong>–</strong> Aritmetične operacije z Excelom<br />
Uvod v analizo podatkov<br />
<strong>–</strong> Vizualizacija in analiza podatkov <strong>–</strong> uvod in navdih<br />
<strong>–</strong> Postopek analize podatkov<br />
<strong>–</strong> Obdelava podatkov<br />
<strong>–</strong> Raziskovanje podatkov in matematična orodja<br />
<strong>–</strong> Poglobljena analiza podatkov in elementi statistike<br />
<strong>–</strong> Prikaz in analiza podatkov<br />
<strong>–</strong> Vzorčni nabori podatkov in njihov obseg<br />
Postopek podatkovne znanosti:<br />
1. korak: Opredelitev problema<br />
<strong>–</strong> Opredelitev problema<br />
Postopek podatkovne znanosti:<br />
2. korak: Zbiranje podatkov<br />
<strong>–</strong> Zbiranje podatkov<br />
<strong>–</strong> Ključni kazalniki uspešnosti<br />
Postopek podatkovne znanosti:<br />
3. korak: Čiščenje in obdelava<br />
podatkov<br />
<strong>–</strong> Čiščenje podatkov<br />
<strong>–</strong> Obdelava podatkov<br />
Statistika pri analizi podatkov<br />
<strong>–</strong> Osnove opisne statistike<br />
Postopek podatkovne znanosti<br />
4. korak: Raziskovanje podatkov<br />
<strong>–</strong> Raziskovanje podatkov<br />
<strong>–</strong> Analiza spremenljivk v podatkovnem nizu<br />
<strong>–</strong> Filtriranje in razvrščanje podatkov<br />
<strong>–</strong> Vrtilne tabele<br />
Postopek podatkovne znanosti<br />
5. korak: Poglobljena analiza<br />
<strong>–</strong> <strong>–</strong> Uvod v poglobljeno analizo podatkov <strong>–</strong><br />
strojno učenje<br />
<strong>–</strong> Linearna regresija<br />
<strong>–</strong> Linearna korelacija<br />
<strong>–</strong> Druge vrste prilagoditve krivulje<br />
Domača naloga<br />
<strong>–</strong> Analiza problema<br />
Postopek podatkovne znanosti<br />
6. korak: Sporočanje rezultatov<br />
<strong>–</strong> Pripovedovanje o podatkih<br />
<strong>–</strong> Uvod v vizualizacijo podatkov<br />
<strong>–</strong> Primeri dobrih in slabih vizualizacij<br />
<strong>–</strong> Vrste prikazov<br />
<strong>–</strong> Ustvarjanje vizualizacij<br />
<strong>–</strong> Prenos vizualizacije v PowerPoint<br />
Uvod v A/B testiranje<br />
<strong>–</strong> Uvod v A/B testiranje<br />
<strong>–</strong> Primeri poslovne uporabe A/B testiranja<br />
<strong>–</strong> Prvo A/B testiranje<br />
Izpit iz modula<br />
Zaključni projekt<br />
<strong>–</strong> Uvod v zaključni projekt<br />
<strong>–</strong> Zbiranje podatkov<br />
<strong>–</strong> Čiščenje in obdelava podatkov<br />
<strong>–</strong> Raziskovalna analiza<br />
<strong>–</strong> Poglobljena analiza<br />
<strong>–</strong> Sporočanje rezultatov<br />
<strong>–</strong> Predstavitve zaključnih<br />
projektov<br />
11
SKLOP 1: Python <strong>–</strong> analiza podatkov<br />
Predpriprava <strong>–</strong> osnove programiranja<br />
<strong>–</strong> Uvod v Python<br />
<strong>–</strong> <strong>Podatkovni</strong> tipi v Pythonu<br />
<strong>–</strong> Standardna knjižnica v Pythonu<br />
Python<br />
<strong>–</strong> Funkcije<br />
<strong>–</strong> Seznami<br />
<strong>–</strong> Terke<br />
<strong>–</strong> Nizi<br />
<strong>–</strong> Objekti<br />
<strong>–</strong> Datoteke<br />
<strong>–</strong> Izjeme<br />
<strong>–</strong> Knjižnice<br />
SQL<br />
<strong>–</strong> Osnovne operacije<br />
<strong>–</strong> PostgreSQL<br />
<strong>–</strong> Odnosi<br />
<strong>–</strong> Funkcije<br />
JSON in API<br />
<strong>–</strong> JSON<br />
<strong>–</strong> API<br />
<strong>–</strong> Avtentikacija<br />
Pandas<br />
<strong>–</strong> Filtriranje<br />
<strong>–</strong> Obdelava podatkov<br />
<strong>–</strong> Združevanje podatkov<br />
<strong>–</strong> Spajanje<br />
<strong>–</strong> Datetime<br />
<strong>–</strong> Pivot<br />
<strong>–</strong> OpenPyXl<br />
Spletno žetje<br />
<strong>–</strong> Uvod v HTML<br />
<strong>–</strong> Spletno žetje v Pythonu<br />
<strong>–</strong> Element BS<br />
Vizualizacija<br />
<strong>–</strong> Vizualizacija podatkov <strong>–</strong><br />
ustvarjanje prikazov<br />
Ustvarjanje datotek<br />
<strong>–</strong> Ustvarjanje datotek PDF<br />
<strong>–</strong> Ustvarjanje dokumenta iz<br />
zgodbe<br />
<strong>–</strong> Preglednice<br />
Izpit iz modula<br />
Zaključni projekt<br />
12
SKLOP 2: SQL <strong>–</strong> analiza podatkov<br />
Predpriprava <strong>–</strong> podatkovne zbirke<br />
<strong>–</strong> Tipi podatkovnih zbirk<br />
<strong>–</strong> Osnove UML<br />
<strong>–</strong> Namestitev podatkovne zbirke in<br />
priprava delovnega okolja<br />
<strong>–</strong> Spoznavanje podatkovne zbirke<br />
<strong>–</strong> Pregledovanje podatkov (osnove<br />
SQL)<br />
<strong>–</strong> Osnove logike operatorjev AND<br />
in OR<br />
<strong>–</strong> Zgodovina podatkovnih zbirk<br />
Osnove SQL<br />
<strong>–</strong> Osnove SQL<br />
<strong>–</strong> Osnove Boolove logike in<br />
algebre<br />
<strong>–</strong> Dodatni pogoji<br />
<strong>–</strong> Operacije na množicah<br />
<strong>–</strong> Podpoizvedbe<br />
<strong>–</strong> Preglednice<br />
<strong>–</strong> Manipuliranje zapisov v<br />
podatkovni zbirki<br />
Odnosi<br />
<strong>–</strong> Odnosi in tipi odnosov<br />
<strong>–</strong> Spajanje in tipi spajanja<br />
<strong>–</strong> Spajanje v uporabi<br />
<strong>–</strong> Kaskadno brisanje<br />
<strong>–</strong> Indeksi<br />
<strong>–</strong> Druge vrste spajanja, dobre<br />
prakse spajanja in poizvedb<br />
Analiza<br />
<strong>–</strong> Analiza podatkov<br />
<strong>–</strong> Pogled<br />
<strong>–</strong> Združevanje podatkov<br />
<strong>–</strong> Dodatne funkcije<br />
združevanja<br />
<strong>–</strong> Funkcije oken<br />
<strong>–</strong> Delo s funkcijo Datetime<br />
<strong>–</strong> Vrstni red operatorjev v<br />
SQL<br />
<strong>–</strong> Rollup, načrt poizvedbe<br />
Proceduralni jezik<br />
<strong>–</strong> Proceduralni jezik SQL<br />
<strong>–</strong> Uvod v proceduralni jezik<br />
SQL<br />
<strong>–</strong> Upravljanje pretoka<br />
<strong>–</strong> Transakcije<br />
<strong>–</strong> Vgrajene SQL funkcije<br />
<strong>–</strong> Zanke<br />
<strong>–</strong> Kurzorji<br />
<strong>–</strong> JSON<br />
<strong>–</strong> Normalizacija podatkov<br />
<strong>–</strong> Beležnica za SQL<br />
Izpit iz modula<br />
Zaključni projekt<br />
13
SKLOP 3: Vizualizacija podatkov<br />
Predpriprava <strong>–</strong> Uvod v vizualizacijo podatkov<br />
<strong>–</strong> Uvod in priprava<br />
<strong>–</strong> Uvod v vizualizacijo podatkov<br />
<strong>–</strong> Vizualno kodiranje<br />
<strong>–</strong> Barva<br />
<strong>–</strong> <strong>Data</strong>wrapper<br />
<strong>–</strong> Tipi podatkov in operacije<br />
Seaborn/Plotly<br />
<strong>–</strong> Teorija vizualizacije<br />
podatkov<br />
<strong>–</strong> Barvne karte<br />
<strong>–</strong> Seaborn<br />
<strong>–</strong> Plotly<br />
<strong>–</strong> Osnove vizualizacije v<br />
specifičnih knjižnicah<br />
<strong>–</strong> Prikazi Plotly v Googlu<br />
Diapozitivi<br />
<strong>–</strong> Osnove učinkov bokeh<br />
Maps<br />
<strong>–</strong> Projekcije, koordinate,<br />
kartogrami<br />
<strong>–</strong> Uvod v knjižnice<br />
<strong>–</strong> Geopandas, Geometrija,<br />
GeoSeries,<br />
<strong>–</strong> Geo<strong>Data</strong>Frame osm<br />
<strong>–</strong> Geojson, Shapefile<br />
<strong>–</strong> Mapbox<br />
Dash prikazi<br />
<strong>–</strong> Networkx in prikazi<br />
<strong>–</strong> Kaj je nadzorna plošča?<br />
<strong>–</strong> Uvod v aplikacijo Dash<br />
<strong>–</strong> Komponente aplikacije Dash<br />
<strong>–</strong> Podatkovna tabela aplikacije<br />
Dash<br />
<strong>–</strong> Funkciji callback in lifecycle v<br />
aplikaciji Dash<br />
<strong>–</strong> Urejanje podatkovne tabele<br />
<strong>–</strong> Interakcija z nadzorno ploščo<br />
<strong>–</strong> Funkcija cytoscape v aplikaciji<br />
Dash<br />
Nadzorne plošče,<br />
pripovedovanje o podatkih<br />
<strong>–</strong> Pripovedovanje o podatkih<br />
<strong>–</strong> Nadzorna plošča<br />
<strong>–</strong> Tooltip<br />
<strong>–</strong> Aplikacija Tooltip<br />
<strong>–</strong> Bootstrap slogi<br />
<strong>–</strong> Dash in SQL<br />
<strong>–</strong> Dash in Zemljevidi<br />
Tableau<br />
<strong>–</strong> Kaj je Tableau?<br />
<strong>–</strong> Priprava delovnega okolja<br />
<strong>–</strong> Prvi projekt<br />
<strong>–</strong> Ustvarjanje nadzorne plošče<br />
<strong>–</strong> Scenariji<br />
<strong>–</strong> Povezovanje orodij Tableau in<br />
Mapbox<br />
Izpit iz modula<br />
Zaključni projekt<br />
Zaključni izpit tečaja za podatkovnega <strong>analitik</strong>a<br />
14
SKLOP 4: Strojno učenje (na voljo v profesionalnem paketu)<br />
Uvod v strojno učenje<br />
<strong>–</strong> Uvod v tečaj<br />
<strong>–</strong> Konfiguracija in zahteve okolja<br />
<strong>–</strong> Ponovitev znanja o Pythonu<br />
(numpy, pandas, vizualizacijske<br />
knjižnice)<br />
<strong>–</strong> Statistika v strojnem učenju<br />
<strong>–</strong> Uvod v strojno učenje<br />
<strong>–</strong> Kako pravilno pripraviti podatke<br />
za model?<br />
Regresija<br />
<strong>–</strong> Regresija<br />
<strong>–</strong> Linearna regresija<br />
<strong>–</strong> Regularizacija v modelu<br />
linearne regresije<br />
<strong>–</strong> Polinomska regresija<br />
<strong>–</strong> Regresijski problem z<br />
uporabo odločitvenega<br />
drevesa<br />
<strong>–</strong> Kako določiti kakovost<br />
<strong>–</strong> regresijskega modela?<br />
Metrike regresijskih modelov<br />
Klasifikacija<br />
<strong>–</strong> Tehnika K-nearest neighbors<br />
<strong>–</strong> Logistična regresija<br />
<strong>–</strong> Problem razvrščanja z uporabo<br />
odločitvenega drevesa<br />
<strong>–</strong> SVM (podporni vektorski stroj)<br />
<strong>–</strong> Kako določiti kakovost<br />
<strong>–</strong> klasifikacijskega modela?<br />
<strong>–</strong> Metrike klasifikacijskih modelov<br />
Domača naloga<br />
<strong>–</strong> Kako prenesti beležnico iz<br />
Colaba v Kaggle?<br />
<strong>–</strong> Linearna regresija z<br />
regularizacijo<br />
<strong>–</strong> Odločitveno drevo (regresija)<br />
<strong>–</strong> Logistična regresija<br />
<strong>–</strong> SVM<br />
Osnove nevronskih<br />
mrež in NLP<br />
<strong>–</strong> Osnove nevronskih mrež<br />
<strong>–</strong> Osnove NLP<br />
Napredni modeli<br />
strojnega učenja<br />
<strong>–</strong> Naključni gozd<br />
<strong>–</strong> Modela boosting in bagging<br />
<strong>–</strong> Nevronske mreže<br />
<strong>–</strong> Povzetek 3. dne<br />
NLP <strong>–</strong> obdelava<br />
naravnega jezika<br />
<strong>–</strong> Kako ravnati z besedilnimi podatki<br />
<strong>–</strong> Vreča vizualnih besed<br />
<strong>–</strong> TF-IDF<br />
<strong>–</strong> Word2Vec<br />
<strong>–</strong> BERT<br />
Domača naloga<br />
<strong>–</strong> Kako izboljšati<br />
<strong>–</strong> učinkovitost modela:<br />
<strong>–</strong> optimizacija<br />
<strong>–</strong> hiperparametrov<br />
<strong>–</strong> Naključni gozd<br />
<strong>–</strong> XGBoost<br />
<strong>–</strong> Nevronske mreže<br />
Nenadzorovano strojno<br />
učenje<br />
<strong>–</strong> Nenadzorovano strojno učenje<br />
<strong>–</strong> Zmanjševanje dimenzionalnosti<br />
<strong>–</strong> Grozdenje<br />
<strong>–</strong> Odkrivanje anomalij<br />
<strong>–</strong> Povzetek 5. dne<br />
Zaključni projekt, izpit<br />
<strong>–</strong> Zaključni projekt<br />
<strong>–</strong> Prikaz končnih rezultatov<br />
<strong>–</strong> Izpit<br />
<strong>–</strong> Povzetek tečaja<br />
Strojno učenje: izpit iz modula<br />
Zaključni projekt<br />
Zaključni izpit tečaja za podatkovnega znanstvenika<br />
15
Urnik tečaja za podatkovnega <strong>analitik</strong>a<br />
SKLOP 0: Uvod v analizo podatkov<br />
Predpriprava 2 tedna 20 ur samostojnega dela z uvodnim gradivom<br />
1. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
Postopek podatkovne znanosti:<br />
<strong>–</strong> 1. korak: Opredelitev problema<br />
<strong>–</strong> 2. korak: Zbiranje podatkov<br />
<strong>–</strong> 3. korak: Čiščenje in obdelava podatkov<br />
Statistika pri analizi podatkov<br />
Postopek podatkovne znanosti:<br />
<strong>–</strong> 4. korak: Raziskovanje podatkov<br />
<strong>–</strong> 5. korak: Poglobljena analiza podatkov<br />
2. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
Postopek podatkovne znanosti:<br />
<strong>–</strong> 6. korak: Sporočanje rezultatov<br />
Uvod v A/B testiranje<br />
Izpit iz modula<br />
Zaključni projekt<br />
POMEMBNO! V času med posameznimi srečanji vam zagotovimo gradivo za samostojno delo: praktične vaje in domače<br />
naloge. To vam bo v pomoč pri utrjevanju znanja, pridobljenega pri pouku s predavateljem, in pripravi na naslednje srečanje.<br />
SKLOP 1: Python <strong>–</strong> analiza podatkov<br />
Predpriprava 2 tedna 20 ur samostojnega dela z uvodnim gradivom<br />
3. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Python<br />
4. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> SQL<br />
<strong>–</strong> JSON in API<br />
16
5. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Pandas<br />
6. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Spletno žetje<br />
<strong>–</strong> Vizualizacija podatkov<br />
7. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Ustvarjanje datotek PDF<br />
Izpit iz modula<br />
Zaključni projekt<br />
POMEMBNO! V času med posameznimi srečanji vam zagotovimo gradivo za samostojno delo: praktične vaje in domače naloge.<br />
To vam bo v pomoč pri utrjevanju znanja, pridobljenega pri pouku s predavateljem, in pripravi na naslednje srečanje.<br />
SKLOP 2: SQL <strong>–</strong> analiza podatkov<br />
Predpriprava 2 tedna 10 ur samostojnega dela z uvodnim gradivom<br />
8. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Osnove SQL<br />
<strong>–</strong> Odnosi<br />
9. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Analiza podatkov<br />
<strong>–</strong> Proceduralni jezik<br />
Izpit iz modula<br />
Zaključni projekt<br />
POMEMBNO! V času med posameznimi srečanji vam zagotovimo gradivo za samostojno delo: praktične vaje, domače<br />
naloge in gradivo za individualne projekte. To vam bo v pomoč pri utrjevanju znanja, pridobljenega pri pouku s<br />
predavateljem, in pripravi na naslednje srečanje.<br />
17
SKLOP 3: Vizualizacija podatkov<br />
Predpriprava 2 tedna 10 ur samostojnega dela z uvodnim gradivom<br />
10. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Seaborn, Plotly<br />
<strong>–</strong> Maps<br />
11. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Dash, prikazi<br />
<strong>–</strong> Nadzorne plošče, pripovedovanje o podatkih<br />
12. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Tableau<br />
<strong>–</strong> Projektna delavnica<br />
Izpit iz modula<br />
Zaključni projekt<br />
POMEMBNO! V času med posameznimi srečanji vam zagotovimo gradivo za samostojno delo: praktične vaje in domače<br />
naloge. To vam bo v pomoč pri utrjevanju znanja, pridobljenega pri pouku s predavateljem, in pripravi na projektno<br />
nalogo.<br />
<strong>Lab</strong> portfelj<br />
Karierni laboratorij<br />
Zaključni izpit tečaja za podatkovnega <strong>analitik</strong>a<br />
18
SKLOP 4: Strojno učenje (na voljo v profesionalnem paketu)<br />
Predpriprava 2 tedna 10 ur samostojnega dela z uvodnim gradivom<br />
13. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Regresija<br />
<strong>–</strong> Klasifikacija<br />
14. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Osnove nevronskih mrež in NLP<br />
<strong>–</strong> Napredni modeli strojnega učenja<br />
<strong>–</strong> NLP <strong>–</strong> obdelava naravnega jezika<br />
15. srečanje<br />
Sobota/nedelja<br />
9.00<strong>–</strong>17.00<br />
Skupinsko srečanje v virtualni<br />
učilnici s predavateljem<br />
<strong>–</strong> Nenadzorovano strojno učenje<br />
Izpit iz modula<br />
Zaključni projekt<br />
POMEMBNO! V času med posameznimi srečanji vam zagotovimo gradivo za samostojno delo: praktične vaje in domače naloge.<br />
To vam bo v pomoč pri utrjevanju znanja, pridobljenega pri pouku s predavateljem, in pripravi na projektno nalogo.<br />
<strong>Lab</strong> portfelj<br />
Zaključni izpit tečaja za podatkovnega znanstvenika<br />
19
Kako plačam tečaj?<br />
Enkratno plačilo<br />
Plačajte polno ceno tečaja brez dodatnih pristojbin in formalnosti.<br />
V primeru odpovedi vrnemo preplačani znesek<br />
Tečaj lahko plačate z enkratnim bančnim nakazilom preko TRR.<br />
Obročno odplačevanje preko podjetja Summit<br />
Plačila so mogoča do 84 mesecev. Število obrokov in ročnost lahko izbere sami.<br />
Več o obročnem plačevanju:<br />
Plačilo po sklopih<br />
Najpogosteje izbrana vrsta plačila. Plačilo razdelimo na dele. Plačate pred<br />
začetkom posamezne faze tečaja. Natančna razdelitev zneskov in datumi<br />
plačil so odvisni od izbranega tečaja in paketa.<br />
POSTANITE CODERS LAB AMBASADOR<br />
Če vas zanimajo naši programi in si želite do novega IT-znanja po ugodnejši ceni, vas vabimo,<br />
da se prijavite za <strong>Coders</strong> <strong>Lab</strong> ambasadorja.<br />
Kaj to pomeni?<br />
Glavna naloga ambasadorja je, da širi glas o programih <strong>Coders</strong> <strong>Lab</strong>, v zameno za to pa prejme<br />
izbrani program <strong>Coders</strong> <strong>Lab</strong> po ugodnejši ceni.<br />
Kaj pričakujemo od ambasadorja?<br />
• Prijavite se na program <strong>Coders</strong> <strong>Lab</strong>.<br />
• Širite besedo o <strong>Coders</strong> <strong>Lab</strong>ovih programih med svojimi sledilci družbenih omrežjih.<br />
• Podate izjavo o zadovoljstvu s programom <strong>Coders</strong> <strong>Lab</strong> (izjava bo uporabljena na <strong>Coders</strong> <strong>Lab</strong><br />
spletnih kanalih).<br />
• Kot ambasador ste na voljo za sodelovanje pri marketinških aktivnostih za <strong>Coders</strong> <strong>Lab</strong>.<br />
Vas sodelovanje zanima?<br />
Oglasite se nam za vse dodatne informacije:<br />
info@coderslab.si ali<br />
01 513 44 01<br />
20
Predavatelji in mentorji<br />
Med tečajem <strong>Coders</strong> <strong>Lab</strong> niste nikoli prepuščeni samim sebi. Z vami so naši skrbno izbrani predavatelji in mentorji.<br />
O naši uspešnosti lahko presodite po učinkih njihovega dela. Zato smo izbrali izkušene podatkovne <strong>analitik</strong>e, ki vam bodo<br />
predajali svoje strokovno znanje in vam nudili podporo ves čas tečaja.<br />
Kdo je predavatelj?<br />
S predavateljem boste med srečanji v virtualni učilnici v živo v stalnem stiku. Odvisno<br />
od dolžine in obsega tečaja lahko vlogo predavatelja prevzamejo različni strokovnjaki s<br />
posameznih področij.<br />
Naloge predavatelja<br />
poučevanje<br />
praktičnega pouka<br />
zagotavljanje podpore<br />
in odgovarjanje na<br />
vprašanja med poukom<br />
spremljanje učnega<br />
napredka<br />
med tečajem<br />
Kdo je mentor?<br />
Mentor je strokovnjak za vsebino vašega tečaja: isti od začetka do konca. Z njim se lahko prek Slacka<br />
posvetujete o vseh vsebinah tečaja. Mentor je lahko tudi predavatelj celotnega tečaja ali njegovega<br />
dela.<br />
Naloge mentorja<br />
seznanitev s profilom<br />
in načrtom tečaja<br />
podpora v času<br />
predpriprave in<br />
odgovarjanje na vaša<br />
vprašanja prek Slacka<br />
podpora v času trajanja<br />
tečaja in skrb za vaš<br />
napredek<br />
21
Zakaj se prijava na tečaj <strong>Coders</strong> <strong>Lab</strong> izplača?<br />
1Prednost dajemo praksi<br />
Na naših tečajih že od samega začetka pridobivate<br />
praktična znanja. Program je zasnovan tako, da<br />
zajema spretnosti, po katerih je povpraševanje<br />
na trgu dela. Poleg tega boste na tečaju izdelali<br />
svoj projekt, ki bo osnova vašega portfelja in<br />
predstavitve na trgu dela<br />
2<br />
Podpiramo vas<br />
na vsakem koraku<br />
Izobraževalni svetovalci, ki vas vodijo skozi<br />
postopek izbire in nakupa tečaja, so le začetek.<br />
Zatem vam bodo pomoč nudili predavatelji in<br />
mentorji. Ti vas bodo uvedli v svet programiranja,<br />
testiranja programske opreme ali analize podatkov.<br />
Odvisno od izbranega paketa lahko računate<br />
tudi na našo pomoč pri izdelavi življenjepisa,<br />
portfelja in pripravi na zaposlitvene razgovore.<br />
3Učite se v skupini<br />
Vsak udeleženec tečaja nekaj prispeva:<br />
osebne izkušnje, znanje ali edinstven pogled na<br />
obravnavano temo. Zaradi tega je vsaka delavnica<br />
drugačna, a vedno bogatejša. To je tudi način,<br />
kako kasneje vzpostaviti nove odnose in podporo<br />
na trgu dela.<br />
4<br />
Poznamo zahteve na trgu<br />
dela<br />
Skrbno spremljamo spremembe na trgu in<br />
analiziramo potrebe potencialnih delodajalcev.<br />
Vidimo, katere sodelavce iščejo, katere tehnologije<br />
uporabljajo in kaj počnejo vsak dan. Tako vemo,<br />
katera znanja in spretnosti je treba pri pouku<br />
obravnavati prednostno.<br />
5Pridobite najbolj iskane<br />
kompetence<br />
Sodelavce, ki se ukvarjajo s širokim področjem<br />
analize podatkov, zaposlujejo vrhunska podjetja,<br />
kot so: IBM, Amazon, Microsoft, Facebook,<br />
Google in Apple. Povpraševanje po strokovnjakih<br />
za analizo podatkov narašča. Zato boste z<br />
razvijanjem kompetenc na področju masovnih<br />
podatkov ustrezali potrebam trga dela.<br />
6<br />
Spletna srečanja<br />
potekajo v živo<br />
Predavanja na naših tečajih potekajo v virtualnih<br />
učilnicah na platformi za skupinsko komunikacijo<br />
(Zoom). Zahvaljujoč temu so predavatelj in drugi<br />
udeleženci tečaja tam z vami. Učite pa se lahko<br />
kjer koli na svetu.<br />
22
CODERS LAB:<br />
več o nas<br />
Smo sodobna šola za IT, ki omogoča hitro menjavo poklica in učinkovito širjenje digitalnih<br />
kompetenc. Osredotočamo se na zagotavljanje praktičnih znanj, ki jih potrebujejo prihodnji<br />
delodajalci naših tečajnikov.<br />
Ponujamo intenzivne tečaje programiranja za splet (JavaScript) in uvodne tečaje za testerje<br />
začetnike. Naši tečaji so organizirani prek spleta (virtualne učilnice v živo) s polnim časom, ob<br />
koncih tedna ali zvečer.<br />
8 lokacij 10 let na trgu<br />
Več kot 250<br />
predavateljev v regiji<br />
Več kot 10.000<br />
diplomantov
Stik z nami<br />
Slovenija<br />
Se želite prepričati, da je ta tečaj pravi za vas?<br />
Z veseljem bomo odgovorili na vsa vprašanja, ki se vam morda porajajo. Ne izgubljajte časa <strong>–</strong> obrnite se na nas.<br />
V pogovoru s svetovalcem boste izvedeli:<br />
kakšen je program tečaja in kako je organiziran,<br />
kakšne so vaše možnosti financiranja.<br />
kaj morate vedeti pred začetkom tečaja,<br />
Ljubljana<br />
Svetovalni Center<br />
01-513-4401<br />
info@coderslab.si<br />
24