Sylwetka absolwenta
Absolwent kursu potrafi samodzielnie przygotować podstawową, ale kompletną analizę danych w środowisku Jupyter Notebook. Umie zaplanować strukturę pracy, wczytać dane, sprawdzić ich jakość, oczyścić zbiór, przeprowadzić eksploracyjną analizę danych, przygotować odpowiednie wizualizacje oraz sformułować wnioski wynikające z analizy.
Absolwent rozumie rolę notatnika Jupyter jako raportu obliczeniowego. Potrafi łączyć kod, wyniki, komentarze i wykresy w jeden spójny dokument. Dba o czytelność kodu, logiczny układ komórek, opisywanie założeń oraz możliwość ponownego uruchomienia analizy przez inną osobę.
Absolwent potrafi korzystać z podstawowych narzędzi analitycznych ekosystemu Pythona, w szczególności z bibliotek Pandas, NumPy i Matplotlib. Umie stosować je do typowych zadań analitycznych: filtrowania danych, agregacji, obliczania statystyk opisowych, porównywania grup, przekształcania danych i przygotowywania wykresów.
Absolwent potrafi wykorzystywać modele językowe LLM jako wsparcie w pracy analitycznej. Umie formułować prompty dotyczące kodu, danych, interpretacji wyników i struktury raportu. Potrafi korzystać z LLM do wyjaśniania błędów, proponowania kroków analizy, generowania roboczych opisów oraz tworzenia checklist kontrolnych.
Absolwent zna ograniczenia modeli językowych i potrafi krytycznie oceniać ich odpowiedzi. Wie, że model może wygenerować błędny kod, niepoprawnie zinterpretować dane lub zaproponować wnioski, które nie wynikają z analizy. Potrafi weryfikować sugestie modelu przez uruchomienie kodu, sprawdzenie wyników, porównanie z dokumentacją i logiczną ocenę założeń.
Absolwent jest przygotowany do realizacji prostych projektów analitycznych w kontekście technicznym, edukacyjnym, organizacyjnym lub inżynierskim. Potrafi pracować z danymi pomiarowymi, eksploatacyjnymi, laboratoryjnymi, ankietowymi lub organizacyjnymi. Umie przedstawić wyniki w sposób zrozumiały dla odbiorcy oraz wskazać ograniczenia przeprowadzonej analizy.