Jak realizować kurs

Kurs „Python, LLM i analiza danych w notatnikach Jupyter” prowadzi krok po kroku przez kompletny proces analizy danych: od przygotowania środowiska i danych wejściowych, przez ich czyszczenie, analizę i wizualizację, aż po przygotowanie odtwarzalnego raportu obliczeniowego.

Materiał jest przeznaczony do samodzielnej pracy w dogodnym dla Ciebie tempie. Poszczególne elementy kursu łączą krótkie materiały merytoryczne, pracę praktyczną w notatnikach Jupyter, instrukcje modułowe oraz testy sprawdzające zrozumienie materiału.

Zalecana kolejność pracy

  1. Rozpocznij od materiału „Wstęp do kursu”. Poznasz cel kursu, jego strukturę oraz efekt, do którego będziesz dążyć: czytelny i odtwarzalny raport analityczny.
  2. Realizuj moduły po kolei — od M1 do M6. Każdy moduł rozwija umiejętności potrzebne w kolejnym, dlatego warto zachować zaproponowaną kolejność.
  3. Oglądaj materiały w krótszych fragmentach. Prezentacje zostały podzielone na części, aby ułatwić skupienie się na jednym zagadnieniu naraz. Po każdym fragmencie zatrzymaj się na chwilę i sprawdź, czy rozumiesz przedstawione pojęcia oraz zależności.
  4. Wykonuj ćwiczenia w notatniku Jupyter. Po zapoznaniu się z materiałem merytorycznym przejdź do instrukcji dla danego modułu i wykonaj wskazane zadania praktyczne.
  5. Rozwiąż test edukacyjny po każdym module. Krótki, pięciopytaniowy test ma charakter samosprawdzający — pomoże Ci rozpoznać zagadnienia, do których warto wrócić.
  6. Po ukończeniu wszystkich modułów rozwiąż test końcowy. Test końcowy obejmuje 20 pytań i służy ocenie osiągniętych efektów uczenia się.

Mapa kursu

  • M1. Powtarzalny workflow analizy danych w Jupyter Notebook — organizacja pracy, struktura notatnika i odtwarzalność analizy.
  • M2. Wczytywanie, czyszczenie i przygotowanie danych — kontrola jakości danych, braki, typy danych, duplikaty i przekształcenia.
  • M3. Eksploracyjna analiza danych z użyciem Pandas — pytania analityczne, statystyki opisowe, grupowanie i interpretacja wyników.
  • M4. Wizualizacja danych i narracja analityczna — dobór wykresów, czytelna prezentacja wyników i formułowanie komunikatów analitycznych.
  • M5. LLM jako asystent analityka danych — świadome promptowanie, weryfikacja sugestii modelu i dokumentowanie jego wykorzystania.
  • M6. Raport obliczeniowy i prezentacja wyników — połączenie wszystkich etapów w kompletny, uporządkowany raport w Jupyter Notebook.

Praca z materiałami praktycznymi

Na początku pobierz i rozpakuj pakiet startowy studenta. Zawiera on notatnik kursowy, dane wejściowe, instrukcje modułowe oraz pliki potrzebne do przygotowania środowiska pracy. Przed rozpoczęciem pracy zapoznaj się z instrukcją instalacji i uruchom środowisko JupyterLab.

  • Wykonuj komórki w notatniku kolejno — pozwoli to zachować właściwy tok analizy.
  • Traktuj pliki w folderze Dane jako dane źródłowe tylko do odczytu.
  • Wszystkie zmiany, obliczenia i wyniki wykonuj w notatniku oraz zapisuj w przeznaczonych do tego katalogach.
  • Po większych zmianach uruchom ponownie notatnik i wykonaj wszystkie komórki od początku. To prosty sposób sprawdzenia, czy analiza jest odtwarzalna.
  • Jeśli własny wynik czyszczenia danych wymaga poprawy, skorzystaj z materiałów udostępnionych przez prowadzącego zgodnie z organizacją kursu.

Jak korzystać z LLM

Model językowy może być pomocnym asystentem: wyjaśnić fragment kodu, pomóc sformułować pytania analityczne, zaproponować checklistę jakości danych lub przygotować roboczą wersję opisu wyników. Nie zastępuje jednak analityka ani nie gwarantuje poprawności odpowiedzi.

  • Każdą sugestię modelu sprawdzaj, uruchamiając kod i oceniając wyniki na podstawie danych.
  • Nie przekazuj do narzędzi LLM danych osobowych, haseł, kluczy API ani informacji poufnych.
  • Zapisuj istotne użycia LLM: cel, polecenie, otrzymaną sugestię, sposób weryfikacji i własną decyzję.

Wskazówka na koniec

Nie traktuj kursu jako zestawu niezależnych ćwiczeń. Kolejne moduły tworzą jeden proces analityczny. Najważniejszy jest nie tylko działający kod, lecz także umiejętność uzasadnienia decyzji, interpretacji wyników oraz przedstawienia ich w formie zrozumiałego i odtwarzalnego raportu.