Zapisy zakończone.

Kolejna edycja na jesień 2026.

Zapisz się do newslettera, aby jej nie przegapić kolejnych inicjatyw:

Chodź, wprowadzę Cię na wyższy poziom w analizie danych ✨

9 lutego 2026 ruszamy z pierwszą edycją kursu

Python w Analizie Danych 🐍

To nie jest zwykły kurs. To jest kurs Premium.

To 6-miesięczny intensywny program zaprojektowany tak, by uczyć efektywnie. To nie tylko nagrania, ale przede wszystkim masa (prawie codziennych… przez pół roku!) zestawów zadań Pythanie na Śniadanie, kartkówki, społeczność, dostępność prowadzącej i projekty indywidualne.

Jest to program który:

➡️ wprowadzi Cię w świat programowania w Pythonie od zera

➡️ uczy nie tylko języka programowania, ale przede wszystkim skupia się na praktycznej nauce analizy danych

➡️ naucza poprzez praktykę i systematyczność – codziennie działamy albo poprzez nowe lekcje, albo zestaw zadań Pythanie na Śniadanie 🐍🥐

➡️ oprócz fundamentów, obejmuje także bardziej zaawansowane zagadnienia przetwarzania danych, takie jak testy statystyczne czy zastosowanie algorytmów

➡️ pozwoli Ci stworzyć dwa autorskie projekty do portfolio, oparte na Twoich własnych zestawach danych

Po ogromnym sukcesie kursu SQL…

… wchodzimy na wyższy poziom i sięgamy po najważniejsze narzędzie w świecie danych – Pythona!

Ale chcemy naprawdę nauczyć się Pythona, a nie liznąć trochę programowania w 2-weekendowym kursie, po którym i tak nic nie zapamiętasz. Dlatego program został rozłożony na 6 miesięcy. Ten kurs to maraton, nie sprint – z myślą o spokojnym, systematycznym tempie nauki na co dzień (zdecydowanie mniejszym niż w kursie SQL). Zadania będą codzienne, ale będzie ich mniej. Zaplanowana jest także przerwa oraz czas na realizację mini-projektu, który, w razie potrzeby, można sobie odpuścić.

3 w 1: Python, analiza danych, statystyka i wstęp do algorytmów

Żeby pojąć taką wiedzę, musiał(a)byś zrobić 3 osobne kursy – a pewnie i tak pewnie później miał(a)byś problem scalić tę wiedzę w całość. Jeżeli używamy Pythona w pracy, to robimy to po coś więcej niż proste operacje na danych i wizualizacje – dlatego ten kurs wchodzi głębiej, w statystykę i podstawy algorytmów. Uczymy się takiego Pythona, jakiego rzeczywiście używa się w pracy. Ale uczymy się go efektywnie, a nie tylko poruszamy te tematy jak mają w zwyczaju studia podyplomowe.

Kurs jest idealny dla Ciebie, jeżeli:

✔ Pracujesz na codzień z danymi, ale z prostszymi technologiami jak Excel czy SQL

✔ Marzysz o rozwoju zawodowym i rozpoczęciu komercyjnej pracy z analizą danych w Pythonie 👔

✔ Może masz już za sobą jakiś kurs z Pythona, ale nadal czujesz, że nie wiesz co zrobić z danymi i brakuje Ci praktyki 😬

✔ Coś tam wiesz o statystyce, kojarzysz, że istnieją testy statystyczne, ale nie rozumiesz kiedy i po co je stosować

✔ Myślisz o rozwoju w kierunku Data Science, ale wydaje Ci się to zbyt techniczną drogą i zastanawiasz się, czy dasz radę

✔ Lubisz rozwój, zagadki logiczne i łamigłówki 🧠

✔ Wiesz, że najlepsza inwestycja, to inwestycja w siebie 💪🏻

Kurs składa się z 5 modułów:

Nr Modułu	Moduł	Przewidywany czas	Szczegóły
1	Python – podstawy	2 miesiące	Podstawy języka Python, typy i struktury danych, instrukcje warunkowe, pętle, funkcje.
2	Analiza danych	1 miesiąc	Praca z danymi w Pandas: podstawowe operacje na danych.
3	Wizualizacja danych	2 tygodnie	Tworzenie i formatowanie wykresów w Matplotlib i Seaborn.
	Mini-projekt (opcjonalny)	2 tygodnie	Samodzielna analiza własnych danych + peer-review.
4	Statystyka	3 tygodnie	Statystyka opisowa, testowanie statystyczne, regresja, korelacja.
5	Algorytmy	1 miesiąc	Praca z algorytmami i scikit-learn: trenowanie, ocena modeli, zastosowanie prostych algorytmów.
	Projekt końcowy	3 tygodnie	Pełny projekt analizy danych + peer-review.

Kilknij aby rozwinąć szczegółowy, tygodniowy plan. Uwaga! Ze względu na pilotażową pierwszą edycję, harmonogram może ulec zmianie.

Tydzień	Data	Moduł	Lekcja	Główne biblioteki	Opis
1	09.02.2026	Python – podstawy	Wprowadzenie do kursu i środowiska Python		Organizacja kursu. Konfiguracja środowiska pracy: Python, Jupyter Notebook, Google Colab. Zarządzanie bibliotekami (pip) i korzystanie z dokumentacji. Zmienne, typy danych, komentarze, print, import funkcji.
2	16.02.2026	Python – podstawy	Typy danych		Typy numeryczne (int, float) i tekstowe (str). Podstawowe operacje na stringach oraz formatowanie tekstu (f-stringi). Typ logiczny (bool), operatory i wartość None.
3	23.02.2026	Python – podstawy	Struktury danych I		Listy (lists), list comprehensions, krotki (tuples).
4	02.03.2026	Python – podstawy	Struktury danych II		Słowniki (dictionaries), zbiory (sets).
5	09.03.2026	Python – podstawy	Logika programu i obsługa błędów		Instrukcje warunkowe if/else, obsługa wyjątków try/except.
6	16.03.2026	Python – podstawy	Pętle i iteracja		Pętle for, range, while, iteratory i iterowalność.
7	23.03.2026	Python – podstawy	Funkcje, generowanie liczb i praca z plikami	random, os	Definiowanie własnych funkcji, przekazywanie argumentów praca na pseudolosowych zbiorach przy bibliotece random, podstawowa obsługa plików.
8	30.03.2026	Przerwa			Przerwa organizacyjna, czas na utrwalenie (lub nadrobienie) materiału.
9	06.04.2026	Analiza danych	Wprowadzenie do analizy danych z biblioteką Pandas	pandas	Wprowadzenie do biblioteki Pandas, struktury Series i DataFrame, import i eksport danych (CSV, Excel), podstawowe funkcje (describe, shape itd.)
10	13.04.2026	Analiza danych	Filtrowanie i przekształcanie danych		Filtrowanie danych, sortowanie, dodawanie i modyfikacja kolumn, zmiana typów danych.
11	20.04.2026	Analiza danych	Statystyka opisowa i transformacje danych		Statystyki kolumnowe (isnull, value_counts, unique), transformacje danych, funkcja apply.
12	27.04.2026	Analiza danych	Łączenie i agregacja danych		Łączenie danych (merge, join, concat) oraz agregacja danych (groupby).
13	04.05.2026	Wizualizacja danych	Podstawy wizualizacji danych I	matplotlib, seaborn	Tworzenie wykresów z użyciem Pandas oraz biblioteki Matplotlib.
14	11.05.2026	Wizualizacja danych	Podstawy wizualizacji danych II		Formatowanie wykresów, elementy zaawansowane wizualizacji, biblioteka Seaborn.
15	18.05.2026	Mini-projekt (opcjonalny)			Dla chętnych realizacja mini-projektu: prosta analiza danych na podstawie własnego zestawu danych.
16	25.05.2026				Osoby biorące udział w mini-projekcie oceniają projekty innych kursantów na zasadzie peer-review. Dodatkowa lekcja omawiająca wybrane projekty.
17	01.06.2026	Statystyka	Statystyka opisowa i rozkłady danych	scipy.stats, statsmodels	Statystyka opisowa (miary położenia i rozproszenia) oraz podstawowe typy rozkładów danych. Interpretacja rozkładów i ich znaczenie w dalszej analizie. Biblioteki statystyczne w Pythonie.
18	08.06.2026	Statystyka	Testowanie hipotez i istotność statystyczna		Wprowadzenie do testowania hipotez statystycznych oraz interpretacji wartości p (p-value). Testy normalności rozkładu, test t-Studenta, analiza wariancji (ANOVA). Testy parametryczne i nieparametryczne. Wielkość efektu.
19	15.06.2026	Statystyka	Regresja, korelacja i przedziały ufności		Analiza zależności między zmiennymi: korelacja Pearsona i Spearmana oraz regresja liniowa. Wprowadzenie do przedziałów ufności. Test chi-kwadrat.
20	22.06.2026	Algorytmy	Wprowadzenie do algorytmów i scikit-learn	scikit-learn	Biblioteka scikit-learn i podstawy pracy z modelami. Przegląd głównych typów algorytmów, regresja liniowa jako pierwszy model predykcyjny.
21	29.06.2026	Algorytmy	Trenowanie modeli i ich ocena		Proces uczenia modelu: metody fit, transform, predict. Podstawowe metryki ewaluacji modeli oraz interpretacja wyników.
22	06.07.2026	Algorytmy	Przygotowanie danych i interpretacja modeli		Przygotowanie danych do algorytmów (preprocessing). Podstawy wyjaśnialności modeli (feature importance, interpretacja predykcji).
23	13.07.2026	Algorytmy	Drzewa decyzyjne i wstęp do uczenia maszynowego		Drzewa decyzyjne jako przykład modelu nieliniowego. Wprowadzenie do metod uczenia maszynowego.
24	20.07.2026	Projekt końcowy			Realizacja projektu końcowego polegającego na przeprowadzeniu pełnego procesu analizy danych na własnym zbiorze danych. Projekt powinien obejmować przygotowanie i eksplorację danych, wizualizację wyników, analizę statystyczną oraz zastosowanie prostego algorytmu.
25	27.07.2026
26	03.08.2026				Ocena projektów innych kursantów na zasadzie peer-review. Spotkanie live z feedbackiem wybranych projektów. Dodatkowa lekcja omawiająca wybrane projekty.

Stawiamy na efektywną naukę:

➜ Małe dawkowanie wiedzy ⚖️ – na początku tygodnia w poniedziałek otrzymujesz krótkie nagrane lekcje z nowym materiałem

➜ Systematyczność 📅 – od wtorku do piątku codziennie dostajesz Pythanie na Śniadanie 🐍🥐, czyli zestaw 2-3 krótkich zadań z Pythona

➜ Zewnętrzna (czyt. najlepsza) motywacja 📝 – tydzień kończymy 15-minutową kartkówką

➜ Nauka poprzez praktykę 🛠️ – w czasie kursu robimy dwa autorskie projekty, na swoich samodzielnie znalezionych zestawach danych. Projekty są oceniane przez innych kursantów na zasadzie peer-review, dzięki czemu nie tylko sam(a) piszesz kod, ale dodatkowo uczysz się poprzez ocenę innych projektów. Kurs kończysz z dwoma projektami, gotowymi do umieszczenia w portfolio na githubie i w CV.

Sugerowane wymagania uczestnictwa w kursie

Startujemy z nauką Pythona od zera, nie jest wymagane wcześniejsze doświadczenie z tym językiem.

Nie ma wymagań sprzętowych. Najlepiej zainstalować Pythona na własnym sprzęcie, ale nie jest to wymagane – pokazuję na początku kursu jak można działać z Pythonem w przeglądarce, bez instalacji, za pośrednictwem Google Colab.

Zwracam jednak uwagę, że Python nie jest najlepszy do nauki dla osób, które dopiero zaczynają swoją przygodę z danymi. Dla takich osób lepszą opcją będzie najpierw uczestnictwo w kursie SQL w Analizie Danych (w kwietniu 2026 ruszamy z kolejną edycją).

Kurs jest odpowiedni dla osób znających podstawowe koncepty pracy na danych: wiedzą o różnych typach danych, rozumieją koncepty podstawowych operacjach na danych jak filtrowanie, sortowanie, łączenie danych czy agregacja. Kurs jest idealnym rozszerzeniem dla osób, które ukończyły kurs SQL w Analizie Danych.

Gdzie będziesz za 6 miesięcy? ✨

✅ Będziesz znać solidne podstawy programowania w Pythonie.

✅ Samodzielnie wykonasz poprawną analizę danych w Pythonie w Jupyterze Notebooku.

✅ Będziesz na poziomie technicznym zaawansowanego Analityka Danych / aspirującego Data Scientista.

✅ Poznasz podstawy statystyki oraz dowiesz się, kiedy i dlaczego stosuje się testy statystyczne.

✅ Zrealizujesz swoje pierwsze wykorzystanie algorytmów do danych oraz zrozumiesz, jak i po co się je stosuje – zdobędziesz zatem konkretne fundamenty do dalszej nauki w kierunku data science.

✅ Będziesz posiadać autorski projekt do portfolio, gotowy do pokazania rekruterom i pochwalenia się nim w CV.

Cena

329 zł brutto / miesiąc przez 6 miesięcy

267,48 zł netto + VAT / miesiąc przez 6 miesięcy

całkowita cena za kurs wynosi 1 974 zł brutto (1 604,88 zł netto + VAT)

Płatności odbywają się na zasadzie subskrypcji: co miesiąc przez 6 miesięcy automatycznie z karty pobierana jest opłata 329 zł. Podpięcie karty płatniczej jest wymagane do uczestnictwa.

Zapisy na kurs odbywają się poprzez opłacenie pierwszej raty kursu. Opłacenie pierwszej raty jest równoznaczne z akceptacją regulaminu kursu. Wystawiam fakturę VAT -przy zakupie uzupełnij informacje o firmie, a w przeciągu kilku dni otrzymasz fakturę VAT na maila podanego przy zakupie.

Limit na pierwszą edycje to 100 osób.

Zapisy na kurs są otwarte do osiągnięcia limitu.

FAQ

Czy otrzymam certyfikat?

Po zaliczeniu otrzymasz imienny certyfikat w języku polskim oraz angielskim. Zaliczenie wymaga uzyskania przynajmniej 60% z kartkówek (lub końcowego egzaminu), zrealizowania projektu końcowego oraz oceny 2 projektów innych kursantów w ramach oceny peer-review.

Na czym polega płatność za kurs? Czy można zapłacić w innej formie?

Kurs jest dostępny wyłącznie w formie płatności ratalnej – 6 rat po 329 zł brutto miesięcznie, co łącznie daje kwotę 1 974 zł brutto. Jedyną oferowaną formą płatności jest podpięcie karty płatniczej. Płatność odbywa się poprzez bezpieczny i szyfrowany system płatności Stripe.

Opłaty pobierane są automatycznie z karty płatniczej raz w miesiącu przez okres 6 miesięcy. W przypadku braku środków na karcie system podejmie ponowną próbę obciążenia po kilku dniach.

Brak terminowej płatności którejkolwiek z rat skutkuje czasowym wstrzymaniem dostępu do kursu do momentu uregulowania zaległości. Wstrzymanie dostępu z powodu nieopłacenia raty nie stanowi podstawy do zwrotu środków za wcześniej uiszczone raty.

Czy planujesz kolejne edycje?

Tak, zapisz się do newslettera, żeby ich nie przegapić.

Czy dam sobie radę? Czy kurs jest odpowiedni dla mnie?

Kurs nie wymaga wcześniejszego programowania w Pythonie, ale wymaga podstawowej wiedzy o pracy z danymi (typy danych, podstawowe operacje na danych jak filtrowanie, sortowanie, łączenie danych czy agregacja.). Jeżeli jesteś osobą całkowicie początkującą i nie masz doświadczenia w pracy z danymi, ten kurs nie jest dla Ciebie, zacznij od kursu SQL. Kurs jest idealny dla osób, które znają się na SQL-u, ale chciałyby nauczyć się coś więcej. Python jest językiem programowania, nie każdy ma predyspozycje, by się jego nauczyć – wymaga umysłu ścisłego, rozwiniętych umiejętności analitycznych oraz silnego myślenia logicznego. Nauka programowania wymaga mnóstwo czasu i ogrom cierpliwości, w dodatku ten kurs trwa wiele miesięcy – weź pod uwagę te czynniki.

Czy są wymagania sprzętowe?

Nie ma wymagań sprzętowych, ale zachęcam do instalacji Pythona oraz Jupytera Notebooka na swoim komputerze, uczę na początku kursu jak przejść przez proces instalacji. Jeżeli nie masz sprzętu także możesz uczestniczyć w kursie, ponieważ pokazuję jak korzystać z bezpłatnego narzędzia online Google Colab.

Ile czasu muszę poświęcić na kurs?

Pierwsza edycja jest edycją pilotażową – więc całkiem szczerze – ciężko powiedzieć. Celuje w ok. max 1 godzinę lekcji w poniedziałki i 2-3 dzienne zadania od wtorku do piątku + 15-minutowa kartkówka na zakończenie tygodnia. Będę celować, żeby to było maksymalnie ok. 4 godzin na tydzień.

Czy będę mieć wsparcie prowadzącej?

Kurs live charakteryzuje się większym wsparciem osoby prowadzącej niż wcześniej nagrane kursy online – w miarę możliwości będę odpowiadać na Wasze pytania i sugestie. W trakcie kursu możesz zadawać pytania do lekcji oraz dyskutować z innymi kursantami.

Warto jednak mieć na uwadze, że mimo wszystko jest to kurs grupowy – zadania i kartkówki są sprawdzane automatycznie, mają zaznaczone prawidłowe odpowiedzi oraz poprawny kod, który możesz porównać do swojego rozwiązania. Na kursie grupowym nie jestem w stanie pracować indywidualnie z kursantami, na przykład towarzyszyć Ci podczas pisania kodu czy sprawdzać każde Twoje rozwiązanie. Nauka programowania wymaga dużo samodzielnej pracy oraz cierpliwości.

Czy można przerabiać kurs w swoim tempie?

Wszystkie materiały są dostępne i można do nich podejść po terminie, masz do nich dostęp przez rok po zakupie kursu. Jednak najlepiej kurs przerabiać na bieżąco – wtedy masz dodatkową motywację w postaci deadline’ów. Zaliczenie kursu oraz otrzymanie certyfikatu wymaga oddania projektu końcowego w wyznaczonym harmonogramie.

Czy jest limit miejsc? Do kiedy są zapisy?

Na pierwszą edycję przyjmujemy maksymalnie 100 kursantów. Zapisy są do wyczerpania limitu.

Czy jest możliwość innej płatności lub rozłożenia płatności na więcej rat?

Przy tej edycji niestety nie – podpięcie karty to jedyna akceptowalna forma płatności.

Czy jest możliwość otrzymania faktury VAT?

Tak. Przy zakupie uzupełnij informacje o firmie, a w przeciągu kilku dni otrzymasz fakturę VAT na maila podanego przy zakupie.

Masz inne pytanie?

Nie wiesz, czy kurs jest odpowiedni dla Ciebie? Masz jakieś pytania? Skontaktuj się ze mną za pomocą poniższego formularza.

Organizatorem kursu jest Katarzyna Dyl z siedzibą w Karmelicka 5/5 31-133 Kraków, NIP: 6751782029, REGON: 525212833. Regulamin kursu Python w Analizie Danych jest dostępny tutaj, a politykę prywatności strony możesz znaleźć tutaj. Zakup kursu jest równoznaczny z akceptacją regulaminu.

keywords: Python, kurs python, podstawy pythona, python dla początkujących, python analiza danych, python statystyka, nauka pythona online, python wizualizacja danych, pandas, kurs pandas, pandas python, kurs matplotlib, matplotlib, kurs seaborn, seaborn, kurs scikit learn, scikit, scikit learn, kurs numpy, numy, numpy python, kurs scipy, scipy, python dla data science, python data science, python dla data scientist, programowanie w Pythonie, python dla analityków, python analityk danych, python analiza danych, python do statystyki, python statystyka, python machine learning, analiza danych w Pythonie, szkolenie python data science, szkolenie python analiza danych, wizualizacja danych, python kurs online, python szkolenie online, analiza danych kurs, nauka analiza danych, co to pandas python, pandas python vs numpy, pandas python basics, pandas python beginner, pandas python course