Data Analytics Bootcamp
Перелік занять та матеріалів
Оновлення матеріалів: контент лекцій планується регулярно доповнювати на основі інших проведених презентацій та буткемпів в університеті. Актуальні зміни відображатимуться у цьому файлі та на сторінці курсу.
📘 Вступ до аналітики даних для розробників
Мета: Сформувати базове розуміння ролі аналітики даних у розробці ПЗ; познайомити з ключовими поняттями, типами аналітики, типовим процесом аналізу (від постановки цілей до інтерпретації результатів), а також вимогами до якості даних, відтворюваності та звітування. 🤖📚
📘 Вступ до стастистичних досліджень для розробників
Мета: Сформувати цілісне статистичне мислення для обґрунтованого аналізу даних: навчити відрізняти генеральну сукупність і вибірку, параметри й статистики; добирати коректні описові метрики та візуалізації; пояснювати роль випадковості, похибок і упереджень; правильно будувати й тлумачити довірчі інтервали; формулювати та перевіряти статистичні гіпотези; критично оцінювати дизайн дослідження й дотримуватися принципів етики та відтворюваності. 🤖📚
📘 Вступ до машинного навчання для розробників
Лектор: Юрій Клебан
Мета: ознайомити розробників із базовими поняттями, принципами та етапами машинного навчання, показати його місце у сучасній розробці ПЗ, а також сформувати початкові навички побудови моделей з використанням популярних інструментів і бібліотек. 🤖📚
🎯 Навчання з учителем: задачі регресії та класифікації
Лектор: Юрій Клебан
Мета: ознайомити студентів із підходами supervised learning (регресія та класифікація) і сформувати практичні навички побудови, навчання та оцінювання моделей на основі реальних даних (метрики, крос-валідація, тюнінг). 📊🧪
🧭 Контроль версій за допомогою Git
Лектор: Олександр Коновалов
Мета: сформувати розуміння принципів контролю версій даних і коду у Git; навчити ефективно працювати з репозиторіями, відстежувати зміни, створювати гілки та об’єднувати результати командної роботи в аналітичних проєктах. 🧩🔧
🧭 Колективна робота з версіями даних у GitHub
Лектор: Олександр Коновалов
Мета: навчити команду організовувати керування версіями даних у GitHub: вибудувати структуру репозиторію для даних і коду; працювати з гілками, Pull Request і code review; налаштовувати доступ, організовувати безпечний відкат до попередніх версій.
🐼 Основи роботи з pandas для аналізу даних
Лектор: Богдан Красюк
Мета: опанувати ключові операції з pandas у Python: завантаження, обробка, індексація, фільтрація, групування, об’єднання таблиць — як базу для подальшої аналітики та візуалізації. 🗂️⚙️
📈 Оглядовий аналіз та візуалізація даних у Python
Лектор: Богдан Красюк
Мета: навчитися EDA та застосуванню інструментів візуалізації (matplotlib, seaborn, plotly) для виявлення закономірностей, трендів і взаємозв’язків у даних та створення зрозумілих графіків. 🔍🖼️
🎨 Візуалізація даних у R за допомогою ggplot2
Лектор: Юрій Клебан
Мета: опанувати граматику графіки ggplot2, роботу з шарами та темами, створення інформативних візуалізацій для досліджень і звітів, а також експорт графіків. 📐🖌️
✨ Використання генеративного штучного інтелекту для аналізу даних
Лектор: Юрій Клебан
Мета: показати можливості generative AI для автоматизації й прискорення аналізу даних: генерація коду, пояснення результатів, автоформування звітів; обговорити ризики й важливість “людини в циклі”. 🤝🤖
⚙️ Автоматизація обробки даних з використанням AI-агентів
Лектор: Юрій Клебан
Мета: сформувати розуміння принципів побудови та використання AI-агентів, інструментальних ланцюжків та інтеграцій з API для автоматизації рутинних аналітичних задач і оптимізації процесів. 🔗🧠
Формат
Hybrid — онлайн + офлайн зустрічі з практичними кейсами, рев’ю від запрошених експертів і менторською підтримкою.
На заняттях учасники працюють із реальними наборами даних, сучасними інструментами (Python, R, SQL, Plotly, Git) і AI-помічниками для прискорення роботи.
Результат
Після завершення Bootcamp ви отримаєте:
- Портфоліо з готовими ноутбуками та візуалізаціями
- Міні-проєкт для резюме чи навчального використання
- Практичні навички командної роботи з даними
- Досвід застосування AI у реальних аналітичних завданнях
Організатори
Юрій Клебан,
Кафедра ІТ та аналітики даних Національного університету “Острозька академія”
