Sprawdź zawód
Dane

Data Scientist

Od pytania biznesowego do oceny modelu. Naucz się dobierać dane i metryki oraz wyjaśniać ograniczenia predykcji.

Kompendium zawodu

Pojęcia w pracy

Etykieta
Rzeczywisty wynik, którego przewidywania ma się nauczyć model.
Cecha
Informacja dostępna modelowi przy wyznaczaniu predykcji.
Baseline
Prosta metoda porównawcza, która pokazuje wartość bardziej złożonego podejścia.
Przeciek danych
Użycie informacji dostępnej dopiero po decyzji lub przenikającej z danych oceny.
Próg decyzji
Wartość, od której wynik modelu prowadzi do określonego działania.

Zwroty w typowych sytuacjach

„Potwierdźmy, jakie działanie wynika z predykcji.”
Łączysz projekt z konkretną decyzją.
„Ta cecha powstaje dopiero po rozstrzygnięciu.”
Wskazujesz ryzyko przecieku danych.
„Sprawdzę osobno nowszy okres i trudniejsze grupy.”
Uzupełniasz wynik ogólny oceną stabilności.

Program kursu

Podstawy

  1. 1Od pytania do etykiety
  2. 2Cechy i przeciek danych

Praktyka

  1. 3Punkt odniesienia i podział danych
  2. 4Próg i skutki pomyłek

Specjalizacja

  1. 5Wyniki dla grup i okresów
  2. 6Monitorowanie i decyzja o aktualizacji

Jak wygląda praca

  1. Podstawy

    Zdefiniuj decyzję

    Nazwij działanie, koszt pomyłki i chwilę dostępności danych.

  2. Praktyka

    Ucz i porównuj

    Ustal prosty punkt odniesienia oraz niezależne dane oceny.

  3. Specjalizacja

    Oceń użyteczność

    Pokaż błędy, ograniczenia i warunki wdrożenia.

Źródła do nauki Google Machine Learning Crash Course — podział zbioru danych · Google — próg klasyfikacji i macierz pomyłek

Przećwicz rozmowę kwalifikacyjną

Odpowiedz na głos, a potem rozwiń przykładową odpowiedź.

Dlaczego dobry wynik ogólny może ukryć problem?

Duże grupy dominują w wyniku. Sprawdzam pomyłki także dla nowszych okresów i grup ważnych dla decyzji.

Jak odróżnisz dobre dopasowanie od użyteczności?

Porównam wynik z prostą metodą na oddzielnych danych i sprawdzę, czy decyzje mieszczą się w możliwościach zespołu.

Zadanie rekrutacyjne

Sklep chce przewidywać zamówienia zagrożone opóźnieniem. Jedna kolumna zawiera datę skargi, a zespół obsługi może sprawdzić tylko część zamówień. Opisz wybór cech, dane oceny i decyzję o progu bez wykonywania obliczeń.

Pokaż kryteria wykonania
  • Wykluczasz informacje dostępne po chwili predykcji.
  • Uwzględniasz koszt obu rodzajów pomyłek i ograniczenia zespołu.
  • Sprawdzasz wynik na innym okresie i porównujesz go z prostą regułą.

Pierwszy dzień w pracy

Ustal, kto podejmuje decyzję na podstawie predykcji. Poproś o słownik danych, historię etykiet i sposób porównywania wersji modelu.

Widełki wynagrodzeń

Data Scientist · Rekrutacje z 2025 r. · Polska · pełny etat · miesięcznie brutto

Polska
20 000–27 000 zł

Źródło Hays Poland, raport płacowy 2026, s. 62

Inne kursy z tej branży

Dane

Machine Learning Engineer

Przenoś modele uczenia maszynowego do działającej usługi. Poznaj walidację wejścia, wersjonowanie i bezpieczny odbiór predykcji.

  • Walidacja wejścia
  • Wersjonowanie modeli
  • Monitoring predykcji
6 lekcji · 3 poziomy Otwarta lekcja