Cel ogólny:

wykształcenie u Słuchaczy kompetencji programistycznych z wykorzystaniem Pythona w kontekście badań i rozwoju; nauka wykorzystywania Pythona do automatyzacji pracy badawczej, analizy danych eksperymentalnych, przetwarzania wyników i tworzenia prototypów narzędzi wspomagających procesy R&D.

Cele szczegółowe:

• poznanie struktury projektów Pythonowych i środowiska pracy (Jupyter, Colab, VS Code),
• analiza danych pomiarowych (NumPy, Pandas, SciPy),
• tworzenie wykresów technicznych i raportów (Matplotlib, Plotly, PDF export),
• automatyzacja przetwarzania danych (skrypty, pętle, harmonogramy zadań),
• praca z plikami CSV, Excel, JSON, XML, API,
• wprowadzenie do testowania hipotez i symulacji,
• prototypowanie modeli i narzędzi (FastAPI, Streamlit, Dash),
• praca nad miniprojektem związanym z rzeczywistymi danymi R&D.

Korzyści dla słuchacza:

Wiedza – Słuchacz:

• zna biblioteki Pythona wykorzystywane w R&D (NumPy, Pandas, Plotly, SciPy, Dash, FastAPI),
• rozumie sposoby analizy danych eksperymentalnych i naukowych,
• wie, jak zautomatyzować przetwarzanie danych w codziennej pracy.

Umiejętności – Słuchacz:

• potrafi pisać skrypty do obróbki danych pomiarowych,
• umie tworzyć interaktywne wykresy i raporty,
• potrafi zbudować prototyp aplikacji wspierającej badania.

Kompetencje społeczne – Słuchacz:

• umie prezentować wyniki w sposób zrozumiały dla zespołu badawczego,
• potrafi wspólnie rozwijać narzędzia analityczne w zespole R&D.

Metody pracy:

• praca warsztatowa w Google Colab / Jupyter,
• projekt zespołowy,
• analiza studiów przypadków,
• praca z danymi klienta lub publicznymi danymi naukowymi.

Metody weryfikacji efektów kształcenia:

• projekt końcowy – egzamin dla chętnych Słuchaczy (z analizą kodu i raportem),
• zadania warsztatowe z oceną wykonania,
• krótkie quizy sprawdzające wiedzę.