Komplexní online kurz datové analytiky a umělé inteligence
Data and AI Specialist je komplexní online kurz, ve kterém se naučíš pracovat s daty a využívat umělou inteligenci v praxi. Během 34 týdnů zvládneš základy datové analytiky, práci s databázemi, SQL, Excelem a Power BI i moderní AI nástroje, automatizace a tvorbu vlastních AI asistentů.
Kurz probíhá online živě s lektory v češtině a kombinuje teorii s praktickými úkoly a projekty. Je vhodný i pro úplné začátečníky, kteří chtějí získat nové digitální dovednosti, rozšířit své kariérní možnosti nebo se připravit na práci v oblasti dat a AI.
Od základů práce s daty až po pokročilejší využití AI. Postupně si osvojíš nové nástroje a znalosti si vyzkoušíš na praktických úkolech a projektech.
Učíš se živě a v češtině, odkudkoliv ti to vyhovuje. Na otázky ti odpoví zkušení lektoři a s náročnějšími tématy ti pomohou.
Naučíš se analyzovat data, vytvářet reporty a využívat AI k automatizaci práce. Získáš praktické znalosti využitelné napříč obory.
Umět pracovat s Excelem nebo zadat otázku ChatGPT už dnes nestačí. Skutečná výhoda přichází ve chvíli, kdy dokážeš informace správně vyhodnotit, najít v nich souvislosti a využít AI k řešení konkrétních problémů. A právě na to se zaměříš.
V kurzu Data and AI Specialist získáš praktické dovednosti od práce s databázemi a vizualizace dat až po automatizaci procesů a tvorbu AI asistentů. Naučíš se nejen ovládat jednotlivé nástroje, ale také přemýšlet nad tím, kdy a jak je použít. Ať už chceš změnit kariéru, posunout se v současné práci nebo si otevřít nové možnosti.
Budeš pracovat s reálnými daty, vytvářet vlastní analýzy, reporty i automatizace. Získané znalosti si průběžně ověříš na praktických úkolech a projektech.
SQL, Excel, Power BI, ChatGPT, Make a další. Naučíš se používat technologie, se kterými se můžeš setkat v praxi, a pochopíš, jak je efektivně kombinovat.
Data a AI najdou uplatnění v celé řadě profesí. Získáš dovednosti využitelné v analytice, marketingu, financích i dalších oborech, kde se pracuje s informacemi.
Nemusíš umět programovat ani mít zkušenosti s datovou analytikou. Stačí základní práce s počítačem, chuť učit se a čas věnovat se praktickým úkolům.
Během 34 týdnů online výuky se postupně naučíš pracovat s daty, analyzovat je a vytvářet přehledné vizualizace. Osvojíš si Excel, SQL a Power BI a následně se zaměříš na umělou inteligenci, AI asistenty a automatizaci pracovních procesů. Začneš od základů a postupně se dostaneš k samostatnému řešení praktických úkolů.
Výuka probíhá živě s lektory v češtině a je postavená na aktivním zapojení. Místo pouhého sledování přednášek budeš pracovat na zadáních, zkoušet nové nástroje a hledat vlastní řešení. Získané znalosti si průběžně ověříš na praktických projektech, které ti pomohou lépe pochopit, jak data a AI využívat v reálných situacích.
V průběhu studia budeš mít podporu zkušených lektorů, na které se můžeš obrátit s otázkami. Po absolvování programu získáš certifikát o jeho dokončení (za předpokladu splnění podmínek studia). Odneseš si především konkrétní dovednosti, které můžeš využít v současné práci nebo při hledání nových profesních příležitostí.
Před zahájením kurzu od nás dostaneš organizační informace a pokyny k připojení na online výuku. Nepotřebuješ předchozí zkušenosti s programováním, datovou analytikou ani umělou inteligencí. Stačí počítač, připojení k internetu a chuť učit se.
Na živých lekcích tě zkušení lektoři provedou jednotlivými tématy a ukážou ti, jak s nástroji pracovat. Budeš mít prostor ptát se, diskutovat a postupně si budovat znalosti od základů až po pokročilejší postupy.
Nové znalosti si vyzkoušíš při práci s daty, tvorbě reportů, používání AI nástrojů i automatizaci úkolů. Díky průběžnému procvičování získáš jistotu při samostatné práci.
V průběhu studia budeš řešit praktická zadání, na kterých si ověříš, co už umíš. Vyzkoušíš si celý postup od pochopení problému přes výběr vhodných nástrojů až po vytvoření funkčního řešení.
Na konci programu budeš mít za sebou 34 týdnů studia a řadu praktických úkolů. Po splnění požadavků kurzu získáš certifikát o absolvování a znalosti, na kterých můžeš dál stavět.
V této lekci zjistíš, co je SQL (Structured Query Language). Jazyk, který používají analytici po celém světě, když potřebují pracovat s daty uloženými v databázích. SQL ti umožní data číst, filtrovat, třídit nebo měnit, a to všechno pomocí jednoduchých příkazů, které se dají snadno naučit.
Začneš instalací programu DBeaver. Nástroje, který ti umožní připojit se k databázi a pohodlně s ní pracovat. Naučíš se v něm orientovat, zobrazovat i vytvářet tabulky a vybrat jen ta data, která tě zajímají. Uvidíš, že SQL není jen pro „ajťáky“ a díky němu zvládneš rychle najít odpovědi i na složitější otázky typu „Jaké byly tržby minulý měsíc?“ nebo „Kteří zákazníci u nás nakoupili víc než třikrát?“
Tahle lekce ti položí pevné základy, které využiješ v každé další lekci Datové Akademie i v běžné praxi, kde se bez práce s daty dnes neobejde téměř žádná profese.
V této lekci se naučíš z dat vybírat jen to, co opravdu potřebuješ. Protože když máš v tabulce tisíce nebo miliony záznamů, není cílem vidět všechno, ale umět najít to podstatné.
Základem je filtrování pomocí příkazu WHERE, který ti umožní nastavit podmínky. Například „ukaž mi jen objednávky ze Slovenska“ nebo „zobraz zákazníky, kteří utratili víc než 1000 Kč“.
K tomu přidáš řazení (ORDER BY), díky kterému můžeš výsledky seřadit podle čísel, textů nebo dat. A aby byl výstup přehlednější, naučíš se také omezovat počet výsledků pomocí LIMIT.
Ukážeme si i složitější situace, jako je kombinování více podmínek (např. „pohlaví = muž a zároveň věk > 30“) nebo vyhledávání podle vzoru pomocí LIKE. Zkrátka, naučíš se SQL používat jako chytrý filtr, který ti z moře dat vyloví přesně to, co hledáš.
V téhle lekci se posuneš o úroveň výš. Už nebudeš jen vybírat jednotlivé řádky, ale naučíš se s daty počítat.
Zjistíš, jak se ze surových čísel vytvořit přehledné statistiky: kolik objednávek přišlo, jaký je průměrný plat nebo který produkt se prodává nejčastěji. K tomu ti pomůžou tzv. agregační funkce, tedy příkazy, které zpracují více řádků najednou.
A aby měly výsledky větší smysl, naučíš se používat i příkaz GROUP BY, který umožní seskupit data podle kategorií. Třeba podle města, produktu nebo měsíce. A ukážeme si, jak ošetřit prázdné hodnoty pomocí NULL.
Na praktických příkladech si rovnou vyzkoušíš, jak takové výpočty využít při tvorbě reportů a přehledů, které používají analytici v běžné praxi.
V téhle lekci pochopíš, jak spolu databázové tabulky dokážou komunikovat.
V praxi totiž většina dat neleží v jedné obří tabulce, ale je rozdělená. Třeba zvlášť zákazníci, objednávky, produkty, platby. A právě příkaz JOIN ti umožní tyhle kousky propojit dohromady do jednoho přehledu.
Ukážeme si, jak spojovat tabulky podle společných sloupců (tzv. klíčů) a jak číst jednoduché ERD diagramy, které znázorňují vztahy mezi daty. Naučíš se používat různé typy spojení. Od běžného INNER JOIN, který vrací jen shodné řádky, až po LEFT JOIN nebo RIGHT JOIN, které zachovávají i záznamy, pro které druhá tabulka nemá odpovídající hodnotu.
Dozvíš se taky, jak se vyhnout častým chybám při spojování tabulek a jak jim předejít.
A nakonec si vyzkoušíš i množinové operace a tvorbu dočasných dotazů, které ti zpřehlední práci s daty.
V téhle lekci posuneš práci se SQL o krok dál. Naučíš se psát složitější dotazy, které umí filtrovat výsledky po seskupení, ukládat si mezivýsledky a pracovat s výpočty přes více řádků. A všechno si hned otestuješ na praktických příkladech.
Začneš s příkazem HAVING, který filtruje už seskupená data. Například zobrazí jen kategorie s více než 100 objednávkami. Poté si vyzkoušíš dočasné tabulky (TEMP), které se hodí při rozdělení dlouhého dotazu do přehlednějších částí.
Dozvíš se taky, jak fungují materializované pohledy (VIEW), které si „pamatují“ výsledek dotazu, takže se nemusí znovu počítat.
Naučíš se taky pracovat s window funkcemi – chytrými výpočty, které umí porovnávat řádky mezi sebou (např. pořadí, průměry, meziroční změny).
A na závěr se podíváš, jak ti umělá inteligence může pomoct při generování SQL dotazů, kontrole syntaxe nebo optimalizaci kódu. Všechno si rovnou vyzkoušíš na praktických příkladech a pochopíš, že AI může být skvělý pomocník při práci s daty.
V téhle lekci zjistíš, že Excel není jen „tabulkový kalkulátor“, ale silný nástroj pro analýzu a vizualizaci dat. Naučíš se vytvářet chytré tabulky, které umí automaticky rozšiřovat vzorce, filtrovat a třídit data.
Pak přejdeš ke kontingenčním tabulkám (jednomu z nejmocnějších nástrojů v Excelu) pro shrnutí a přehled velkých dat. Pochopíš, jak přehledně zobrazit součty, průměry nebo počty a jak si z nich jedním klikem vytvořit graf.
Nakonec se seznámíš s užitečnými tipy, jak na interaktivní vizualizace. Průřezy, časové osy a hledání hodnot pomocí XLOOKUP, který nahradil starý VLOOKUP. Uvidíš, že i složitá data se dají zobrazit přehledně a interaktivně.
Tahle lekce tě posune na „datový“ level Excelu. Naučíš se pracovat s Power Pivotem, který z běžného listu dělá mini databázi. Propojíš více tabulek do jednoho modelu, vytvoříš mezi nimi vazby a uvidíš, jak se data automaticky aktualizují v reportech.
Dále si vysvětlíme, co jsou míry (measures), vlastní výpočty pro metriky jako tržby, zisk nebo počet objednávek. Naučíš se s nimi pracovat pomocí funkcí jako SUM, COUNT nebo AVERAGE.
Ukážeme si také KPI ukazatele, které ti pomůžou sledovat výkon (např. „splněno / nesplněno“) pomocí barev a symbolů.
Na závěr tě čeká kohortová analýza, moderní způsob, jak sledovat chování zákazníků v čase, například návratnost nebo retenci.
V téhle lekci poprvé nahlédneš do světa Business Intelligence (BI), tedy do nástrojů, které převádějí surová data na přehledné přehledy a grafy.
Power BI je klíčový nástroj pro každého, kdo chce data nejen analyzovat, ale i prezentovat. Seznámíš se s prostředím Power BI, kde budeš tvořit interaktivní reporty, které se automaticky aktualizují.
Naučíš se připojit ke zdroji dat, upravit datové typy a využít tři základní zobrazení (Report, Data, Model). Poté si vytvoříš první vizualizace. Graf vývoje v čase, srovnání podle zemí nebo interaktivní panel s filtry.
Nakonec doladíš vzhled reportu. Barvy, motivy, písmo i rozložení. Získáš tak svůj první BI report, kterým se můžeš pochlubit třeba u pohovoru nebo na LinkedInu.
Tahle lekce tě posune mezi uživatele, kteří Power BI opravdu ovládají. Zaměříš se na pokročilejší možnosti vizualizace a poprvé se setkáš s jazykem DAX (Data Analysis Expressions). Nástrojem, který umožňuje vytvářet vlastní výpočty a metriky v rámci reportu. Díky DAXu se naučíš vytvářet analýzy, které jdou dál než běžné grafy.
Zjistíš, jak vytvářet různé typy vizuálů. Tabulky, matice, mapy, karty i měřidla (gauge) a jak využít podmíněné formátování, které automaticky zvýrazní důležité hodnoty (např. nejlepší výsledky zeleně, nejhorší červeně).
Vysvětlíme si rozdíl mezi filtry a průřezy (slicery) a naučíš se, jak propojit jednotlivé vizuály tak, aby se na sebe dynamicky reagovaly. Když klikneš na sloupec v grafu, automaticky se změní i další grafy v reportu.
Na závěr si vyzkoušíš připojit druhý datový zdroj, správně ho naformátovat a kombinovat více datasetů v jednom přehledu.
Tahle lekce propojí všechny předchozí znalosti a naučí tě přemýšlet jako datový analytik. Zatímco doteď jsme vytvářeli jednotlivé vizualizace, teď je na čase pochopit, jak Power BI pracuje s daty pod kapotou. Jak je propojuje, modeluje a analyzuje v čase.
Naučíš se vytvářet datový model, který propojuje tabulky mezi sebou pomocí relací, místo klasických SQL spojení (JOIN). Ukážeme si princip tzv. STAR schématu, které je základem pro efektivní práci s velkými daty. Používají ho všechny BI týmy ve firmách.
Zjistíš, proč Power BI potřebuje vlastní kalendářovou tabulku, bez které se neobejde žádná časová analýza (např. meziroční srovnání nebo vývoj po kvartálech). Naučíš se ji vytvořit pomocí jazyka DAX s užitečnými funkcemi (např. CALCULATE, IF, AND, OR) a napojit ji na ostatní tabulky.
Podíváme se i na granularitu dat, tedy úroveň detailu, ve které s daty pracuješ. Díky tomu pochopíš, proč je někdy důležitější mít méně řádků, ale dobře definované vztahy mezi tabulkami.
Vyzkoušíš interaktivní prvky reportu, pochopíš rozdíl mezi measures a kalkulovanými sloupci, naučíš se používat základní funkce jazyka DAX pro logické výpočty a tvořit hierarchie (Rok > Kvartál > Měsíc). Zkrátka si osvojíš, jak připravit data tak, aby byla přehledná, spolehlivá a rychle zpracovatelná.
Naučíš se report publikovat do Power BI Service, kde se s ním dá pohodlně pracovat online, stejně jako ve firemní praxi.
A na závěr se dozvíš, jak ti AI dokáže usnadnit práci při návrhu dashboardů – od generování návrhu metrik a vizuálů až po vytváření popisků a vysvětlení trendů.
Za sebou máš tři lekce Power BI plné nových konceptů – od prvních vizualizací přes DAX až po datový model a Time Intelligence. Tahle lekce není o nové teorii, ale o praxi.
Pod vedením lektora si od nuly postavíš kompletní report: připojíš data, upravíš je, navrhneš datový model, vytvoříš míry a poskládáš interaktivní vizualizace do přehledného dashboardu. Krok za krokem si tak zopakuješ a propojíš všechno, co ses v Power BI naučil.
Během celé lekce je prostor na otázky – ať už tě trápí konkrétní problém z domácích cvičení, něco z DAXu, nebo si chceš ujasnit, jak postupovat u vlastního projektu. Odejdeš s jistotou, že Power BI zvládáš použít samostatně, a s hotovým reportem, který ti poslouží jako vzor do budoucna.
Nástroje už ovládáš – teď se posuneme o úroveň výš. Protože skutečná hodnota analytika nespočívá v tom, že umí napsat dotaz nebo vytvořit graf, ale v tom, že z dat dokáže vytáhnout odpovědi, na jejichž základě se firma správně rozhodne.
V této lekci se seznámíš se základními analytickými a statistickými metodami, které v praxi využiješ nejčastěji: jak správně číst průměry a mediány, jak poznat trend od náhodného výkyvu, jak přemýšlet o vzorku dat a proč korelace neznamená příčinnost.
Druhá část lekce patří tomu, jak z analýzy udělat srozumitelný výstup. Naučíš se vybrat metriky, které skutečně vypovídají o byznysu, strukturovat report tak, aby ho pochopil i člověk bez datového vzdělání, a odprezentovat závěry manažerovi, který má na tebe pět minut. Zkrátka datový storytelling – dovednost, která odlišuje dobrého analytika od skvělého.
Dostaneš surová data a společně je natáhneme do databáze, pomocí SQL je vyčistíme a připravíme, a nakonec z nich v Power BI postavíme interaktivní report s metrikami a filtry. Pracovat můžeš samostatně nebo ve skupině – a po celou dobu budou k dispozici lektoři, kteří ti pomůžou, když se zasekneš, a poradí, jak postupovat dál.
Cílem je, aby sis ověřil, že celý proces zvládneš vlastníma rukama – a získal jistotu do druhého projektu i do budoucí praxe. Uvidíš, že to, co ses za celý kurz naučil, do sebe zapadá jako skládačka.
Z lekcí o SQL už víš, že AI umí pomoct s psaním dotazů. Teď se na umělou inteligenci podíváme pořádně – protože tě bude provázet celým zbytkem kurzu i tvojí budoucí praxí.
Probereme, jak AI mění práci datového analytika a trh práce: které činnosti zrychluje, které přebírá a které naopak nabývají na hodnotě. Srozumitelně (a bez matematiky) si vysvětlíme, jak dnešní AI nástroje fungují, co reálně umí a kde mají limity – proč si občas vymýšlejí, pracují se zastaralými znalostmi nebo ztrácejí kontext.
Naučíš se taky základy práce s AI nad daty: jak formulovat dobré zadání, jak dodat kontext, jak upřesňovat a iterovat – a hlavně jak výstupy AI kriticky číst a ověřovat. Platí totiž zlaté pravidlo: výsledek, kterému nerozumíš, do tvojí analýzy nepatří.
AI nesnižuje hodnotu analytického myšlení – naopak ji zvyšuje. Kdo rozumí datům a umí klást správné otázky, dokáže AI efektivně řídit. Kdo nerozumí, umí ji jen slepě kopírovat.
Ukážeme si, jak z AI můžeš udělat každodenní pracovní nástroj. Projdeme si celý workflow datového analytika a na každém kroku si ukážeme, kde AI reálně pomáhá: od porozumění zadání přes psaní a ladění SQL dotazů, čištění dat a návrh vizualizací až po interpretaci výsledků a přípravu výstupů.
Zaměříme se na osvědčené postupy: jak s AI iterovat, jak kombinovat vlastní úsudek s jejími návrhy a jak si udržet kontrolu nad výsledkem. A stejně důležité je vědět, kde jsou hranice – proč do AI nástrojů nikdy neposílat citlivá firemní data, jak přemýšlet o spolehlivosti generovaných výstupů a proč je vždy potřeba výsledky ověřovat.
Všechno si vyzkoušíš na praktických příkladech z předchozích lekcí. Odejdeš s konkrétním workflow, které můžeš druhý den použít v práci – a s jistotou, že AI je tvůj asistent, ne autorita.
V téhle lekci se zaměříš na praktické využití SQL v analytických úlohách a zopakuješ si, co už umíš. Společně se podíváme na to, jak z dat vytahovat hlubší souvislosti – sledovat trendy, porovnávat časová období a odhalovat chování uživatelů v čase.
Začneš pokročilými JOIN operacemi a optimalizací dotazů. Uvidíš, jak správně spojovat tabulky v reálných scénářích, jak přemýšlet nad typem JOINu a jak zajistit, aby výsledky dávaly smysl i při složitějších datových strukturách. Nebudou chybět ani cvičení na komplexnější datová schémata.
Následně se zaměříš na analytické (window) funkce, které umožňují počítat hodnoty na základě kontextu více řádků (např. pořadí, klouzavé průměry nebo meziroční změny). Na praktických příkladech si vyzkoušíš, jak pomocí těchto funkcí detekovat anomálie v časových řadách.
Další část lekce patří cohortové analýze, oblíbené metodě z business analytiky. Naučíš se, co je cohorta, jak se používá při měření retence zákazníků nebo návratnosti uživatelů, a vytvoříš si vlastní cohortovou tabulku krok za krokem na reálných datech z Kaggle.
Pokud zbude čas, podíváš se i na funnel analýzu – trychtýř, který sleduje, kolik uživatelů „propadne“ jednotlivými kroky procesu (např. nákupního nebo registračního). Uvidíš, jak vytvořit jednoduchý funnel a jak interpretovat výsledky, aby z nich bylo možné vyvodit závěry pro byznys nebo marketing.
Závěrečná lekce je věnovaná konzultaci projektů a portfolia, dotazům a sdílení zkušeností.
Na téhle servisní hodině se můžeš zeptat na cokoliv, co ti ještě vrtá hlavou, od konkrétních problémů v SQL, Excelu nebo Power BI až po tipy, jak rozvíjet kariéru v datech nebo jak sestavit první datové portfolio. Zkrátka cokoliv tě napadne.
Probereme i to, kde AI skutečně pomáhá, kde má zatím limity a jak se připravit na budoucnost datové analytiky.
Nečeká tě frontální výuka, ale praktická a otevřená konzultace s lektory. Lektoři ti pomůžou problém vyřešit, vysvětlí širší souvislosti a nasdílí vlastní zkušenosti z praxe.
Cílem je získat jistotu v samostatné práci s daty, odnést si cennou zpětnou vazbu a mít jasno, jak dál rozvíjet svoje dovednosti i po skončení kurzu. Ať už míříš na roli datového analytika, datového inženýra nebo reportingového specialisty.
AI nejspíš používáš každý den – ale víš, co se děje mezi tvým dotazem a odpovědí? V první lekci se podíváme pod kapotu, srozumitelně a bez matematiky, ale s jedním rozdílem oproti běžným úvodům: každý koncept si spojíme s praktickým dopadem na tvoji práci.
Pochopíš, proč si AI občas vymýšlí s naprostou jistotou (halucinace) – a tedy kdy jí nevěřit. Zjistíš, co je kontextové okno – a proč si model „nepamatuje“ dlouhou konverzaci. Vysvětlíme si tokeny – a proč vypadají ceníky AI služeb tak, jak vypadají. A probereme, jak probíhá trénink modelu z dat – a proč AI nezná včerejší zprávy.
Nahlédneme i o vrstvu hlouběji: co znamená, že se model „učí“, jaké typy strojového učení existují (s učitelem, bez učitele, posilované) a jak funguje neuronová síť – vše na analogiích z reálného světa místo vzorců. Nebudeš z toho umět napsat vlastní model, ale budeš rozumět stroji, se kterým denně pracuješ – a to z tebe udělá výrazně lepšího uživatele.
Z lekce odcházíš s:
Co se v této lekci naučíš:
Google Scripts umožňují automatizovat a rozšiřovat běžné nástroje jako Tabulky nebo Dokumenty – a v této lekci s nimi začneš pracovat i bez předchozí zkušenosti s programováním.
Ukážeme si, kde skriptovací prostředí najdeš a jak vypadá jeho rozhraní. Pak přijde hlavní trik: s pomocí AI si vygeneruješ svůj první skript, který ti ušetří opakovanou manuální práci v tabulce. Projdeme si základní logiku skriptu – jak se čte, kde sahá na data a co s nimi dělá – a naučíš se skript spustit a sledovat, co se při jeho běhu skutečně děje.
Pojmy jako funkce a proměnná si vysvětlíme prakticky, na příkladech, ne teoreticky. A osvojíš si klíčový návyk celého kurzu: nechat AI vysvětlit vygenerovaný kód řádek po řádku, abys postupně chápal logiku i bez formálního studia programování. Probereme i oprávnění, která skript při spuštění vyžaduje.
Z lekce odcházíš s:
Co se v této lekci naučíš:
Tvorbu webových stránek dnes díky AI nastartuje prakticky kdokoliv – v této lekci pochopíš tři jazyky, na kterých stojí každý web, a rovnou si jeden postavíš.
Vysvětlíme si, co je HTML a jak definuje strukturu stránky (nadpisy, odstavce, obrázky, odkazy), jak se stránka dělí na logické části a proč na tom záleží i pro vyhledávače. Přes CSS dodáš stránce vizuální podobu – barvy, písmo, rozvržení – a ukážeme si, jak zajistit, aby web vypadal dobře na počítači i na mobilu. JavaScript pak stránce přidá interaktivitu: reakce na kliknutí nebo vyplnění formuláře.
Klíčová část: s pomocí AI si vygeneruješ celou kostru webové stránky včetně stylování a jednoduché interaktivity – a naučíš se vygenerovaný kód číst, upravovat detaily a přizpůsobit si ho podle vlastní představy. Probereme i základní zásady přístupnosti a přehlednosti webu.
Z lekce odcházíš s:
Co se v této lekci naučíš:
Python patří mezi nejoblíbenější programovací jazyky současnosti a v kombinaci s AI je extrémně silným nástrojem i pro lidi bez programátorské zkušenosti – což si v této lekci prakticky dokážeš.
Připravíš si základní prostředí pro psaní a spouštění Python kódu (včetně spuštění z terminálu, který už znáš z lekce 8). Základní stavební prvky jazyka – proměnné, podmínky, cykly – si projdeš výhradně na praktických příkladech, které si necháš vygenerovat a vysvětlit pomocí AI. Naučíš se formulovat zadání tak, aby AI vygenerovala funkční a srozumitelný kód, a číst chybové hlášky, abys problém našel a opravil rychle.
Na jednoduchém projektu využiješ Python pro automatizaci drobné opakující se úlohy – třeba práci se soubory nebo textem. A budeme dál budovat návyk z lekce 7: AI ti kód vysvětlí řádek po řádku, ty rozumíš, co spouštíš. Přidáme i základní hygienu psaní kódu (pojmenování, komentáře).
Z lekce odcházíš s:
Co se v této lekci naučíš:
Ve druhé Python lekci se posuneš k praktičtějším projektům, které odpovídají reálnému využití jazyka v každodenní práci.
Naučíš se pracovat se soubory různých formátů: s pomocí Pythonu a AI budeš číst, upravovat a ukládat data z textových souborů i tabulek. Ukážeme si, jak zpracovat větší množství dat najednou – necháš si od AI vygenerovat kód, který data automaticky filtruje, třídí nebo shrnuje.
Seznámíš se s externími knihovnami – hotovými balíčky kódu, které rozšiřují možnosti Pythonu – a naučíš se knihovnu nainstalovat a použít. Kód budeš členit do funkcí, aby zůstal přehledný a dal se znovu použít.
Z lekce odcházíš s:
Co se v této lekci naučíš:
Vibe coding je přístup, kdy hlavní tíhu psaní kódu přebírá AI a ty se soustředíš na to, co má výsledná aplikace dělat – a v této lekci si ho vyzkoušíš naostro, v AI editoru (Cursor).
Projdeš celý postup od prvotního nápadu přes rozdělení úlohy na menší kroky až po postupné budování aplikace opakovanými dotazy na AI. Naučíš se reagovat na chyby a formulovat dotaz na opravu tak, aby ti AI skutečně pomohla. A hlavně: testovat vznikající aplikaci v každém kroku, abys neztratil kontrolu nad tím, co se v řešení děje.
Probereme otevřeně i rizika: bez základního porozumění kódu (které teď po lekcích 9–11 máš) se snadno stane, že aplikace obsahuje bezpečnostní nebo funkční nedostatky. Přesně proto jsi v tomto kurzu základy budoval – vibe coding funguje nejlíp v rukou člověka, který pozná, kdy AI „ujíždí“.
Z lekce odcházíš s:
Co se v této lekci naučíš:
Databáze jsou základním kamenem naprosté většiny reálných aplikací – a v této lekci se s nimi naučíš pracovat s výraznou pomocí AI, bez hlubokých předchozích znalostí.
Vysvětlíme si, co je relační databáze, jak vypadají tabulky a vztahy mezi nimi – na příkladech z běžného života. Prakticky si osaháš PostgreSQL, jeden z nejrozšířenějších databázových systémů. Hlavní dovednost lekce: formulovat požadavek v přirozeném jazyce a nechat AI vygenerovat funkční SQL dotaz – a pak ho umět přečíst a pochopit, co přesně dělá, abys nekopíroval kód naslepo.
Projdeme základní typy dotazů (výběr, filtrování, řazení, spojování tabulek), naučíš se ověřit správnost výsledku a upravit dotaz, když výsledek neodpovídá očekávání. A probereme zásady bezpečné práce s databází – včetně rizik neopatrného mazání dat.
Z lekce odcházíš s:
Co se v této lekci naučíš:
AI agenti jsou systémy, které nejen odpovídají na dotazy, ale samostatně plní úkoly, rozhodují se mezi kroky a používají k tomu nástroje – a představují další přirozený krok ve vývoji praktického využití AI.
Vysvětlíme si, čím se agent liší od běžného chatovacího modelu, a rozebereme, z čeho se typický agent skládá: jaký má cíl, jaké nástroje má k dispozici a jak se rozhoduje o dalším postupu. Probereme konkrétní příklady z praxe – automatické zpracování zpráv, vyhledávání informací, správa opakujících se úkolů.
Klíčové téma: jak agentovi zadat cíl a omezení tak, aby pracoval spolehlivě a nevykonával nechtěné nebo rizikové akce, jaká oprávnění mu udělit a jak omezit riziko chybného jednání. A na závěr si společně navrhneme a spustíme prvního jednoduchého agenta, ať vidíš celý proces v akci.
Z lekce odcházíš s:
Co se v této lekci naučíš:
Teď je řada na tobě. V předposlední lekci navrhneš, postavíš a spustíš vlastního AI agenta pro reálný opakující se úkol z tvé práce nebo života – a využiješ při tom všechno, co ses v kurzu naučil.
Začneme výběrem správné úlohy: co má smysl agentovi svěřit a co ne. Pak agenta krok za krokem postavíš – zadáš mu cíl, připojíš nástroje, nastavíš bezpečná omezení. Naučíš se agenta testovat, sledovat jeho rozhodování a vyhodnotit, jestli dělá to, co má – a jak ho upravit, když ne.
Lektor je celou dobu k dispozici na konzultace, takže neodejdeš se zaseknutým polotovarem, ale s funkčním výsledkem. Tvůj agent je závěrečný projekt kurzu – a zároveň nejlepší důkaz toho, co teď umíš.
Z lekce odcházíš s:
Co se v této lekci naučíš:
Závěrečný projekt: vlastní AI agent pro tvůj reálný úkol
Poslední lekce patří tobě a tvým projektům. Na otevřené konzultaci s lektorem dotáhneš svého agenta i cokoliv dalšího z kurzu – automatizaci, skript, web – a dostaneš zpětnou vazbu, co zlepšit.
Společně se ohlédneme za cestou, kterou jsi ušel: od uživatele AI k člověku, který s AI staví. Probereme, kde AI skutečně pomáhá, kde má limity a jak se připravit na to, co přichází – včetně toho, jak si nově získané dovednosti udržet a rozvíjet.
A na závěr rozcestník: chceš jít hlouběji do programování, dat nebo webu? Ukážeme ti, kam pokračovat, ať už v samostudiu, nebo v navazujících Akademiích.
Z lekce odcházíš s:
Co se v této lekci naučíš:
Naučíš se získávat, čistit a analyzovat data pomocí Excelu a SQL a hledat v nich důležité souvislosti.
Zvládneš vytvářet přehledné reporty a interaktivní vizualizace v Power BI, které pomáhají při rozhodování.
Naučíš se efektivně využívat AI nástroje, pracovat s jazykovými modely a vytvářet vlastní AI asistenty.
Dokážeš automatizovat opakující se úkoly a propojovat data s AI při řešení praktických problémů.
Příprava portfolia a CV
Na konci kurzu můžeš využít 1:1 kariérní konzultaci s recruiterkou Leničkou, která ti pomůže např. vylepšit CV nebo se připravit na pohovor.
Personalizovaná zpětná vazba
Práce na reálných scénářích je to nejvíc, co si můžeš odnést. Dáme ti zpětnou vazbu na projekty, které vytvoříš během kurzu.
Na 4hodinovém workshopu s Jirkou Psotkou zjistíš, jak hledat práci v IT, na co si dát pozor, jak pracovat s LinkedInem, získáš přehled o trhu práce a další.
Spolupracujeme s firmami, které mají volná pracovní místa a aktivně nás oslovují, abychom dali vědět našim studentům. K nabídkám získáš přístup.
Tematické webináře, hackathony, meetupy… Potkejme se na některé z našich offline akcí nebo se zapoj do komunity na Discordu.
Spousta obsahu navíc
Pravidelně sdílíme rady a na blogu, v newsletteru a na sociálních sítích. Poslouchat můžeš taky náš „podcast“ ENGETO Drop!
David rád vzdělává lidi. Jeho cílem je měnit lidem pomocí vzdělávání život. Na IT ho zaujala volnost a kreativita. Žádná myšlenka není nedosažitelná. A to se snaží předat studentům. Aktuálně pracuje jako programátor, učí na dvou školách a mezi jeho největší koníčky patří studium AI, kybernetické bezpečnosti a hackingu.
V oblasti datové analýzy se Pavel pohybuje už skoro 15 let. Věří, že lidé jsou limitováni jenom vlastní motivací a učit se dokážou v každém věku. Pro svoje kolegy založil Vacuum university, platformu pro sdílení technických vědomostí. Jeho energie je nakažlivá!
Pro Matěje jsou data denním chlebem. Absolvoval Fakultu informatiky MU v Brně, aktivně se podílí na výuce předmětů zaměřených na softwarové inženýrství, efektivní získávání informací z databází a zvyšování kvality softwaru. Jestli tě někdo dokáže nadchnout pro práci s daty, je to on!
Robert se věnuje PowerBI developmentu a automatizaci. Právě PowerBI je pro svou intuitivnost jeho nejoblíbenějším nástrojem. Ve volném čase rád sportuje a své výkony si poctivě vizualizuje a analyzuje.
Honza měří 205 cm a hraje basket. A je taky špičkový datový analytik. Pravidelně pracuje s Pythonem, PHP, SQL a rád prozkoumává nové technologie. Lektorovaní ho baví, protože může předávat svoje zkušenosti a pomáhat druhým s vlastním rozvojem.
Do světa datové analýzy se dostala právě díky kurzu od ENGETA – tam zjistila, že ji data fakt baví. A protože jí to otevřelo dveře k vysněné cestě, rozhodla se Sabina pomoct i dalším, kteří míří stejným směrem. V Datové Akademii je oporou studentů, ráda dodá klid, když se „to zasekne“, a ukazuje, že začít s daty jde i úplně od nuly.
Marťa začínala jako učitelka a je jí dodnes. Jen neučí jen živé lidi, ale také AI. Navrhuje, testuje a hodnotí systémy, ve kterých se propojuje svět dat a generativní umělé inteligence. Jako AI Evaluation Architect vytváří měřitelné rámce pro kvalitu AI výstupů, ladí prompty a učí firmy, jak z technologií vytěžit maximum. Ukazuje lidem, že data a algoritmy nejsou strašák, ale spíš dobrá detektivka. Když víte, jak správně položit otázku, začnou dávat dokonalý smysl.
S Alenou se potkáš hlavně na kurzech Excelu a Power BI. Tabulky a data ji baví odjakživa – už během brigád optimalizovala všechno, co se jí v Excelu dostalo pod ruce. Postupně se dostala k datové analytice naplno: pracovala tři roky v telekomunikacích a dnes působí jako business data analytik ve startupu zaměřeném na sociální sítě a marketing. Vášeň pro Excel a datovou analytiku ji neopustila – naopak ji těší, když může své zkušenosti, tipy a triky předávat dál.
Po studiu IT v Brně se zaměřením na strojové učení Jirka zakotvil jako datový analytik v EG.D (skupina E.ON), kde působí od roku 2023. Během onboardingu prošel intenzivní „Datovou univerzitou“ a rychle zjistil, že ho baví i samotné předávání znalostí, proto se zapojil do doučování a začal hledat cesty, jak učit víc. V ENGETU chce zúročit zkušenosti hlavně s datovou analýzou, SQL a Pythonem. Mimo data je velký kávičkář, rád vaří a vždycky ocení hlášku od Cimrmana.
Pavel pracuje jako IT konzultant v energetice a v praxi se věnuje hlavně business/IT analýze – od sběru a zpracování požadavků přes přípravu zadání pro vývojáře až po samotnou realizaci. Baví ho hledat chytrá a funkční řešení, která dávají smysl v reálném provozu, nejen na papíře. V ENGETU školí SQL a Excel a propojuje technické znalosti s praktickým nadhledem.
Alena má vystudovanou ekonometrii a podnikovou informatiku. Má zkušenosti s testováním, systémovou a datovou analýzou i návrhem databází.
Absolvovala jsem kurz Datové Akademie a jsem nadšená. Perfektně připravené materiály, podrobné návody, dostatek příkladů, systematický, pečlivý, strukturovaný přístup. Chtělo by to napsat i něco negativního, pro rovnováhu, ale nic mě nenapadá.
Skvělý kurz AI v praxi s Davidem Šetkem. Bylo to zábavné, svižné, plné nadšení. David dokáže velice ohleduplně a trpělivě monitorovat každý krok všech účastníků a udržet tak celou skupinu v akci, nikdo se u něj neztratí či něco nepochopí. Pomohl nám pochopit způsob a možnosti využití umělé inteligence jak v osobní, tak i v pracovním životě. Rozhodně doporučuji každému, kdo se chce v oblasti AI se zorientovat a netápat.
Ano! Kurz začíná od základů, takže nepotřebuješ předchozí zkušenosti s datovou analytikou ani umělou inteligencí. Postupně se naučíš pracovat s jednotlivými nástroji a získané znalosti si vyzkoušíš na praktických úkolech.
Nemusíš. Stačí základní práce s počítačem a chuť učit se nové věci. S SQL, databázemi i AI nástroji se seznámíš postupně a lektoři ti pomohou pochopit i složitější témata.
Data and AI Specialist se nezaměřuje pouze na používání umělé inteligence. Naučíš se také získávat, analyzovat a vizualizovat data pomocí nástrojů jako Excel, SQL a Power BI. Díky tomu získáš širší soubor dovedností, které můžeš využívat samostatně i společně.
Během studia se seznámíš s Excelem, SQL, Power BI a moderními AI nástroji. Vyzkoušíš si práci s jazykovými modely, tvorbu AI asistentů i automatizaci procesů. Důraz klademe na praktické využití, nejen na znalost jednotlivých funkcí.
Rozhodně. Analýza dat, reporting a automatizace nacházejí využití v marketingu, financích, logistice, administrativě i dalších oblastech. Kurz ti může pomoci zefektivnit současnou práci nebo získat základ pro další profesní rozvoj.
Hardware: Na kurz stačí mít notebook s pamětí alespoň 4 GB RAM a procesor s jedním jádrem. Pro uživatelský komfort bude ideální mít alespoň 8 GB RAM a procesor se 4mi jádry. Účastníci na kurzu mají notebooky, které slouží víc než 8 let. Bude ti stačit prakticky cokoliv.
Software: Máš Windows (ideálně verze 11 a novější), OS X nebo Linux. Na kurzu budeš pracovat se softwarem DBeaver ve verzi Community – stáhni si ji tady. Všechny ostatní nástroje jsou online a lektor ti hned na první hodině řekne všechno, co bude potřeba.
Pokud jsi zaměstnancem Amazonu, můžeš využít zaměstnanecký program Career Choice a nechat si plně uhradit vzdělávání z ročního rozpočtu až 65 000 Kč.
Pro zaměstnance Amazonu máme aktuálně v nabídce tyto 2 kurzy:
Detailní informace (včetně ceny, certifikace, kariérního poradenství), termíny, obsah a formy výuky najdeš přímo po rozkliknutí jednotlivých kurzů výše.
💡 Amazon proplácí kurzy až po jejich oficiálním začátku, proto na tyto objednávky nelze uplatňovat žádné další slevové akce ENGETA.
Celý proces se skládá ze dvou na sebe navazujících kroků:
Krok 1: Vytvoření objednávky v ENGETU
Vyber si kurz na našem webu a vlož ho do košíku.
Jako způsob platby zvol Platbu na fakturu.
Do poznámky k objednávce nezapomeň uvést: „Kurz bude proplácen přes Amazon Career Choice“.
Po zpracování objednávky ti e-mailem zašleme potvrzovací kód (ověřovací kód), který budeš obratem potřebovat v dalším kroku.
Krok 2: Žádost o platbu v aplikaci Amazon A to Z
Přihlas se do svého účtu přes portál Amazon Career Choice v aplikaci A to Z.
V sekci „Vaše zdroje“ rozklikni možnost „Prozkoumat vzdělávací centra a programy“.
Vyhledej ENGETO a zvol příslušný kurz ze schváleného seznamu.
Vyplň požadované údaje včetně potvrzovacího kódu od nás a klikni na tlačítko „Požádat o platbu školného“.
Přímo v Career Choice A to Z si také můžeš ověřit svůj zbývající budget na vzdělávání. Případně využij oficiální podporu přes tlačítko „My HR Live Support“ ve spodní části portálu A to Z.
Co se bude dít dál?
Jakmile v aplikaci A to Z odešleš žádost, systém ji přepošle nám ke schválení. Jakmile ji potvrdíme, vytvoříme ti přístup do našeho výukového portálu (portal.engeto.com), kde se můžeš začít připravovat na kurz. Samotnou finanční úhradu za tebe vyřeší Amazon po oficiálním startu kurzu.
Stačí se ozvat na čísle +420 773 087 597 nebo na e-mailu info@engeto.com.
