Mentionsy
KajoData - Analiza danych dla każdego
KajoData - Analiza danych dla każdego
08.10.2025 16:54

Przebranżowienie do analizy danych w erze AI - prawdziwa historia sukcesu | Katarzyna Zielina

🟩 Zagadaj do Katarzyny na IG

🟨 Wejdź do społeczności analityków


W tym odcinku rozmawiam z Katarzyną Zieliną – analityczką danych i twórczynią profilu „datapraktycznie”. Kasia opowiada o swojej drodze od pracy w hotelarstwie do świata analizy danych. Zaczynała od zera, z ogromną ciekawością i konsekwencją – szukała, testowała, sprawdzała, aż znalazła miejsce, w którym poczuła prawdziwe „flow”. To historia o tym, że nawet jeśli dziś jesteś w zupełnie innej branży, wciąż możesz zacząć od nowa – krok po kroku.


W rozmowie poruszamy wiele ważnych tematów: jak poradzić sobie z początkiem w IT, jak poukładać naukę i plan przebranżowienia, dlaczego warto sięgać po praktykę zamiast kolejnych kursów, oraz jaką rolę w tym wszystkim odgrywa ChatGPT i sztuczna inteligencja. Kasia dzieli się też tym, jak wygląda codzienność analityka danych – od Excela po Big Data – i jak łączy techniczną stronę pracy z miękkimi umiejętnościami, które wyniosła z hotelarstwa.


To inspirująca rozmowa o odwadze, konsekwencji i słuchaniu siebie – ale też o tym, kiedy lepiej słuchać planu. Jeśli szukasz motywacji, żeby zacząć coś nowego, albo po prostu chcesz zobaczyć, jak wygląda prawdziwa ścieżka od pierwszych kroków w SQL-u po pracę z danymi w dużych firmach – ten odcinek jest dla Ciebie.

Katarzyna Zielina AI Sparku Sparka Spark Altman Czaję Databricks Excelową Galupa Gemini Googla Jan Kowalski Alpinistka Project Managerzy

Szukaj w treści odcinka

Wyczyść
Znaleziono 12 wyników dla "Spark"

Dalej, no ale to zanim ja coś właśnie, wiesz, zanim ja coś zakoduję, no głównie, głównie w Pythonie, w Sparku teraz działam,

Jeżeli na przykład, nie wiem, wrzucimy, puścimy jakiś, zrobimy jakiś pipeline, który jest, wiesz, który może się liczyć na przykład 4 dni, jeżeli go zrobimy, wiesz, nieoptymalnie albo, nie wiem, zrobimy go w zwykłym Pythonie, zamiast przepuścić go przez Sparka,

Wspomniałaś o tym Sparku przed chwilą, bo zrobiłeś takie porównanie.

Python, zwykły Python versus Spark.

Umiałabyś powiedzieć, bo Spark nie pojawia się tak często na radarze osób, które się go uczą na początku.

Dlaczego jest Spark?

W pewnym momencie trzeba przejść na tego Sparka, żeby zachować, żeby jakoś sprawnie po prostu się poruszać po tych danych.

Więc tak, Spark to jest taki kolejny krok tak naprawdę.

Więc ja na przykład, wiesz, moim celem była raczej większa firma, większa organizacja, dlatego Sparka po prostu miałam podstawy, zanim zaczęłam wysyłać CV.

Ale myślę, że zwykły Python, tak naprawdę od Pythona do Sparka nie ma jakiejś długiej drogi już później.

Jeżeli dobrze ogarniamy Pythona, to już w tym Sparku jakoś tam, jeżeli już jesteśmy po SQL-u, znamy operację na danych, no to już w tym Sparku

Więc SQL, Python i Spark.

Ostatnie odcinki