Курси Python розробник

Курс по пайтону для початківців з комплексом web технологій необхідних для подальшого працевлаштування після курсу.

Програма курсу

Git + GitHub

• Загальна інформація
• Встановлення GIT
• Налаштування глобальних даних користувача
• Інтеграція Git з середовищем розробника
• Створення репозиторію
• Базові команди GIT
• Робота в команді за допомоги Git
• Merge conflict
• GitHub
• Конфігурація доступу до репозиторію
• Pull Request

HTML/CSS

• Загальна інформація
• Вступ до HTML та знайомство з CSS
• Блочні елементи та способи їх розташування на сторінці
• Селектори в CSS
• Події в CSS
• Flexbox та позиціонування
• Адаптивна верстка
• Робота з медіаконтентом та формами
• Figma
• Шрифти та іконки
• Grid css

JavaScript + TypeScript

• Базові типи даних та операції
• Логічні розгалуження в JavaScript
• Об'єкти та Масиви в JavaScript
• Цикли та функції в JavaScript
• Рекурсія та Замикання в Javascript
• ООП та прототипи в Javascript
• ES Javascript features та Робота з помилками
• DOM та BOM в JavaScript
• Генератори та ітератори в Javascript
• Події, асинхронність та Event loop в Javascript
• Вступ до TypeScript
• Синтаксис TypeScript
• Функції та класи TypeScript
• Інструменти та налаштування TypeScript
• Абстратні класи та інтерфейси
• Типізація асинхронного коду

Frontend

• Основи React
• Типізація у React
• Компоненти React
• React Hooks
• Маршрутизація в React
• Керування даними в React
• Розробка шарів програми
• State managment в React
• Redux toolkit
• Redux. Async Thunk
• Redux. Best Practice
• Вступ до Next.js
• Створення Next.js-додатку
• Управління даними та формати рендерінгу в Next.js
• Розширені можливості Next.js

Backend

• Базові речі в python
• Функції та пакети в python
• Робота з колкціями та рядками в Python
• Робота з файлами та часом в Python
• ООП в Python
• Внутрішні та зовінішні біблотекуи в python
• Вступ до Django REST Framework
• Серіалізація даних та предсталення в Django
• Дозволи та фільтри в Django
• Пагінація та тротлінг в Django
• Автоматизація та розширення в Django

Database

• Вступ до MySQL
• Створення та керування базами даних
• Таблиці та поля:
• Запит даних мовою SQL
• Практика з SQL
• Додаткові теми
• Вступ до MongoDB
• Робота з колекціями в MongoDB
• Мова запитів MongoDB
• Практика з MongoDB
• Додаткові теми MongoDB

DevOps

• Загальна інформація
• Docker
• Контейнеризація сервісів
• Мікросервісна архітектура
• Amazon Web Services
• Kubernetes

Scrum

• Вступ до Scrum
• Артефакти Scrum
• Події Scrum
• Цінності Scrum
• Поширені помилки у Scrum

Лекція з HR

• Пошук вакансій
• LinkedIn
• Резюме
• Інтерв'ю

IT-English

Модуль AI

• AI для розробника. Що таке ШІ (AI) та LLM
• AI для розробника. Слабкі та сильні сторони AI
• AI для розробника. Введення в копайлот менеджери
• AI для розробника. Githib copilot + Copilot management
• AI для розробника. Claude Code + management
• AI для розробника. Практична частина
• AI N8n. Знайомство з аі агентами
• AI N8n. Platform
• AI N8n. Розгортання
• AI N8n. Telegram API
• AI N8n. ChatGPT та ін.
• AI N8n. Goolgle Developer API
• AI N8n. Memmory
• AI N8n. Робота з зображеннями
• AI N8n. Навчання ai

Особливості курсу

• Об'єм до 960 годин
• 6 занять в тиждень
• Безкоштовне повторне проходження курсу
• Англійська мова
• Додатковий курс у подарунок
• Додаткові консультації
• Стажування на проєкті
• Гарантія працевлаштування

Викладачі курсу

• Сергій Журавльов - Співзасновник OktenWeb Digital Studio
• Діана Бондаренко - Senior Frontend Developer
• Руслан Мудрак - Project Manager at Codegeeks Solutions
• Ірина Марусяк - Senior Project Manager at SoftServe
• Тарас Якимюк - Senior Developer at Rolique
• Валерія Ліхолєт - HR Specialist at Remofirst
• Віталій Демчишин - Senior Python Developer

За 11 занять на курсі ви опануєте основи вебскрапінгу, розглянете етичні питання та перейдете до практичних завдань: моніторингу аудиторії, пошуку лідів, обходу блокерів. В результаті навчитеся створювати власні скрапери, імітувати поведінку користувачів та вилучати інформацію з різноманітних сторінок, користуючись фреймворками Beautiful Soup, Scrapy, Selenium.

Програма курсу

Вступ до курсу Web Scraping

• З'ясуєте, що таке Web Scraping та які є бібліотеки для розробки скраперів
• Дізнаєтеся, де можна використовувати набуті за курс знання
• Зрозумієте етичні та легальні аспекти використання скраперів

Початок роботи в парсингу даних

• Опрацюєте основні мови розмітки вебсайтів - HTML, XML, JSON
• Створите віртуальне оточення та встановите потрібні бібліотеки для парсингу даних

Методи вилучення даних

• Зрозумієте, яким чином будувати XPath для доступу до будь-якого тегу в документі
• Опануєте регулярні вирази та CSS-селектори для пошуку та вилучення інформації з вебсторінок

HTTP Request

• Дізнаєтеся про типи запитів та відповідей
• Опрацюєте інструмент Postman
• Навчитеся використовувати бібліотеку Requests для відправлення запитів на сервер

Робота з даними у Web Scraping

• Навчитеся зберігати дані локально та в бази даних
• Зможете обирати оптимальний формат збереження даних для подальшого аналізу
• Навчитеся писати SQL-запити для аналізу

Beautiful Soup

• Навчитеся використовувати бібліотеку Beautiful Soup для парсингу сайтів
• Опрацюєте Threads для парсингу
• Знайдете потрібні HTML-теги за допомогою BS

Scrapy

• Опануєте фреймворк Scrapy для парсингу сайтів
• Ознайомитеся з поняттям Spider
• Навчитеся використовувати Spider для парсингу сайту
• Зможете зберігати отримані дані в різних форматах

Selenium

• Розберете бібліотеку Selenium для парсингу сайтів
• Навчитеся працювати із CSS-селекторами або XPath для знаходження потрібних елементів
• Опануєте Selenium для заповнення форм та кліків на сторінці

Як уникнути захисту від Web Scrapers

Попрактикуєте підходи до імітації реального користувача для успішного отримання контенту сторінки.

Q&A-сесія з лектором

• Відповіді на питання студентів
• Поради щодо виконання курсового проєкту

Презентація курсових проєктів

Презентація курсових проєктів.

Викладачі курсу

Владислав Абрамов - Python Engineer at Jooble

Перейдіть на новий рівень аналізу даних - перетворіть формули, довгі таблиці, звіти вручну на гнучкі візуалізації, точні прогнози та зрозумілі презентації завдяки Python.

Програма курсу

Знайомство з Python і середовищем роботи

• Дізнаєтеся, що таке Python і як його застосовують в аналітиці
• Навчитеся встановлювати Python і налаштовувати середовище для роботи
• Зрозумієте базовий синтаксис, типи даних та оператори
• Розберете принципи гарного стилю коду

Основи програмування на Python

• Розберете основні типи алгоритмів: послідовність, розгалуження, цикли
• Навчитеся застосовувати умовні оператори if, elif, else
• Попрактикуєтесь у створенні циклів for і while для виконання повторюваних дій

Базові можливості Python

• Навчитеся створювати власні функції, передавати їм аргументи та викликати їх у коді
• Зрозумієте, як працюють базові структури даних: list, tuple, dict, set
• Дізнаєтесь, як встановити бібліотеки через pip або conda
• Попрацюєте з модулями collections та itertools для роботи з наборами даних

Основи об'єктно-орієнтованого програмування на Python

• Дізнаєтеся, що таке класи, об'єкти й методи та зрозумієте принципи об'єктно-орієнтованого програмування (ООП)
• Навчитеся використовувати конструктори, атрибути й інкапсуляцію
• Розберете механіку наслідування і роботу з абстрактними класами

NumPy для роботи з числовими даними

• Розберете значення бібліотеки NumPy у числовому аналізі
• Навчитеся створювати одномірні й багатовимірні масиви
• Набудете досвіду арифметичних операцій і фільтрації масивів
• Опануєте логічну фільтрацію та broadcasting для оптимізації обчислень

Основи Pandas для обробки даних

• Розглянете бібліотеку Pandas і зрозумієте, для чого вона потрібна в аналітиці
• Навчитеся створювати Series і DataFrame, імпортувати CSV/Excel
• Опануєте базову обробку даних: фільтрацію, сортування, агрегацію та об'єднання таблиць
• Зрозумієте, як трансформувати дані з допомогою groupby(), map(), np.select()

Розумна обробка даних у Pandas: дати, ранги, сесії

• Навчитесь ефективно збирати дані з .loc[], .iloc[] у Pandas та працювати з індексацією в NumPy
• Дізнаєтеся, як обробляти часові дані з допомогою .dt, to_datetime()
• Розберете метод merge_asof() для приєднання за часом
• Застосуєте ковзні обчислення, ранжування та сесійну сегментацію для глибокого аналізу даних

Основи візуалізації з Matplotlib та Seaborn

• Дізнаєтеся про ключові принципи побудови графіків, розглянете графіки в Pandas, а також спеціальні бібліотеки для візуалізації: Matplotlib та Seaborn
• Навчитеся створювати різні типи візуалізацій: від простих лінійних і стовпчастих графіків та гістограми в Matplotlib до heatmap, boxplot, scatterplot у Seaborn
• Набудете навичок роботи зі стилями, кольорами й підписами, щоб графіки були інформативними та зрозумілими для аналітичних презентацій

Інтерактивна візуалізація з Plotly: дашборди й реальні кейси

• Зрозумієте, для чого потрібна інтерактивна візуалізація
• Розглянете бібліотеку Plotly
• Навчитеся створювати графіки за допомогою Plotly Express
• Розглянете базову структуру дашборда в Dash
• Навчитеся візуалізувати бізнес-дані - створювати інтерактивні графіки для продажів, клієнтів, динаміки у вигляді інтерактивних елементів з базовим управлінням через layout і callback-функції

Scikit-learn. Статистика в Python: гіпотези, кореляції, регресія

• Дізнаєтесь, як застосовувати описову статистику, перевірку гіпотез і кореляційний аналіз для оцінювання бізнес-даних
• Вивчите два підходи до моделювання: scikit-learn (для швидкого створення моделей) та statsmodels (для детального статистичного аналізу лінійної регресії)
• Навчитеся виявляти статистично значущі відмінності між групами даних і робити обґрунтовані висновки для ухвалення бізнес-рішень

Машинне навчання для аналітика: прогнози, моделі, кейси

• З'ясуєте, як працює прогнозний аналіз і кросвалідація: інструменти, що допомагають перевіряти якість моделей і не вводити себе в оману
• Зможете будувати базові моделі машинного навчання: класифікаційні (наприклад, передбачення відтоку клієнтів) та регресійні (наприклад, прогноз виручки)
• Зрозумієте, коли та як обирати між класифікацією і регресією у бізнес-завданнях
• Дізнаєтесь, як оцінювати точність моделей за допомогою метрик MAE, R², accuracy
• Навчитеся інтерпретувати результати моделі та визначати ключові фактори, що впливають на поведінку клієнтів або фінансові показники

Вебскрапінг з Beautifulsoup

• Дізнаєтесь, як працюють HTTP-запити та DOM-структура
• Навчитеся завантажувати HTML-документи через requests
• Попрацюєте з BeautifulSoup для парсингу даних і витягування потрібних елементів
• З'ясуєте, як зберегти дані у CSV для подальшого аналізу

Парсинг даних і робота з API: Scrapy, Requests

• Дізнаєтесь, як працює фреймворк Scrapy: його структура, пайплайни та переваги для збору вебданих
• Зрозумієте, що таке API, як знаходити документацію та витягувати з нього потрібні дані
• Попрактикуєтесь у запитах до REST API за допомогою бібліотеки requests
• Порівняєте підходи: API vs скрапінг

Робота з базами даних: від SQLite до Postgresql

• Навчитеся працювати з базами даних, зберігати й обробляти великі обсяги даних
• Створите локальну базу даних в SQLite, зможете робити таблиці та виконувати CRUD-операції
• Опануєте SQLAlchemy для створення ORM-моделей, фільтрації та оновлення даних
• Зрозумієте, як під'єднуватися до PostgreSQL через psycopg2 та як завантажувати дані з SQL-запитів у Pandas і формувати звіти для аналітики й презентацій

Автоматизація збору та обробки даних

• Навчитеся писати скрипти для регулярного збору, очищення й трансформації даних
• Вивчите основи логування, обробки помилок, таймаутів
• Дізнаєтесь, як обробити JSON-відповідь з API, витягнути ключові показники та зберегти їх у CSV для подальшої обробки
• Автоматизуєте обробку помилок, логування та створення щоденного аналітичного звіту
• Дізнаєтесь, як працювати із хмарними сервісами (Google Drive, AWS S3)

Презентація фінальних проєктів

• У фінальному проєкті ви оберете один із запропонованих реальних датасетів і пройдете повний цикл роботи з даними в Python: від завантаження й обробки до побудови візуалізацій та формування висновків
• Презентуєте власний проєкт лектору та колегам

Особливості курсу

• Допомога ментора
• Практика
• Курсовий проєкт
• Зручний формат
• Індивідуальний фідбек
• Доступ назавжди
• Сертифікат про проходження курсу

Викладачі курсу

Анна Шепелєва - Senior Data Analyst at Brainstack

Курс навчить розв'язувати основні задачі Data Science за допомогою поглибленої роботи з Python та його бібліотеками. В результаті ви зможете будувати просунуті візуалізації, знаходити взаємозв'язки в даних, робити прогнози та навчати моделі.

Програма курсу

Задачі Data Science. Interactive Python і знайомство з NumPy

• З'ясуєте, чим машинне навчання відрізняється від класичного програмування
• Зрозумієте, як формулюється задача машинного навчання
• Розберете процес роботи над Data Science задачами
• Навчитеся створювати масиви та виконувати базові операції над ними в бібліотеці NumPy
• Ознайомитеся з перевагами бібліотеки NumPy для роботи з даними

NumPy. Лінійна алгебра і статистика

• Навчитеся використовувати функції лінійної алгебри й статистики в NumPy
• Зможете вводити й виводити numpy-матриці та масиви різної величини

Знайомство з Pandas

• Навчитеся створювати, імпортувати й експортувати табличні дані в Pandas Dataframe
• Зможете маніпулювати табличними даними (створення нових колонок, агрегації)
• З'ясуєте, як швидко і зручно працювати з табличними даними за допомогою Pandas

Візуалізація даних

• Навчитеся будувати базові візуалізації в Python за допомогою matplotlib і seaborn
• Розберете три способи візуалізації даних з Pandas Dataframe
• Зможете побудувати просунуті візуалізації: heatmap, box plot, pair plot, cumulative plot
• Опануєте побудову базових інтерактивних візуалізацій

Exploratory Data Analysis (EDA) та очистка даних

• Зрозумієте мету й етапи EDA
• Навчитеся досліджувати структуру будь-якого набору даних
• Зможете виявляти пропущені значення, дублікати й очищувати дані
• Знатимете кілька технік заповнення пропусків та зрозумієте, коли яку використовувати

Задача прогнозування. Лінійна регресія. Градієнтний спуск

• Зрозумієте, як працює лінійна регресія
• Дізнаєтесь, як працює алгоритм градієнтного спуску
• Навчитеся тренувати модель лінійної регресії з використанням бібліотеки sklearn
• Розберетесь, як оцінити якість моделі лінійної регресії

Інші типи регресій

• Навчитеся будувати багатовимірну лінійну регресію
• Дізнаєтесь, як інтерпретувати коефіцієнти лінійної регресії

Вибір найкращої моделі. Техніки валідації. Пошук гіперпараметрів

• Дізнаєтеся, навіщо розбивати вибірку на train/validation/test-вибірки
• Зрозумієте, в чому відмінність validation- і test-вибірок
• Дізнаєтеся, що таке гіперпараметри моделі та в чому їхня відмінність від параметрів
• Ознайомитеся з методами підбору гіперпараметрів і навчитеся викликати їх у scikit-learn
• Дізнаєтеся, що таке перехресна валідація та як використовувати її в sklearn
• Зрозумієте, що таке overfit i underfit (і чому це проблема)
• Навчитеся застосовувати регуляризацію в моделях регресії

Задача класифікації. Логістична регресія

• Дізнаєтесь, як навчати модель логістичної регресії для класифікації даних і оцінювати її якість
• Отримаєте алгоритм дій у випадку мультикласової класифікації та зрозумієте, як оцінити якість таких моделей

Модель "дерева рішень"

• Ознайомитеся з принципом роботи моделі "дерева рішень"
• Зможете навчати моделі дерев рішень для розв'язання задач регресії та класифікації

Ансамблі моделей, алгоритми бустингу

• Зрозумієте, як працюють ансамблі моделей та в чому їхні переваги
• Навчитеся будувати різні типи ансамблів моделей
• Дізнаєтесь, який спосіб ансамблювання потрібно використати у випадку high bias, а який - у випадку high variance
• Розберете відмінність адаптивного бустингу від градієнтного
• Ознайомитеся з базовим функціоналом бібліотеки xgboost

Вибір ознак. Зменшення розмірності даних

• Навчитеся зменшувати розмірність набору даних із великою кількістю ознак
• Навчитеся обирати фічі так, щоб залишити лише найбільш значущі для моделі
• Дізнаєтесь, як працюють і чим відрізняються методи зменшення розмірності SVD, PCA та LDA

Кластерний аналіз даних

• Навчитеся виявляти групи схожих екземплярів у даних за допомогою кластеризації
• Дізнаєтесь, як працюють методи кластеризації K-Means, DBSCAN та Agglomerative Clustering

Статистичний аналіз даних

• Навчитеся генерувати випадкові величини різних розподілів
• Зможете перевірити гіпотезу про нормальність розподілу
• Навчитеся порівнювати розподіл двох випадкових величин

Від історії АІ до Prompt Engineering

• Зрозумієте, як розвивався штучний інтелект і чому зараз відбувся "АІ-бум"
• Розберете різницю між класичним ML і Generative AI
• Навчитеся формулювати ефективні промпти для задач аналізу даних і Python-коду
• Зможете використовувати базові AI-інструменти для перевірки та оптимізації промптів

AI Tools for Data & Developers

• Ознайомитеся з AI-інструментами для аналітиків та Python-розробників
• Навчитеся використовувати AI для написання коду, аналізу даних і створення візуалізацій
• Зможете інтегрувати AI-асистента у власне робоче середовище (VS Code, Jupyter, GitHub)

Співбесіди й вимоги до них. Розповсюджені помилки у домашніх завданнях

• Дізнаєтесь, як підготуватися до технічної співбесіди та пройти її успішно
• Отримаєте відповіді на проблемні запитання, які виникли протягом курсу
• Отримаєте правильні відповіді на домашні завдання та дізнаєтесь, які найпоширеніші помилки роблять спеціалісти

Особливості курсу

• Заняття щопонеділка та щочетверга
• Інструменти для роботи
• Сильний контент
• Практика
• Кар'єра: розширення стеку навичок

Викладачі курсу

• Олександра Кардаш - Senior Software Engineer at Google
• Ірина Безкровна - Technical Data Lead at Xometry

На курсі Python ти опануєш популярну професію Python-розробника. Після курсу ти будеш вправно користуватися такими технологіями, як Django, Django Rest Framework, Algorithms, PIP, Python virtualenv, Flask, Pandas, NumPy та багато іншого.

Програма курсу

Python Basics

• Introduction
• Main Concepts
• Numbers
• Strings
• Boolean
• Lists
• Conditional Operators
• Loops
• Functions
• Summary

Course Fundamentals

How to learn effectively.

Python Basics Extended

• Module Overview
• Environment Setup
• Code Style
• Debugging
• Working With Numbers
• Working With Strings
• Lists in Details
• Dict Basics
• Type Conversion
• Loops in Details
• Functions Revisited
• Summary

Git and Terminal

• Environment Setup
• Command Line Basics
• Git Basics
• Working With Branches
• Working With Remote Repo (GitHub)

Python Core

• How to Solve GitHub Tasks
• Mutable Immutable Types
• List and Dict Comprehensions
• Functions in Details
• Decorators
• Classes
• Classes in Details
• Iterators and Generators
• Modules and Imports
• OOP Single Inheritance
• OOP Multiple Inheritance
• OOP Encapsulation Polymorphism Abstraction
• Properties and Descriptors
• Exception Handling
• Exceptions in Details
• File Handling
• Memory Management
• Testing
• Testing in Details
• Basic Modules Overview
• Dict Advanced
• Extra
• Python Practice

SQL Basics

• Introduction to SQL
• SELECT Statement
• WHERE Statement
• NULL Value, LIKE, BETWEEN, and IN Statements
• ORDER BY, LIMIT, DISTINCT
• Aliases
• Aggregate Functions
• GROUP BY Statement
• JOIN Statement
• Functions
• HAVING Statement

Django ORM

• Database Intro
• ORM Intro
• Fields and Relations
• Many-to-Many Relationship
• Queries
• Queries in Details
• ORM Advanced
• Optional: Performance Improvement & Isolation Levels

HTML + CSS Basics

• Environment Setup
• HTML Basics
• CSS Basics
• Colors and Fonts
• Box Model Basics
• Semantic Basics
• Responsiveness Basics
• CSS Selectors
• Pseudo-Elements and Pseudo-Classes
• Specificity
• Links and URLs
• Images
• Media Queries
• Forms
• Position
• Extra topics

How the Web Works

• Introduction to the web
• OSI model
• HTTP
• Encryption
• API interface
• Security in the Web

Django

• Django Intro
• MVT
• Class-Based Generic Views
• Sessions and Authentication
• Forms
• Forms in Details
• Django Advanced
• Website [Portfolio Project]
• Deploying Django
• Django Practice

Django REST Framework

• Django REST Framework Intro
• Class-Based Views
• Serializers
• Serializers in Details
• Authentication & Permissions
• Django REST Framework Advanced
• DRF JWT and Tests
• Docker
• Docker in DRF
• API [Portfolio Project]
• Test Task Solving
• Connect Backend to Frontend
• DRF Practice

Asynchronous Python

• Introduction and Theoretical Foundation
• Concurrency & Parallelism
• Asyncio

Team Project

• Team Project. Intro
• Jira Environment
• Status Check
• Estimates
• How to Demo Your Work
• Team Project for Employment
• Retrospective

Employment 2.0

• Employment Roadmap
• Preparing Your Resume
• Interview Preparation
• Cover Latter Preparation
• Google, LinkedIn, DOU, Djinni
• How to find and apply for vacancies
• Job Search Tips: Talking to Recruiters
• Work details FAQ

Object Oriented Programming

• Basic Principles
• SOLID Principles

Python Advanced

• SOLID Practice
• FastAPI overview
• FastAPI in details
• Web Scraping
• Selenium
• Scrapy
• Data Analysis
• Pandas & Matplotlib
• ETL & Visualising Practice
• [Portfolio Project]: Web Scraping & Data Analysis Practice
• Tableau
• Machine Learning
• Neural Networks & Classification
• DevOps Basics for Python Developers
• Machine Learning Practice

Algorithms and Data Structures (Old)

• Main Concepts
• Algorithm Complexity
• Data Structures: Array
• Search Algorithms
• Data Structures: Linked List
• Data Structures: Stack
• Data Structures: Queue
• Data Structures: Hash Map
• Data Structures: Hash Set

Algorithms and Data Structure

• Module Overview
• Algorithms complexity
• Arrays
• Binary search
• Two pointers
• Linked lists
• Stack
• Queue
• Trees
• Binary search tree
• Priority queue

Javascript Basics

• Introduction
• Your First JavaScript Program
• Main Concepts
• Numbers
• Strings
• Boolean
• Functions
• Conditional Operators
• Arrays
• Loops
• String Iteration
• String Methods
• Working With Arrays
• Get Ready for the Interview

Career Development

• Mastering Your Probation Period
• PDP and Career Plans
• Salary Review Strategies
• Recruiter Outreach
• How to Find a New Job?
• How to Talk About You Previous Work Experience?
• Career Knowledge Base

Особливості курсу

• Працюєш? Вчись у власному темпі
• Зідзвони з менторами тричі на тиждень
• Чат з одногрупниками
• Навчальні матеріали «без води» замість довгих лекцій
• Матимеш 3 робочих проєкта в портфоліо
• Гарантуємо працевлаштування після навчання
• Повернемо кошти якщо не знайшов роботу в ІТ

Викладачі курсу

• Alla Vyshnia - Student's Coordinatop
• Danylo Tiutiushkin - Python developer

За 16 уроків опануєте основи Python, систематизуєте знання та практичні навички програмування, щоб далі розвиватися в IT як Python Developer, Data Analyst, ML Engineer, Data Scientist, Data Engineer.

Програма курсу

Основи програмування. Знайомство з Python

• Зрозумієте, які завдання розв’язують за допомогою програмування, а також які бувають підходи до програмування
• Дізнаєтеся, що таке мова програмування і які вони бувають
• Зрозумієте, чим особлива мова програмування Python та які сфери її застосування

Середовище розробки

• Розберете основні інструменти для програмування мовою Python та навчитесь їх встановлювати
• Дізнаєтеся, що таке IDE та як їх використовувати
• Дізнаєтеся, що таке Python Interpreter
• Розглянете, що таке virtualenv, як його створити й використовувати

Типи даних. Операції з даними

• Навчитеся використовувати базовий синтаксис та ключові слова мови Python
• Попрактикуєтеся розрізняти типи даних
• Дізнаєтеся, що таке змінна і для чого її використовують
• Розберете базовий синтаксис мови для роботи зі змінними

Умови та цикли

• Зрозумієте, що таке умовні конструкції та як їх використовувати
• Дізнаєтеся, що таке ітерація, та зможете писати базові циклічні програми

Функції

• Дізнаєтеся, що таке функція, які вони бувають та як їх оголошувати
• Розберете, що таке іменовані та неіменовані параметри функції

Колекції та структури даних

• Навчитеся працювати зі списками, словниками, кортежами та множинами
• Дізнаєтеся їхні відмінності, сильні та слабкі сторони, алгоритмічну складність роботи з ними
• Зможете організовувати й оптимізувати дані коду за допомогою різних колекцій та структур даних

Додаткові функції. Ітератори та генератори

• Навчитеся працювати й створювати ітератори й генератори
• Розберете відмінності між ітератором та генератором
• Дізнаєтеся різні способи використання ітераторів і генераторів

Обробка помилок та менеджери контексту

• Дізнаєтеся, що таке Exceptio та які бувають його типи
• Навчитеся використовувати винятки для контролю помилок та підвищення читабельності коду
• Дізнаєтесь, як створити власний Exception
• Розберете, що таке контекстний менеджер і для чого їх використовувати
• Зможете створити власний менеджер контексту

Декоратори

• Розберете, що таке декоратор і для чого їх використовують
• Навчитеся створювати власний декоратор

Робота з файлами

• Навчитеся створювати, читати й змінювати файли за допомогою Python
• Дізнаєтесь, як працювати з функцією open

Класи та об'єкти в Python

• Дізнаєтеся, чим об’єкт відрізняється від класу
• Зрозумієте переваги використання класів на практиці

Об'єктно-орієнтоване програмування (ООП) в Python

• Розберете ідеологію Python як мови, що є прикладом обʼєктно-орієнтованої мови програмування (ООП)
• Дізнаєтеся, що таке класи та як їх створювати
• Розберете, що таке атрибути й методи класів
• Вивчите, що таке static та class methods
• Навчитеся розрізняти відмінності основних парадигм програмування

Тестування та налагодження коду

• Опануєте різні способи тестування коду перед запуском: unit-тести, інтеграційні тести, end-to-end тести
• Навчитеся писати unit-тести

Робота з потоками та процесами

• Зрозумієте відмінність між потоком та процесом
• Зможете створити нескладну багатопотокову програму
• Розберете, як працює багатопотоковість у Python

Наступні кроки та можливості

• Зрозумієте, що таке фреймворки та бібліотеки та як з ними працювати
• Опануєте основні фреймворки, бібліотеки та в яких сферах їх використовують
• Розберете, де ви зможете розвиватися як Python-розробник

Фінальний проєкт

• Розробите планувальник бюджету на Python
• Презентуєте проєкт лектору та одногрупникам

Особливості курсу

• База Python
• Навичка писати якісний код
• Гнучкий формат
• Проєкт у портфоліо

Викладачі курсу

Богдан Данилюк - Architect at EOS Data Analytics

Базовий синтаксис Python є фундаментом для розвитку в будь-якій сфері IT ― від аналітики до веброзробки та машинного навчання. robot_dreams згенерував курс, який допоможе вивчити Python з нуля, його основні функції та бібліотеки. Доступ до цього курсу — інвестиція у ваше майбутнє.

Програма курсу

Знайомство з базовим синтаксисом

Навчіться запускати програми, написані на Python. Ознайомтеся з pipenv, пакетом віртуального оточення для Python. Опануйте базовий синтаксис мови та правила форматування вихідного коду. Навчіться імпортувати модулі та бібліотеки Python, а також користуватися вбудованими функціями.

Типи та структури даних

Навчіться працювати з основними вбудованими типами даних та вибирати правильні структури даних з огляду на їхні властивості. Попрацюйте із контейнерами list, tuple, dic, set. Навчіться користуватися операціями з урахуванням їхніх пріоритетів.

Робота з керівними конструкціями

Навчіться користуватися оператором присвоєння. Напишіть код на Python з використанням розгалуження виду if, elif, else та циклів виду for, while. Використовуйте спискове включення Comprehensions для генерації структур даних.

Функції та генератори

Навчіться оголошувати та викликати функції. Спробуйте написати власні функції та повертати одне або кілька значень. Навчіться використовувати та створювати генератори.

Функції введення/виведення

Опануйте функції input() і print(), навчіться читати файл і записувати дані в нього за допомогою Python. Використовуйте контекстний менеджер для правильного звільнення ресурсів. Навчіться користуватися бібліотеками для роботи з різними форматами даних.

ООП у Python

Опануйте принципи об'єктно-орієнтованого програмування для мови Python та навчіться їх застосовувати. Попрактикуйтеся у визначенні та інстанціонуванні класу. Вивчіть статичні методи та методи класу.

Стратегії обробки помилок

Ознайомтеся з різними стратегіями обробки помилок та винятків. Навчіться збуджувати, обробляти та оголошувати винятки. Створіть ієрархію винятків.

Введення в мережеве програмування

Пройдіть короткий екскурс у мережевий стек. Вивчіть принципи клієнт-серверної архітектури. Напишіть мережну програму з використанням сокетів. Навчіться працювати з протоколами HTTP, призначеними для передачі даних.

Введення в багатопотокове програмування

Зрозумійте різницю між потоками, процесами та корутинами. Навчіться обирати правильний підхід для реалізації конкурентності, зважаючи на вимоги. Напишіть простий багатопотоковий додаток і спробуйте створити з незалежними процесами.

Beyond the basics. Екосистема Python

Ознайомтесь із каталогом програмного забезпечення PyPi та бібліотеками мови. Навчіться тестувати, налагоджувати, робити виміри та логувати програми.

Бібліотека NumPy

Вивчіть інструменти бібліотеки NumPy. Розв'яжіть задачі лінійної алгебри, використовуючи масиви та матриці NumPy.

Аналіз та візуалізація даних

Навчіться користуватися бібліотекою для візуалізації даних Matplotlib та візуалізувати дані за допомогою графіків, діаграм, гістограм із набору цієї бібліотеки. Вивчіть можливості та інструменти бібліотеки Pandas. Виконайте аналіз та перетворення даних, використовуючи групування, злиття, побудову зведених таблиць та інших інструментів Pandas.

Особливості курсу

• Робота з аналізом даних
• Розробка на Python
• Автоматизація
• Підтримка методиста

Викладачі курсу

Олександр Тихонрук - Team Lead у TakeOff Technologies Inc