Курс Python

На цьому курсі Ви здобудете навички застосування алгоритмів машинного навчання з використанням бібліотеки scikit-learn. Будете вивчати розпізнавання зображень та створите власну штучну нейронну мережу з використанням мови програмування Python. Крім того, ознайомитеся з методами роботи з непоміченими даними, такими як кластерний аналіз, а також вивчите нейронні мережі.

Програма курсу

Модуль 1. Базові технології

Тема 1.1. Синтаксис Python

• Вступ до Python
• Складні типи даних та операції над ними
• ДЗ. Робота із базовими типами даних
• Основи синтаксису і програмування
• ДЗ. реалізація розгалужених обчислень
• Робота із файлами
• ДЗ. Файлова організація збереження даних

Тема 1.2. Технології функціонального та модульного програмування в Python

• Функціональне програмування
• ДЗ. Функціональне програмування
• Модульне програмування
• ДЗ. Модульне програмування

Тема 1.3. Технології ООП в Python

• Основні принципи ООП
• ДЗ. Реалізація ООП
• Докладно про класи
• ДЗ. Занурення в ООП

Модуль 2. Занурення в технології Python

Тема 2.1. Інфраструктура Python, декоратори, ітератори, генератори

• Інфраструктура
• ДЗ. Створення інфраструктури
• Декоратори
• ДЗ. Декоратори в Python
• Ітератори, генератори, модуль itertools
• ДЗ. Ітератори, генератори

Тема 2.2. Забезпечення якості програмного коду

• Налагодження і документування
• Тестування
• ДЗ. Тестування та документування в Python

Тема 2.3. Алгоритми та структури даних

• Основні структури даних
• ДЗ. Робота зі структурами даних
• Алгоритми сортування
• ДЗ. Реалізація та дослідження алгоритмів сортування
• Алгоритми пошуку
• ДЗ. Реалізація та дослідження алгоритмів пошуку
• Математичні алгоритми
• ДЗ. Реалізація математичних алгоритмів

Тема 2.4. WEB-технології з Python

• Технології доступу до WEB-ресурсів з Python
• Технології клієнт-серверної взаємодії
• ДЗ. Реалізація WEB-технологій з Python - мініпроєкт

Тема 2.5. Вступ в Data Science

• Data Science: часові ряди, бібліотеки Numpy, Pandas, Matplotlib
• ДЗ. Робота із числовими/часовими рядами – міні проєкт
• Методи та технології статистичного навчання (Statistical Learning)
• ДЗ. Поліноміальна регресія – міні проєкт
• Обробка цифрових зображень. Бібліотеки Pillow, OpenCV
• ДЗ. Обробка цифрових зображень – міні проєкт
• Машинне навчання (Machine Learning (ML))
• ДЗ. Реалізація методів Machine Learning
• Інтелектуальний аналіз даних (Data Intelligence) – міні проєкт
• ДЗ. Технології Text Mining – міні проєкт
• Технології штучних нейронних мереж (Artificial Intelligence (AI)
• ДЗ. Технології штучних нейронних мереж – міні проєкт
• Основи геоінформаційних технологій
• Практика аналізу геопросторової інформації
• ДЗ. Макет GIS системи

Тема 2.6. Занурення у WEB-технології з Python

• Вступ до Django
• ДЗ. WEB-застосунок із Django
• Проєктний практикум із Django
• Вступ до celery

Вимоги для проходження курсу

• Бажання опановувати нові методології та технології в ІТ-галузі
• Базові знання/навички користування обчислювальною технікою та їх системним/прикладним програмним забезпеченням
• Базові знання з математики:
  • елементарні математичні операції
  • функціональний аналіз
  • алгебра логіки
  • геометрія
  • тригонометрія
  • інтегральне та диференціальне числення
  • матриці та операції над ними

Особливості курсу

• Вечірні заняття двічі на тиждень
• Багато практики + домашні завдання

Викладачі курсу

Олексій Писарчук - Data Science тренер у Sigma Software University