Курси Python розробник

Курс охоплює основи програмування Python, включаючи розуміння основних концепцій, написання першої програми, роботу з різними середовищами розробки та в Data Science з аналізом даних. По закінченню навчання Ви отримаєте сертифікат, а також реальні проєкти які підійдуть для вашого портфоліо.

Програма курсу

Модуль 1. Python Basics

• Вступ до програмування Python
• Типи даних
• Умовні оператори
• Списки, кортежі та вбудовані методи
• Словники та бібліотека "requests"
• Функції
• Файлова система та кодування
• Підходи до побудови програм
• Об’єктноорієнтоване програмування (ООП)
• Проєкт:
  • Використання Telegram Bot API та створення власного Telegram-бота.

Модуль 2. Web applications development

• Контроль версій з Git
• Декоратори
• Обробка виключень
• Багатопотоковість
• Асинхронне програмування з Asyncio
• Тестування коду
• Шаблони класів
• Управління базами даних з SQLAlchemy
• Міні SQL з SQLite
• MySQL
• NoSQL з MongoDB
• Flask
• Python REST API з Flask
• Вебскрапінг з BeautifulSoup4
• Робота з формами, кукі та сесіями
• Занурення у веброзробку: HTML та CSS
• Хмарні обчислення з AWS
• Контейнеризація з Docker
• Kubernetes
• Проєкт:
  • Застосування отриманих знань для створення першого вебдодатка

Модуль 3. Data Science

• Маніпулювання даними
• Створення API та використання Postman
• NumPy та масиви
• Pandas DataFrames
• SQL для бізнес-інтелекту
• Математика для бізнес-інтелекту
• Теорії та основи Data Science
• Візуалізація даних з Matplotlib
• Експлораторний аналіз даних з Seaborn
• Машинне навчання з Scikit-Learn
• Проєкт:
  • Застосування отриманих знань для роботи над проєктом з Data Science

Модуль 4. Підготовка до співбесіди та оформлення портфоліо

Бонусний модуль: Англійська для ІТ

Особливості курсу

• Живі заняття у вечірній час (19:00-22:00) та на вихідних (10:00-13:00)
• Система оцінки знань
• Постійна підтримка ментора
• Робота над реальними проєктами у команді
• Сертифікат про закінчення навчання
• Допомога у працевлаштуванні

Викладачі курсу

• Сергій Алпатов - Head of Learning and Development, Elogic Commerce
• Роман Мироненко - Python Software Developer at EPAM
• Сорока Ігор - Python Developer at Grid Dynamics

Тут ви вивчите просту, але потужну мову Python, яка використовується у всіх сферах ІТ - від веб-розробки до аналізу даних та розробки інтернет-речей. На цьому курсі ви не тільки отримаєте теоретичні знання, але й зможете поринути у практику, створивши свої перші програми на Python та вивчивши основи об'єктно-орієнтованого програмування.

Програма курсу

Навіщо потрібні комп'ютерні програми

• Програмування як творчий процес
• Архітектура комп'ютера
• У чому суть програмування?
• Процес "спілкування" з Python
• Інтерпретатор і компілятор
• Процес написання програм
• Що ж таке програма?
• Принципи програмування
• Парадигми програмування
• Вправи

Змінні, вирази і інструкції Python

• Поняття "значення" і "тип"
• Змінні
• Імена змінних і ключові (зарезервовані) слова
• Оператори
• Оператори і операнди
• Вирази
• Порядок операцій
• Операції з рядками
• Ввід даних
• Коментарі
• Вправи

Управління потоком виконання

• Логічні вирази
• Логічні оператори
• Умовне виконання
• Послідовність умов
• Вкладені умови
• Перехоплення винятків з використанням try і except
• Вправи

Ітерації

• Оновлення змінної
• Інструкція while
• Нескінченні цикли
• "Нескінченні цикли" і break
• Завершення ітерації за допомогою continue
• Списки
• Визначення циклів за допомогою for
• Обхід списків за допомогою циклу for
• Вправи

Функції і модулі

• Виклик функції
• Вбудовані функції
• Функції приведення типів
• Випадкові числа
• Математичні функції
• Додавання нових функцій
• Визначення і використання
• Параметри функції
• Модульні тести
• Імена файлів і шляхи
• Створення власних модулів і пакетів
• Ініціалізація пакета
• Обробка аргументів командного рядка
• Визначення параметрів середовища виконання
• Створення віртуальних середовищ
• Автоматична ініціалізація пакетів
• Вправи

Рядки

• Рядок - це послідовність
• Отримання довжини рядка з використанням len
• Обхід рядка за допомогою циклу
• Зріз рядка
• Рядки є незмінними
• Оператор in
• Порівняння рядків
• Малі методи
• Розбір (parsing) рядків
• Оператор форматування
• Регулярні вирази
• Вправи

Основи роботи з системою контролю версій

Файли

• Вступ
• Відкриття файлів
• Текстовий файл і рядки
• Читання файлів
• Пошук через файл
• Оператор with
• Запис файлів
• Вправи

Колекції

• Що таке колекція в Python
• Типи колекцій
• Масиви і методи роботи з ними
• Списки і методи роботи з ними
• Кортежі й методи роботи з ними
• Множини й незмінні множини
• Словники, методи роботи зі словниками
• Цикли по колекціям
• Практика

Елементи функціонального програмування

• Функція об'єкт першого класу
• Функції, залежні від функцій
• Замикання
• Каррування
• Лямбда-функції
• Декоратори
• Вправи

Функції

• Типи даних
• Вбудовані контейнери
• Оператори контролю виконання
• Обробка помилок (try … except …)
• Оператори циклів
• Comprehensions (list, dict, set)
• Створення функції і процедур
• Аргументи функцій
• Рекурсивні функції
• Functors, Currying
• Декоратори
• Lambda-функції
• PEP8

Об'єктно-орієнтований підхід

• Визначення класу
• Поля і методи класу
• Інкапсуляція
• Спадкування
• Поліморфізм
• "Качина" типізація
• Вправи
• Оголошення класу та створення екземпляру
• Принципи ООП (наслідування, інкапсуляція, поліморфізм) в Python
• Область видимості (Namespaces, Scope, правило LEGB)
• Method Resolution Order (MRO)
• Магічні методи
• Визначення математичних операцій для об'єктів Python
• Визначення операцій порівняння для об'єктів Python
• Визначення операцій хешування для об'єктів Python
• Створення копії екземпляру класу, deep copy, shallow copy
• Інкапсуляція (Setters and getters)

Управління створенням екземплярів класу

• Doc strings
• Meta класи
• Abstract Bases класи
• __new__
• __init__
• Context-managers
• Використанням декораторів з класами
• Контейнери, створені шляхом успадкування (UserList, UserDict, UserString)
• Контейнери, створені шляхом агрегації
• Методи доступу до елементів контейнера
• Iterators, Generators

Прийоми об'єктно-орієнтованого програмування

• Software Engineering як процес
• Мова UML
• Принципи SOLID
• Метрики якості коду
• Design Patterns (категорії, приклади використання)
• Singletone
• Facade
• Interface

Модулі й пакети

• Розробка модулів (визначення та запуск)
• Система імпорту
• Навчання розробці повторно використовуваних пакетів
• Менеджер пакетів pip і віртуальні середовища virtualenv
• Setup.py
• Написання документації до пакета, модулю
• Створення додатків на основі пакетів

Робота з файлами

• Робота із системою контролю версій Git
• Форматування рядків
• Context-managers
• Робота з файловою системою (os, os.path, shutil)
• Серіалізація за допомогою pickle
• Управління порядком серіалізації / десеріалізації об'єктів Python
• Серіалізація даних у JSON
• Серіалізація даних у XML

Вбудовані пакети Python

• Робота з datetime і calendar
• Робота з collections (черги, іменовані кортежі, вкладені словники)
• Робота з heapq, array, enum
• Робота з числовими даними (numbers, math, decimal, random)
• Робота з contextlib
• Робота з functools
• Logging
• Unittest

Networking

• Sockets (основи роботи, приклади серверів)
• Socket server
• Socket Client
• HTTP
• HTML, парсинг HTML-файлів
• XML

Багатопотоковість у Python

• Global Interpreter Loc (GIL)
• Створення потоків у Python
• Контроль доступу до ресурсів
• Синхронізація потоків
• Створення потоків за допомогою пакету concurent
• Пул потоків

Процеси в Python

• Пакет multiprocessing
• Interprocess communication
• Черги завдань
• Створення процесів за допомогою пакету concurent
• Пул процесів
• Відтермінування завдань за допомогою пакета sched

Асинхронне програмування

• Asyncio
• Пакет Twisted
• Асинхронний фреймворк Aiohttp

Бази даних: Основи SQL + Scrapy

• Збір даних за допомогою фреймворку Scrapy SQL
• Основи реляційних баз даних
• ER-діаграми
• Стандарт PEP249

Поглиблена робота з базами даних

• Аналіз запитів баз даних
• Оптимізація запитів при роботі із великим набором даних
• Вправи

Робота з СУБД SQLite, Postgresql

• Основи мови SQL (SELECT, LIKE, ORDER BY, LIMIT)
• NSERT
• UPDATE
• DELETE
• JOIN (INNER, LEFT, OUTER)
• GROUP BY
• Функції SQL (mean, min, max, avg, count)
• Subqueries

Object Relational Mapping

• Основи роботи з SQLAlchemy
• Механізм сесій в SQLAlchemy
• Створення бази даних за допомогою моделей SQLAlchemy
• Міграції баз даних з використанням Alembic

NoSQL-бази даних

• CAP теорема
• Типи NoSQL баз даних
• Робота з Redis
• Робота з Memcached
• Робота з MongoDB
• Брокер повідомлень RabbitMQ
• Основи роботи з Celery

Веб-розробка

• Класифікація web frameworks
• Мова шаблонів Jinja2
• Основи API
• Стандарти API (REST, XML-RPC, Swagger, JSON API)
• Архітектурний підхід API First
• Основи роботи з Flask

Python + AI: перші практичні кроки

• Що таке LLM (ChatGPT, Claude, Gemini)
• Як Python інтегрується з AI через API
• Що таке prompt engineering і навіщо він розробнику
• Пишемо перший скрипт з OpenAI API
• Створення облікового запису та API-ключа
• Бібліотека openai, установка, базове використання
• Запит до gpt-3.5-turbo: prompt - відповідь
• Обробка JSON-відповіді, вивід на екран
• Автоматизація з ІІ
• Формування шаблонів запитів (прості prompt-шаблони)
• Генерація листа / ідеї допису / заголовка з Python
• Форматування та збереження відповіді у файл (.txt або .json)
• Приклади реального використання Python + AI в роботі
• Подальші кроки роботи із AI,keras та прикладні нейронні мережі
• Питання/відповіді, що ще можна автоматизувати
• Формування шаблонів запитів (прості prompt-шаблони)

Особливості курсу

• Допомога ментора
• Практика
• Проєкт в портфоліо
• Сертифікат про проходження курсу

Курс для тих, хто бажає опанувати мову програмування Python з нуля. На заняттях ви отримаєте базові навички програмування та застосуєте отримані знання на практиці, навчатись писати свій код та проаналізуєте помилки.

Програма курсу

Інтерпретатор Python та його оточення

• Вступ до Python. Його особливості та переваги.
• Виконання коду на мові Python.
• Запуск скриптів Python.
• Базові структури управління.
• Синтаксис функцій.
• Модулі/пакети.
• Практичне завдання з pip, virtualenv, pipenv.

Типи даних та операцій з ними

• Вбудовані типи: числові.
• Вбудовані типи: рядки.
• Словниковий тип.
• Практичне завдання з наведення типів.
• Практичне завдання: робота з рядковими типами.

Послідовності та їх види

• Списки (lists) та зрізи.
• Змінювані та незмінювані об'єкти.
• Функції списку/послідовності.
• Словниковий тип.
• Використання типу set/frozenset.
• Інші типи/функції послідовності.
• Копіювання об'єктів.
• Практичне завдання:
  • робота зі змінюваними та незмінюваними об'єктами;
  • використання послідовностей у керуючих конструкціях.

Операції введення-виводу

• Операції з файлами.
• Операції зі шляхами.
• Операції з папками.
• Комунікація з зовнішніми процесами.
• Синтаксичний аналіз аргументів командного рядка.
• Практичне завдання:
  • пошук інформації у файлі;
  • створення свого демона/сервісу з відстеження файлів у папці;
  • створення додатку для відправки повідомлень.

Додаткові структури управління

• Обробка помилок.
• Використання lambda-виразів.
• Менеджери контексту.
• Генератори.
• Створення функцій генератора.
• Вбудовані функції, які повертають генератори.
• Відмінності генераторів та ітерованих послідовностей.
• Практичне завдання:
  • опрацювання помилок;
  • збір статистики про кількість пам'яті, що використовується ітерованими об'єктами;
  • використання map, reduce, filter;
  • створення генераторів.

Регулярні вирази

• Елементи регулярних виразів.
• Варіанти використання прапорців.
• Додаткові функції регулярних виразів.
• Практичне завдання: аналіз тексту (аналіз банківського чека).

Засоби розробки

• Види ведення документації у програмному коді.
• Анотація типів.
• Тестування коду.
• Логування додатків і модулів.
• Налагодження додатків і модулів.
• Практичне завдання:
  • налагодження та аналізу помилок;
  • написання unittest;
  • документування модуля з анотацією типів та автогенерації документації.

Додаткові можливості

• Декоратори.
• Практичне завдання: написання декораторів.

ООП у Python

• Основи ООП.
• "Магічні" методи.
• Інкапсуляція у Python.
• Порядок наслідування Python.
• Інспектування властивостей об'єкта.
• Dataclass.
• Перерахування (Enum).
• Практичне завдання:
  • написання класу, об'єкт якого можна використовувати як менеджера контексту;
  • використання декораторів класів;
  • перетворення перерахувань;
  • застосування "Магічних методів".

Серіалізація та формати обміну з іншими додатками

• JSON.
• XML.
• DB-API.
• Практичне завдання:
  • серіалізація та десеріалізація об'єктів у JSON;
  • SQLite.

Обробка тексту за допомогою шаблонів

• Огляд популярних реалізацій.
• Jinja2.
• Практичне завдання: форматування набору даних.

Веб-сервер

• Модуль http server.
• Мінімалістичний фреймворк cherrypy.
• Види http-запитів.
• Стиль взаємодії REST.
• Практичне завдання:
  • публікація файлу/папки через http;
  • створення найпростішої веб-сторінки.

Отримання даних з веб-сторінок і зовнішніх сервісів

• Відправка http-запитів. Модулі http, client і requests.
• Читання веб-сторінок. BeautifulSoup.
• Огляд "відкритих" API для самонавчання.
• Практичне завдання:
  • читання прогнозу погоди з rp5.ua;
  • відправка повідомлення з самописного клієнта до Telegram;
  • читання постів і коментарів з HakerNews API;
  • створення веб-клієнта для пошуку фільмів у TheMovieDB.

Особливості курсу

• Заняття проходять у вечірній час
• Практика на реальних проєктах
• Підтримка під час та після навчання
• Свідоцтво про закінчення курсу

Викладачі курсу

Іван Ніконов - керівник групи розробки веб-проектів.

Курс "Python та нейронні мережі" - навчання з нуля до першого проєкту» допоможе тобі розібратися з сучасними інструментами та зробити перші практичні кроки у сфері AI. Спочатку ти вивчиш основи Python і отримаєш базу для роботи з даними. Далі перейдеш до Data Science: навчишся аналізувати, візуалізувати та готувати дані для машинного навчання, а потім познайомишся з нейронними мережами. Фінал курсу - власний ML-проєкт, де ти пройдеш весь шлях: від підготовки даних до запуску моделі з вебінтерфейсом.

Програма курсу

Основи Python

Знайомство та базові конструкції

• Вступ до Python
• Що таке Python, його застосування, огляд синтаксису
• Установка Python та середовища (Jupyter, VS Code)
• Виведення на екран (print), змінні, типи даних, числові типи, рядки, булеві значення
• Арифметика та базові операції
• Основні математичні операції, порядок виконання, присвоєння
• Булева логіка і оператори порівняння (==, !=, >, <, and, or, not)
• Умовні оператори if, elif, else, вкладені умови, скорочений запис
• Методи роботи з рядками len(), upper(), lower(), split(), replace(), f-string

Структури даних, цикли, функції

• Списки та базові структури даних
• list, tuple, set, dict - огляд і базові операції
• Цикли for, while, break, continue, range()
• Ітерація по списках, словниках
• Генератори списків
• Функції: def, аргументи, return, позиційні та іменовані аргументи, *args, **kwargs
• Область видимості змінних
• Обробка винятків: try/except, базові типи помилок
• Імпорт модулів та бібліотек (import, from...import)
• Стандартні бібліотеки: math, random, datetime

Міні-проєкти

• Калькулятор з різними операціями
• Робота з рядками та форматування
• Введення/виведення даних
• Менеджер завдань (to-do list)
• Аналіз частоти слів у тексті
• Прості ігри (вгадай число)

Python for Data Science

Бібліотеки NumPy, Pandas, Matplotlib

• NumPy та Pandas
• Масиви NumPy, базові операції, reshape, індексація, зрізи, операції над масивами
• Series та DataFrame: створення, фільтрація, агрегація
• Імпорт/експорт даних (CSV, Excel)
• Очищення даних
• Пропущені значення, дублі, категорії
• Робота з датами, текстом, кодування
• Візуалізація даних
• Matplotlib /Seaborn. Побудова графіків: лінійні графіки, гістограми, діаграми розсіяння
• Налаштування підписів осей, легенд, збереження графіків

Міні-проєкти

• Математичні обчислення, обробка даних
• Аналіз CSV, очищення даних, групування
• Створення дашбордів, візуалізація трендів

Робота з реальними даними: аналіз датасетів

• Завантаження відкритого датасету (Kaggle, UCI), огляд
• Первинний аналіз даних: describe(), info(), візуалізація розподілу
• Обробка пропусків, категоріальних даних (fillna, dropna, map, get_dummies)
• Агрегація та групування (groupby, agg, pivot_table)
• Попередня підготовка для ML
• Нормалізація, стандартизація, розділення train/test

Практика над датасетами: повний цикл обробки даних

• Від завантаження до підготовки для навчання моделі
• Класифікація (напр. ірис, цифри), регресія (вартість житла)
• Аналіз якості даних
• Outliers, кореляція ознак, побудова heatmap

Міні-проєкти

• Аналіз COVID-19 статистики
• Дослідження ринку нерухомості
• Аналіз соціальних мереж

Вступ до нейронних мереж

Теорія нейромереж. Математичні основи

• Базові поняття: штучний нейрон, шар, активація, навчання, ваги
• Де застосовують НН (класифікація, регресія, генерація даних)
• Повнозв'язна (Dense) мережа
• Приклади базових моделей на Keras/TensorFlow або PyTorch

Побудова першої моделі

Побудова простої мережі, запуск навчання, оцінка точності.

Міні-проєкти

• Реалізація персептрона з нуля
• Розпізнавання цифр MNIST
• Передбачення цін на житло

Архітектури нейронних мереж

Огляд архітектур нейронних мереж

• Рекурентні нейронні мережі (RNN)
• Класифікація зображень CIFAR-10
• Послідовності, LSTM, GRU
• Для послідовностей, базова теорія, приклади
• Згорткові нейронні мережі (CNN)
• Базові поняття для обробки зображень
• Інші модифікації
• Dropout, BatchNorm, різні функції активації

Запуск та аналіз різних архітектур

• Приклади з готовими датасетами
• Міні-проєкти
• Передбачення акцій
• Генерація тексту
• Аналіз настроїв

Методи навчання нейронних мереж

Огляд методів навчання нейронних мереж

• Оптимізація та регуляризація
• Просунуті методи
• Deployment та MLOps
• Порівняння методів, кейси їх застосування
• Порівняння оптимізаторів
• Боротьба з перенавчанням
• Hyperparameter tuning
• Ансамблі моделей
• Cross-validation для НМ
• Метрики якості
• Flask API для моделі
• Dockerизація додатка
• Моніторинг моделей

Робота з готовими моделями

• Завантаження, використання і донавчання попередньо навчених (pre-trained) моделей
• HuggingFace, TensorFlow Hub
• Transfer Learning
• Використання для задач класифікації на малих датасетах

Фінальний проєкт. Повний ML pipeline: від збору даних до deployment моделі з вебінтерфейсом

Вибір теми фінального проєкту та його реалізація

• Постановка задачі
• Вибір/надання датасету (Kaggle), визначення мети (класифікація/регресія)
• Розробка повного пайплайну
• Передобробка даних, побудова моделі, навчання, валідація
• Оцінка результатів
• Досягнення заданої точності, аналіз помилок

Захист проєкту

• Демонстрація рішення
• Пояснення вибору архітектури
• Короткий виклад результатів

Навички, які отримаєш після курсу

• Працювати з даними: аналізувати, візуалізувати, очищати, фільтрувати та готувати їх для нейронних мереж
• Створювати та тренувати прості нейронні мережі на власних пристроях або в Google Colab
• Розробляти повноцінний ML-проєкт від підготовки даних до запуску моделі з вебінтерфейсом
• Конструювати нейронні мережі відомих поширених архітектур для локальних завдань, що не потребують серверних потужностей
• Писати на Python власні автоматизовані скрипти
• Використовувати набуті знання як міцний бекграунд для подальшої AI-розробки та роботи у сфері Data Science

Особливості курсу

• Допомога ментора
• Практика
• Підтримка
• Зворотній зв'язок
• Курсовий проєкт
• Проєкт в портфоліо
• Сертифікат про проходження курсу

Викладачі курсу

Олександр Штикало - Python Developer, Аспірант та старший інженер

Пориньте в професію крок за кроком - від нуля до вашої першої пропозиції про роботу

План навчання

Базовий рівень

Після курсу Python Fundamentals ти навчишся:

• Навчишся користуватися середовищем розробки для Python
• Будуватимеш алгоритми з базових конструкцій мови
• Розроблятимеш програми з модулями та пакетами
• Працюватимеш зі змінними різних типів та з даними у файлах
• Застосовуватимеш основні принципи ООП
• Користуватимешся системою керування версіями Git

Після Frontend Fundamentals ти вмітимеш:

• Створювати сучасні, адаптовані для мобільних пристроїв та десктопів вебсайти з високим рівнем SEO-оптимізації, використовуючи HTML, CSS і JavaScript
• Використовувати сучасні інструменти розробника на основі Visual Studio Code та Git/GitHub для публікації коду і розгортання проєкту

Після Data Base Fundamentals зможеш:

• Розробляти й адмініструвати бази даних, необхідні для будь-яких повноцінних IT-рішень (як реляційні, так і нереляційні)
• Проєктувати та створювати таблиці, і будувати запити до них з використанням мови SQL

Після DevOps for Developers ти вмітимеш:

• Розгортати, підтримувати та тестувати середовища і інфраструктури для виконання проєктів
• Автоматизувати процеси збірки і розгортання (CI/CD) у тому числі з використанням контейнерів

Поглиблений рівень

Після практичного Python ти:

• Поглибиш знання з основ Python
• Навчишся створювати сучасні вебзастосунки, використовуючи Django
• Працюватимеш із базами даних за допомогою SQLAlchemy
• Вмітимеш будувати проєкти у клієнт-серверній архітектурі з використанням REST API
• Знатимеш, як створювати модульні тести для сучасних застосунків

Проєктний рівень

Після Project-based learning Backend Python ти вмітимеш:

• Працювати за методологією Agile
• Налаштовувати та використовувати Dev середовище для розробки та розгортання проєктів
• Розробляти вебзастосунки з використанням Python та Django Rest Framework
• Ефективно працювати в проєктній команді: оцінювати задачі, розставляти пріоритети та працювати з дедлайнами
• Працювати з проєктною документацією та інструментами розробки, системами керування завданнями та обліку дефектів

Особливості курсу

• Графік 2-3 рази на тиждень переважно у вечірній час
• Живі онлайн-заняття з менторами, записи всіх занять і чат в Discord
• Сертифікат про проходження курсу
• 70% програми - практичні завдання з перевіркою
• Підтримка ментора
• Можливість навчатися в будь-який час по записах і брати паузу між курсами
• Навчаємо використовувати сучасні ШІ-помічники та інструменти
• Спільнота однодумців у Discord
• Доступ до додаткових e-курсів
• Безкоштовний розмовний клуб з англійської
• Закриті події з експертами компанії

Викладачі курсу

• В'ячеслав Колдовський - Full Stack Developer
• Володимир Дуднік - Ментор SoftServe Академії
• Любомир Галамага - Full Stack Developer
• Владислав Хричов - Full Stack Developer
• Михайло Плеша - System Administrator
• Дмитро Міночкін - Cloud Architect
• Ігор Капацила - Full Stack Developer

На курсі Ви зможете вивчити основні прийоми маніпулювання та аналізу даних з використанням бібліотек Python, опанувати навички створення візуалізацій для дослідження даних та отримати концептуальне розуміння машинного навчання. Всі заняття проводяться у живому онлайні.

Програма курсу

Вступ до програмування та основи Python

• Огляд концепцій програмування
• Налаштування середовища Python (Jupyter Notebook)
• Змінні, типи даних та основні арифметичні операції
• Умовні оператори та цикли
• Функції та модулі

Робота з даними в Python

• Огляд структур даних: списки, кортежі та словники
• Індексування та вибірка підмножин даних
• Обробка файлів та зчитування даних з файлів
• Основні методи очищення та попередньої обробки даних

Маніпуляція даними з використанням Pandas

• Огляд бібліотеки Pandas
• Робота зі структурами Series та DataFrame
• Вибірка та фільтрація даних
• Робота зі втраченими даними
• Об’єднання та злиття наборів даних
• Основні операції агрегації та групування даних

Дослідження та візуалізація даних

• Описова статистика та підсумки даних
• Візуалізація даних з використанням Matplotlib та Seaborn
• Створення стовпчикових графіків, точкових графіків, гістограм
• Налаштування графіків та додавання анотацій

Статистичний аналіз з використанням Python

• Огляд статистичних концепцій
• Показники центральної тенденції та розкиду
• Перевірка гіпотез та p-значень
• Кореляційний та регресійний аналіз
• Основний аналіз дисперсії (ANOVA)

Вступ до машинного навчання

• Огляд концепцій машинного навчання
• Контрольоване та неконтрольоване навчання
• Методи оцінки моделей

Вступ до Scikit-learn

• Огляд бібліотеки Scikit-learn
• Класифікаційні алгоритми (дерева рішень, логістична регресія)
• Алгоритми регресії (наприклад, лінійна регресія)
• Навчання моделей, оцінка та прогнозування

Фінальний проєкт

• Застосування Python та технік Data Science до реального набору даних
• Дослідження, очищення та попередня обробка даних
• Основний аналіз та візуалізація
• Презентація результатів та висновків

Особливості курсу

• Живі заняття (ввечері 19:00-22:00 та на вихідних 10:00-13:00)
• Система оцінки знань
• Практика на реальних проєктах
• Підтримка ментора
• Дипломний проєкт як підсумок знань

Викладачі курсу

• Іван Гомонець - BI Tech Lead at GROWE
• Сергій Алпатов - Head of Learning and Development, Elogic Commerce
• Калашник Сергій - Python for Data Science, Senior Data Analyst at Boosters
• Єлісєєв Олександр - Website Python Scraper

Курс "Python Базовий" є логічним продовженням курсу "Python Стартовий". На даному курсі розглядається парадигма об'єктно-орієнтованого програмування (ООП) та її реалізація у мові Python. Ви познайомитеся з основними концепціями ООП – інкапсуляцією, спадкуванням, поліморфізмом, абстракцією та тим, як ці принципи втілені у конструкціях Python.

Програма курсу

ООП - Класи, атрибути, методи, конструктор

Після завершення уроку учні матимуть уявлення про парадигму об'єктно-орієнтованого програмування, зможуть створювати класи та об'єкти у програмах на Python.

ООП - Спадкування. Анотація. Абстрактні класи та методи

Після завершення уроку учні розширять своє уявлення про один з основних принципів парадигм об'єктно-орієнтованого програмування - успадкування, його реалізацію в мові Python, зможуть зрозуміти та використовувати принципи спадкування.

ООП - Інкапсуляція та поліморфізм

Після завершення уроку учні розуміють, що таке інкапсуляція в об'єктно-орієнтованому програмуванні, як реалізовувати ці парадигми у мові Python.

Обробка винятків

Після завершення уроку учні матимуть уявлення про обробку помилок та виняткових ситуацій та зможуть користуватися механізмом виключень у мові Python.

Основні принципи програмування: інтроспекція та рефлексія

Після завершення уроку учні матимуть уявлення про основні принципи програмування: інтроспекції та рефлексії, а також застосовувати їх на практиці.

Ітератори

Після завершення уроку учні матимуть уявлення про механізм ітераторів та навчаться створювати власні ітератори.

Генератори

Після завершення уроку учні знатимуть про такий механізм, як генератор, навчаться створювати генератори і розберуться у яких випадках їх слід використовувати.

Робота з файлами

Після завершення уроку учні знатимуть, як працювати з файлами та файловою системою: основні режими роботи з файлами та методи, а також використання контекстного менеджера.

Модулі та пакети

Після завершення уроку учні матимуть уявлення про модулі та пакети та систему імпортування модулів у Python.

Регулярні вирази

Після завершення уроку учні розуміють, що таке регулярні вирази, сфера їх застосування та завдання, які вони покликані вирішувати, а також отримають практичні навички під час роботи з регулярними виразами, використовуючи мову Python.

Практика

Практичне заняття.

Практика

Практичне заняття.

Після завершення курсу ви будете вміти:

• Створювати об'єкти та класи
• Розуміти та застосовувати принципи ООП (об'єктно-орієнтованого програмування) мовою Python
• Здійснювати обробку помилок та виключень
• Створювати власні ітератори, генератори та співпрограми
• Працювати з послідовностями, а також множинами та відображеннями в Python
• Імпортувати модулі та користуватися ними
• Працювати з файлами: зчитувати та записувати інформацію
• Користуватися базовими принципами функціонального програмування

Попередні вимоги

• Впевнене володіння персональним комп'ютером
• Навички роботи з текстовими редакторами
• Базові знання мови Python на рівні Python Starter або досвід програмування, достатній для того, щоб швидко освоїти призначення і особливості роботи найпростіших конструкцій мови

Особливості курсу

• Практичні заняття і перевірка ДЗ
• Безкоштовний відеокурс
• Онлайн тестування і сертифікація

Викладачі курсу

• Віталій Лисенко - Python Developer. Тренер-консультант
• Віктор Ковтун - Python Developer. Тренер-консультант
• Іван Діордиця - Python Developer. Тренер-консультант
• Леонід Подріз - Python Developer. Тренер-консультант
• Володимир Мзоков - Python Developer
• Костянтин Зівенко - Тренер з напрямку Python Developer

Курс Django складається з 9 взаємопов'язаних уроків. Після проходження даного курсу учень зможе писати веб-додатки на мові Python з використанням фреймворку Django.

Програма курсу

Вступ у Django

На цьому уроці розглядається фреймворк Django. Проводимо порівняльну характеристику іншого популярного фреймворка на Python-Flask. Розберемо, що таке віртуальне оточення, навіщо воно потрібне і способи його створення. Архітектура Django-додатка. Створення "Hello World!" додатка на Django.

Маршрутизація. Запити, відповіді сервера

Метою даного уроку є познайомити учня з системою прив'язки інтернет-адрес в фреймворку Django. Познайомити з регулярними виразами. Навчити складати шаблони url і прив'язувати їх до функцій-обробників. Продемонструвати написання регулярного виразу. Познайомити з поняттям HTTP, розглянути запити і відповіді сервера.

Шаблони

Метою даного уроку є познайомити учня з шаблонною системою Django. Познайомити з тегами і фільтрами Django. Кастомізація шаблонної системи (написання своїх тегів і фільтрів).

Моделі

Розгляд поняття "Модель" в Django, що це і навіщо це потрібно. Створення першої міграції бази даних, застосування міграцій. Адмін-частина програми, розгляд основних функцій адміністративної панелі.

Форми

Поняття "Форма" у веб-розробці, принцип створення форм. Види форм. Django-валідація, написання своїх валідаторів.

Робота з базою даних

Розгляд поняття ORM. Принцип використання ORM в Django. На цьому уроці ви дізнаєтесь, як видаляти/додавати/редагувати, а також робити вибірку і фільтрацію об'єктів з бази даних, розглянемо складні запити в БД.

Django Rest Framework, реалізація простого API з DRF

Опанувавши матеріали даного уроку, учень ознайомиться з основами понять REST та API, інструментамив Django для побудови RESTFul API, їх використанням, з перевагамиRESTFul API та його негативними сторонами, як API обробляє дані та які є підходи до реалізації REST у Django, з процесом створення власних уявлень для API, як серіалізувати дані, як відбувається автентифікація та авторизація у DRF та як побудувати маршрут для API. Також навчиться практично встановлювати всі інструментидля роботи з RESTFul API і створити свою першу програму з архітектурою REST.

Деплой Django-застосунку

Опанувавши матеріали даного уроку, учень ознайомиться з основними термінами та поняттями, які використовуються при розгортанні програми на віддаленому сервісі, як на практиці запустити свою програму на віддаленому сервісі. Навчиться працювати з такими інструментами як nginx i uwsgi, на практиці запустити свою програму на AWS сервісі, доставляти програму на сервіс, налаштовувати програму для розгортання на сервісі, а також дізнається нюанси в роботі з AWS, як підготувати свій додаток для деплою і які налаштування для цього використовуються.

Безпека

Метою даного уроку є познайомити учня з базовими поняттями безпеки веб-додатка. Реалізація захисту від атак в Django.

Практика

Практичне заняття

Після завершення курсу ви будете вміти:

• Розбиратися в архітектурі Django-додатку
• Працювати з регулярними виразами, складати URL-шаблони та прив'язувати їх до функцій-обробників
• Розуміти шаблонну систему Django, здійснювати її кастомізацію
• Розуміти моделі в Django, створювати міграції бази даних
• Працювати з веб-формами, реалізовувати реєстрацію та авторизацію користувачів
• Створювати таблиці в базі даних, виконувати запити в БД за допомогою Django ORM
• Реалізовувати асинхронні запити до серверу (AJAX), а також робити безпечним свій додаток

Попередні вимоги

Базові знання мови програмування Python

Особливості курсу

• Практичні заняття і перевірка ДЗ
• Безкоштовний відеокурс
• Онлайн тестування і сертифікація

Викладачі курсу

• Віталій Лисенко - Python Developer. Тренер-консультант
• Віктор Ковтун - Python Developer. Тренер-консультант
• Іван Діордиця - Python Developer. Тренер-консультант
• Леонід Подріз - Python Developer. Тренер-консультант
• Володимир Мзоков - Python Developer
• Костянтин Зівенко - Тренер з напрямку Python Developer

Ця інтенсивна програма допоможе швидко вивчити основи мови Python для роботи з даними. Ти навчишся обробляти дані за допомогою Python, автоматизувати рутинні задачі та створювати візуалізації для швидкого аналізу. Все це на реальних прикладах із використанням сучасних інструментів і підходів у сфері Data Analytics.

Програма курсу

Вступ до Python

• Вступ - (DS - DA - BI)
  • Навички та інструменти в роботі аналітика даних
• Використання Jupyter Notebooks
  • Комірки Jupyter Notebooks
  • Імпорт та експорт даних у Jupyter Notebooks
  • Деякі корисні "магічні" %-команди
• Основи мови програмування Python
  • Що таке Python і як його використовують в аналізі даних?
  • Встановлення та налаштування Python
  • Основні синтаксичні правила: змінні, типи даних, оператори
• Функції, цикли та умовні оператори
  • Як створювати функції в Python
  • Використання циклів for та while
  • Умовні оператори (if, else, elif)
• Основні типи й конструкції Python їх призначення та використання
  • Списки, кортежі
  • Рядки (літерали) та основні методи
  • Множини й словники
  • Поняття "модуль" та приклади їх створення і використання
  • Робота з текстовими файлами

Джерела даних та їх обробка у Python

• Звідки аналітики отримують дані: API, CSV, Excel, SQL, вебскрапінг
  • Використання бібліотек для отримання даних з різних джерел (Requests та ін.)  
  • Формати даних: CSV, JSON, Excel та ін.
  • Читання даних з CSV та TXT
  • Читання даних із баз даних на прикладі SQLite
• Обробка даних: фільтрація, сортування, об'єднання таблиць
  • Введення в бібліотеки для роботи з даними (Pandas, NumPy)
  • Зчитування даних за допомогою модуля Pandas
  • Очищення та нормалізація даних
  • Очищення дублікатів даних
  • Очищення даних та візуалізації

Основи роботи з даними у Python на прикладі модуля Pandas

• Знайомство з бібліотеками для роботи з даними
  • Бібліотеки NumPy та Pandas: що це та для чого їх використовують
  • Операції з масивами та таблицями
  • Маніпулювання та очищення даних
• Робота з табличними даними
  • Фільтрація, сортування та об'єднання таблиць
  • Поняття кореляції даних
  • Інструменти в пайтоні для перевірки гіпотез
• Візуалізація даних у Python
  • Основи бібліотеки Matplotlib для побудови графіків
  • Знайомство з Seaborn для складніших візуалізацій
  • Створення лінійних, гістограмних та кореляційних графіків
  • Елементи інтерактивності в Jupyter Notebooks

Python для роботи з SQL та Excel

• Огляд роботи з SQL у Python
  • Введення в реляційні бази даних та SQL
  • Виконання базових SQL-запитів (SELECT, INSERT, UPDATE, DELETE)
  • Огляд інструментів роботи з великими базами даних та оптимізації запитів
  • Розуміння класу в ООП. Поняття ORM - що таке, навіщо і коли
  • Підключення до бази даних за допомогою SQLAlchemy
• Огляд роботи з Excel у Python
  • Нові можливості використанні пайтону від MS
  • Використання бібліотеки openpyxl, xlwings для взаємодії з Excel-файлами
  • Автоматизація базових операцій в Excel: фільтрація, обчислення та генерація звітів
  • Форматування Excel-даних у Python через openpyxl, xlwings

Особливості курсу

• Допомога ментора
• Практика
• Зворотній зв'язок
• Сертифікат про проходження курсу
• Робота з інструментами

Викладачі курсу

Василь Коломієць - Data Analyst, Python Developer at EZ Cloud