Найкращі IT курси в Україні

Цей п'ятиденний курс забезпечить слухачів знаннями про те, як реалізувати віртуалізацію робочих місць та додатків в корпоративному середовищі на основі Microsoft Application Virtualization (App-V) Service Pack 2 (SP2), Microsoft User Experience Virtualization (UE-V) і Virtual Desktop Infrastructure (VDI), як частина Windows Server 2012 R2. Також слухачі дізнаються, як управляти, здійснювати моніторинг та технічну підтримку, а також усувати різні проблеми з віртуалізацією робочих місць на базі рішень Windows Server 2012.

Програма курсу

Огляд віртуалізації робочих місць і додатків

• Огляд технологій віртуалізації
• Сценарії для використання віртуалізації
• Питання впровадження віртуалізації

Планування та впровадження віртуалізації стану користувача

• Розуміння і планування віртуалізації стану користувача (UE-V)
• Налаштування переміщуваних профілів та переспрямування папок
• Налаштування UE-V

Планування та впровадження App-V

• Огляд віртуалізації додатків
• Архітектура App-V
• Планування інфраструктури App-V
• Розгортання інфраструктури App-V

Управління та адміністрування віртуалізацією додатків

• Управління та адміністрування віртуалізацією додатків
• Зміна опублікованих додатків і налаштування оновлень
• Звіти App-V

Планування та розгортання клієнтів App-V

• Огляд клієнта App-V
• Встановлення та налаштування клієнта App-V
• Управління властивостями клієнта App-V

Планування та розгортання сеансових робочих місць

• Огляд служби віддалених робочих столів
• Планування інфраструктури сеансових робочих місць
• Розгортання сеансових робочих місць
• Висока доступність RDS

Налагодження та управління додатками RemoteApp

• Публікація і налаштування програми RemoteApp
• Робота з програмами RemoteApp

Планування персональних робочих місць та пулу

• Загальні відомості про персональні робочі місця та пул
• Планування та оптимізація шаблонів робочих місць

Планування та реалізація інфраструктури для пулу і персональних комп'ютерів

• Планування зберігання пулу і персональних робочих місць
• Планування пулу та персональних робочих місць
• Реалізація пул та персональних робочих місць
• Реалізація RemoteApp для Hyper-V

Реалізація віддаленого доступу для VDI

• Розширення VDI за межі організації
• Управління доступом до шлюзу віддалених робочих столів (RD Gateway)

Продуктивність і моніторинг працездатності інфраструктури VDI

• Огляд моніторингу робочих станцій та віртуалізації додатків
• Моніторинг інфраструктури віртуалізації робочих місць

Після курсу слухачі зможуть:

• Описувати віртуалізацію робочих місць та додатків
• Планувати та реалізувати віртуалізацію станів користувачів
• Планувати та впроваджувати App-V
• Планувати та здійснювати розгортання клієнтів App-V
• Керувати та адмініструвати віртуалізацію додатків
• Розуміти концепції віртуалізації додатків
• Налаштовувати клієнтів Hyper-V
• Планувати та здійснювати розгортання сеансових робочих місць
• Публікувати та налаштовувати програми RemoteApp
• Планувати пули персональних робочих місць
• Планувати і впроваджувати пули та персональні робочі місця у віртуальному середовищі
• Реалізувати віддалений доступ
• Проводити моніторинг інфраструктури VDI

Особливості курсу

• LIVE-навчання незалежно від формату участі в курсі (очно/віддалено)
• Підбірка матеріалів по темі курсу
• Попередньо налаштоване середовище та навчання на сучасному обладнанні
• Електронний сертифікат НЦ "Мережні Технології"
• Обід та кава-брейки (очний курс)
• Консультації тренера протягом 6-ти місяців після закінчення курсу

Курс надає учасникам знання та навички, необхідні для підтримки та усунення несправностей комп'ютерів та пристроїв з Windows 11 у локальному доменному середовищі Windows Server Active Directory.

Програма курсу

Знайомство з Windows 11

• Огляд Windows 11
• Нові можливості Windows 11
• Основні зміни у порівнянні з Windows 10
• Короткий огляд змін інтерфейсу користувача
• Огляд архітектури системи, включаючи підсистеми Linux та Android
• Виправлення несправностей під час встановлення та розгортання
• Огляд необхідного обладнання з визначенням відмінностей від Windows 10
• Найпоширеніші причини, через які пристрої не можуть оновитися до Windows 11
• Рекомендації щодо типових процедур усунення несправностей
• Знайомство з інструментами усунення несправностей
• Диспетчер завдань
• Моніторинг ресурсів
• Моніторинг продуктивності
• Огляд оновленої програми "Налаштування"

Адміністрування Windows 11 віддалено

• Огляд інструментів адміністрування
• Використання віддаленого робочого столу
• Використання Quick Assist
• Використання Windows Admin Center
• Вступ до PowerShell
• Віддалена взаємодія з допомогою PowerShell
• Довірені хости
• Знайомство з забезпеченням

Усунення несправностей під час запуску та відновлення системи

• Огляд середовища відновлення Windows 11
• Налаштування реєстру
• Усунення несправностей із налаштуваннями запуску
• Відновлення дисків, захищених BitLocker
• Усунення проблем зі службами ОС
• Відновлення комп'ютера

Виправлення неполадок пристроїв та драйверів пристроїв

• Огляд усунення неполадок обладнання
• Параметри групової політики, які можуть контролювати/забороняти встановлення обладнання
• Усунення збоїв драйверів пристроїв

Налаштування та усунення несправностей мережевого підключення

• Визначення неправильно настроєних параметрів мережі та TCP/IP
• Огляд адресації IPv4, що допомагає ідентифікувати неправильно налаштовані пристрої
• Визначення налаштування мережі
• Виправлення несправностей із підключенням до мережі
• Виправлення несправностей розпізнавання імен
• Огляд віддаленого доступу
• Виправлення неполадок з підключенням VPN

Усунення несправностей групової політики

• Огляд групових політик
• Вирішення помилок конфігурації клієнта та проблем застосування GPO

Налаштування та усунення несправностей параметрів безпеки

• Огляд
• Безпечне завантаження, надійне завантаження, вимірюване завантаження
• Налаштування UEFI
• Вимоги до TPM
• Реалізація мережної безпеки за допомогою Windows Defender Firewall та Windows Defender Firewall у режимі підвищеної безпеки
• Впровадження Credential Guard, Exploit Guard та Application Guard
• Налаштування Windows Hello
• Усунення несправностей із входом до системи

Налаштування та усунення несправностей стану користувача

• Усунення несправностей застосування налаштувань користувача
• Налаштування та усунення несправностей UE-V
• Налаштування та усунення несправностей перенаправлення папок

Налаштування та усунення несправностей доступу до ресурсів

• Усунення проблем із правами доступу до файлів
• Усунення несправностей із принтерами
• Виконання відновлення файлів у Windows 11

Усунення несправностей програм

• Усунення неполадок настільних застосунків
• Керування універсальними програмами для Windows
• Огляд контролю застосунків
• Усунення несправностей AppLocker Policy
• Усунення проблем сумісності застосунків
• Налаштування режиму Kiosk

Підтримка Windows 11

• Моніторинг та усунення несправностей продуктивності комп'ютера
• Windows Update
• Налаштування Windows Update для бізнесу
• Виправлення несправностей з оновленнями Windows

Особливості курсу

• LIVE-навчання незалежно від формату участі в курсі (очно/віддалено)
• Електронні матеріали Microsoft
• Попередньо налаштоване середовище та навчання на сучасному обладнанні
• Електронний сертифікат Microsoft
• Обід та кава-брейки (очний курс)
• Консультації тренера протягом 6-ти місяців після закінчення курсу

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

Курс Python Advanced допоможе розширити твої знання з Python для втілення різноманітних ідей для автоматизації робочих процесів.

Програма курсу

Основи Python

Повторення основ Python. Дух Python - воля, швидкість, результат.

Анотація типів зміних у Python 3.10+

Ітератори

Абстрактні класи

• Огляд патернів проєктування
• Реалізація деяких патернів на Python

Основи асинхронного програмування

Аналіз та візуалізація даних

• Приклад можливостей на модулі pandas
• Приклад можливостей на модулі matplotlib

Парсинг на прикладі LinkedIn

Тестування в Python

• Основи
• Модулі pytest, unittest, doctest

Аналіз коду програми моделювання життя клітинок

Модулі 3Dвізуалізації vpython.

Формалізація роботи над проєктами слухачів

• Створення команд за інтересами
• Постановка ТЗ
• Консультації по вибраним темам
• Презентація проєкту

API

• Робота зі сторонніми API на прикладі MeestExpress
• Створення простого API на flask / FAST API
• Отримання пошти, відправка пошти

Робота з таблицями Excel в Python

Розпізнавання тексту з аудіо

Переклад тексту з однієї мови на іншу.

Telegram bot нашвидкуруч

Основи нейронних мереж на прикладі використання модуля PyTorch

• Основні ідеї та можливості
• Задачі прогнозування часових рядів на прикладі курсів акцій

Перелік модулів Python, з якими будемо дотичні на курсі

• Pandas
• Beautiful Soup
• Selenium
• FAST API
• flask, flask-wtf, flask-bootstrap, flask-restful
• Jinja2
• Threading
• Aiohttp
• Matpotlib
• pytest, unittest, doctest
• openpyxl, win32com.client
• typing
• configparser та ін.

Інструменти які вивчиш на курсі

• Pandas
• Type hinting
• Machine learning
• MS Excel
• Matplotlib
• FastAPI
• PyTorch
• Pytest

Навички які отримаєш після курсу

• Вмітимеш самостійно розробляти кейси для автоматизації бізнес-процесів
• Оволодієш глибоким розумінням мови Python ти відкриєш для себе її справжні таємниці
• Навчишся легко та захопливо знаходити оптимальні рішення для поставлених задач
• Станеш справжнім експертом з виявленням та усуненням помилок в коді

Викладачі курсу

Василь Коломієць - Python Developer at EZ Cloud

Курс розглядає комплекс необхідних знань для підготовки до здачі міжнародного іспиту ISTQB Foundation Level. Програма детально показує особливості сертифікації та направлена на систематизацію накопичених знань у галузі тестування. Під час навчання будуть розглянуті приклади використання міжнародних стандартів у реальних проектах.

Програма курсу

Fundamentals of Testing

• What is Testing?
• Why is Testing Necessary?
• Testing Principles
• Test Activities, Testware, and Test Roles
• Essential Skills and Good Practices in Testing

Testing Throughout the Software Development Lifecycle

• Testing in the Context of an SDLC
• Test Levels and Test Types
• Maintenance Testing

Static Testing

• Static Testing Basics
• Feedback and Review Process

Test Analysis and Design

• Test Techniques Overview
• Black-box Test Techniques
• White-box Test Techniques
• Experience-based Test Techniques
• Collaboration-based Test Approaches

Managing the Test Activities

• Test Planning
• Risk Management
• Test Monitoring, Test Control, and Test Completion
• Configuration Management
• Defect Management

Test Tools

• Tool Support for Testing
• Benefits and Risks of Test Automation

Особливості курсу

• Для проходження курсу необхідно знання англійської мови, розуміння теоретичних та практичних основ тестування ПЗ
• Заняття проходять в режимі онлайн-трансляції
• Відеозаписи зберігається в особистому кабінеті та доступні після закінчення навчання
• Оперативна служба підтримки студентів
• Викладачі курсу - практикуючі фахівці, що працюють в топових компаніях
• Можливість повернути всі внесені за навчання кошти до шостого заняття.

Викладачі курсу

• Катерина Абзятова - Senior Manual QA Engineer в Ciklum
• Олександр Костюшко - QA Team Lead в Trinetix
• Альона Оліна - QA Team Lead at Newfire Global Partners

Курс пропонує слухачам поглиблене вивчення мови SQL. Розглядаються методи вибірки даних із використанням таких технологій, як ROLLUP, CUBE; складні підзапити та ієрархічні запити. Крім того, в курсі вивчаються можливості, що забезпечують обробку у сховищах даних під час роботи з великими наборами даних, а також роботу з даними у різних часових зонах.

Програма курсу

Модуль 1. Контроль доступу користувача

• Відмінність системних привілеїв від об'єктних
• Створення користувачів
• Надання системних привілеїв
• Видача привілеїв таблиці
• Створення ролі та надання їй привілеїв
• Змінити пароль користувача
• Надання об’єктних привілеїв
• Відібрання привілеїв

Модуль 2. Управління об'єктами схеми

• Додавання, зміна та видалення стовпця
• Додавання та видалення обмежень
• Увімкнення та вимкнення обмежень, відкладена перевірка обмежень
• Створення та видалення індексів
• Створення індексів, що базуються на функціях
• Виконання операції FLASHBACK
• Створення та використання зовнішніх таблиць

Модуль 3. Керування об'єктами за допомогою словника даних

• Словник даних
• Використання уявлень словника
• Інформація про таблиці та стовпці
• Перегляд інформації про обмеження
• Перегляд інформації про послідовності, індекси та синоніми
• Як додати коментарі до таблиці та стовпців

Модуль 4. Маніпулювання великими наборами даних

• Маніпулювання даними із використанням підзапитів
• Опис особливостей багатотабличного команди INSERT
• Використання різних типів багатотабличного команди INSERT
• Злиття рядків за допомогою команди MERGE
• Відстеження змін даних за певний період часу

Модуль 5. Супровід даних різних часових зон

• Використання різних типів даних дати та часу для зберігання дробових часток секунди, а також супроводу даних різних часових зон
• Використання типів інтервальних даних для зберігання різниці між двома значеннями, що містять час
• Практичне застосування ряду функцій дати та часу для глобалізації програм

Модуль 6. Вибір даних з використанням ускладнених підзапитів

• Багатостовпцеві підзапити
• Використання скалярних підзапитів у SQL
• Коло проблем, які вирішуються за допомогою корелейованих підзапитів
• Модифікація та видалення рядків за допомогою корелованих підзапитів
• Використання операторів EXISTS та NOT EXISTS
• Застосування пропозиції WITH

Модуль 7. Підтримка регулярних виразів

• Переваги застосування регулярних виразів
• Використання регулярних виразів для пошуку відповідності та заміщення рядків

Навички після курсу

• Використання технологій Flashback Query, Flashback Versions
• Ефективного маніпулювання великими наборами даних
• Застосування функцій для роботи з різними часовими форматами та часовими поясами
• Створення складних звітів із групуванням даних за допомогою операторів ROLLUP, CUBE, GROUPING SETS
• Використання підзапитів
• Створення ієрархічних запитів
• Використання регулярних виразів у Oracle

Особливості курсу

• Допомога ментора
• Практика
• Сертифікат про проходження курсу

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

На цьому курсі ви зможете ознайомитися з різними підходами до розробки програмного забезпечення, розберетесь у ролі імплементації якості забезпечення (QA) та зможете створювати та підтримувати тестову документацію. Також освоїте навички з контролю якості для різних типів проєктів та зрозумієте ключові технічні аспекти, пов'язані з контролем якості, такі як автоматизація, вимірювання продуктивності та тестування програмних інтерфейсів (API).

Програма курсу

Введення у тестування програмного забезпечення. Що таке баг. Життєвий цикл багу

• Навіщо потрібно тестувати програми?
• Базові визначення та аксіоми тестування.
• Поняття якості ПЗ. Стандарти якості ПЗ.
• Атрибути та характеристики якості ПЗ. Життєвий цикл ПЗ.
• Гнучкі методи розробки. Цілі та завдання процесу тестування на кожному етапі розробки.
• Повний цикл тестування. Фази тестування.
• Методи та види тестування. Загальний огляд.
• Критерії покриття тестування. Покриття вимог.
• Аналіз вимог з погляду придатності до тестування.

Тестова документація. Check list. Test Case. Документи (створювані у процесі тестування)

• Тест план.
• Тест – дизайн.
• Можливі форми підготовки тест – дизайну.
• Стандарт ISO 29119
• Визначення Test Case, Check list.
• Правила написання, ступінь деталізації, незалежність.
• Правила опису дефектів, поняття важливості, пріоритету.
• Ведення системи відстеження дефектів.
• Складання звітів за результатами тестування.
• Практика: створення Check list test cases.

Техніки тестування. Введення в багтрекінг системи. Командна робота

• Покриття вхідних даних.
• Еквівалентне розбиття.
• Аналіз граничних значень.
• Попарне комбінування.
• Припущення помилок.
• Що таке багтрекінг система. (Jira, Bugzilla, Mantis etc.).
• TestRail.

Види тестування

• Functional testing.
• Security and Access Control Testing.
• Interoperability Testing.
• Нефункціональні види тестування.
• Димове тестування (Smoke Testing)
• Регресійне тестування (Regression Testing)

Тестування інтерфейсу користувача (GUI). Тестування web – додатків

• Завдання та цілі тестування інтерфейсу користувача.
• Функціональне тестування інтерфейсу користувача.
• Тестування зручності інтерфейсу користувача.
• Тестування web – додатків.
• CRUD.
• Практика: функціональне тестування GUI. Командне практичне заняття.

Основи WEB (HTML та CSS)

• Document Object Model.
• HTML – елементи.
• Робота з CSS. Створення web – сторінки.

Основи роботи із GIT

• Встановлення та налаштування GIT.
• Основні команди GIT.
• Робота з GIT BASH. Створення, клонування репозиторію, коміт та злиття гілок.
• Налаштування .gitignore.

Тестування API

• Клієнт – серверна архітектура. Методи HTTP.
• Postman vs Soap UI.
• JSON, XML, WSDL.

Основи автоматизованого тестування

• Xpath, CSS селектори та динамічні локатори.
• DEV tool.
• Selenium WebDriver. Написання та запуск автотестів. Page Object та його застосування.

Тестування мобільних додатків

• Специфіка тестування мобільних додатків.
• Основні практики для тестування мобільних додатків.

Короткий курс SQL

Structured query language - "мова структурованих запитів". Не проходить жодна технічна співбесіда без питань щодо цієї мови.

Penetration testing (Тестування на дотик)

• SQL ін'єкції.
• XSS ін'єкції.
• HTML ін'єкції.
• Перехоплення запитів.

Навантажувальне тестування за допомогою Apache Jmeter

• Встановлення та налаштування Apache Jmeter.
• Основні метрики навантажувального тестування.
• Assertions.
• Навантажувальне тестування без даних.
• Тестування API за допомогою Jmeter.

Додаткові технічні заняття

• Основи віртуалізації.
• Знайомство з OC Linux з на базі дистрибутива Ubuntu.
• Основи мережевої взаємодії.

Коуч з працевлаштування в IT "Ефективний пошук роботи" (проводить HR провідних IT компаній)

• Види компаній і навіщо це знати
• Як шукати роботу
• Корисні ресурси та соціальні мережі
• Структура резюме
• З чого почати
• Що краще не вказувати
• Супровідний лист
• Покликали на співбесіду, що робити
• День Співбесіди
• Обговорення питань, які з’явились щодо готового резюме
• Пітч (структура і логіка)
• Процес найму в компаніях
• Розповсюдженні питання на співбесідах
• Як позбутися страхів

Заключне заняття

• Підведення підсумків
• Іспит

Особливості курсу

• Групи до 10 осіб
• Вечірні заняття 2 рази на тиждень (19:00-21:00)
• Теоретичні знання закріплюються на практиці
• Викладачі - практикуючі фахівці рівня не нижче за Senior
• Додатковий курс "English for IT"

Викладачі курсу

• Андрій Гаєвський - SM/PM at Digitally Inspired
• Басаджі В'ячеслав - Senior QA Engineer
• Хван Євген - Senior QA engineer
• Вікторія Захарова - Ведуча тренінгу Працевлаштування в IT
• Антоніна Колесникова - Викладач англійської мови

Зрозумієте, як Штучний Інтелект може стати вашим вірним помічником у керуванні бізнес-процесами. Отримаєте навички ефективного використання AI-інструментів для управління проєктами, командами, та навчитеся делегувати частину рутинних завдань з метою оптимізації бізнесу.

Програма курсу

Штучний інтелект у бізнесі: старт

• Огляд бібліотеки AI-інструментів
• З чого розпочати впровадження AI
• Зміна парадигми: від ручного виконання завдань до делегування розумній машині
• Оцінка ролі AI в різних функціональних сферах
• Найпоширеніші помилки при першому впровадженні AI
• Надихаємось: Приклади брендів, які активно використовують ШІ

Застосування ШІ у стратегічному плануванні

• Зміна підходів до стратегічного планування через динамічне прогнозування та моделювання сценаріїв розвитку ринку, клієнтів і конкурентів
• Використання ШІ для аналізу ринкових тенденцій і попиту з інструментами як-от ChatGPT, Grok, Deepseek, Power BI
• Аналіз конкурентного середовища на основі відкритих даних і соцмереж з використанням SimilarWeb, Ahrefs з AI-модулями
• Проведення SWOT-аналізів, PEST-аналізів, канвасів бізнес-моделей у співпраці з AI
• Розробка маркетингових стратегій і позиціонування бренду в умовах активного застосування генеративного AI
• Формулювання цілей, задач і стратегічних ініціатив із використанням AI для аналізу KPI, сценарного тестування та стратегічних воркшопів

Інтеграція ШІ в операційні задачі

• Як підготувати свій бізнес до впровадження ШІ
• Методологія AHEAD для інтеграції ШІ у бізнесі
• ШІ для оптимізації логістичних процесів: Project44
• Попередження збоїв
• Забезпечення ефективного використання ресурсів: Google Cloud AI
• Інструменти ШІ для моніторингу і контролю якості продукції або послуг: Qualetics
• Прогнозування та управління попитом на продукцію або послуги
• AI для вдосконалення бізнес-процесів і прийняття рішень: Tableau

АІ у маркетингу

• Визначення цільової аудиторії, позиціонування, канали комунікації
• Промпти для розробки маркетингової стратегії (Buyer Persona, Customer Journey Map, Jobs to Be Done)
• Використання ChatGPT, Perplexity для аналізу конкурентів
• Визначення можливостей на ринку та створення конкурентної переваги
• Розробка рекомендацій та персоналізація контенту з використанням AI (ChatGPT)
• Інструменти для оптимізації роботи з цільовою аудиторією та створення UGCконтенту: ChatGPT, HeyGen, D-ID, Arcads.AI
• Креативні рішення та брейншторм ідей з використанням нейромереж
• Використання нейромереж для створення контенту
• Використання досліджень та аналізу ринку для визначення потреб споживачів
• Промпти для створення продуктової стратегії та визначення позиціонування продуктів

АІ у продажах та керуванні клієнтськими відносинами

• Використання ChatGPT для розробки сценаріїв взаємодії на різних етапах воронки продажу
• Інтеграція чат-ботів у Telegram та Instagram (SendPulse, ManyChat)
• Створення скриптів для фахівців з продажу на базі раніше створених Buyer Persona для покращення ефективності взаємодії з клієнтами
• Транскрибація розмов з клієнтами для аналізу та визначення успішних практик і виправлення помилок
• Використання нейромереж для покращення комунікації з клієнтами та надання релевантних відповідей у реальному часі
• Розробка стратегії для залучення та утримання клієнтів
• Моделі ШІ, що використовуються в чат-ботах, та їхні особливості (SendPulse, ManyChat)
• Автоматизовані відповіді та підтримка користувачів
• Створення GPTs для використання в продажах та підключення до чат-ботів для покращення взаємодії з клієнтами

Як створити власного АІ-асистента для бізнесу: практичний майстер-клас

• Хто такі AI-агенти та чим вони відрізняються від ChatGPT або MyGPTs: короткий вступ
• Де і як створюються AI-агенти сьогодні: огляд платформ, які дозволяють швидко зібрати агента під бізнес-завдання
• Live-демо: створення AI-агента наживо під час лекції
• Вибір прикладного сценарію (наприклад: відповідь на запити клієнтів, генерація ідей, аналіз сайтів конкурентів)
• Налаштування поведінки агента
• Запуск і тестування агента: як перевірити, що він "працює як треба"
• Використання AI-агентів для автоматизації рутинних задач, підтримки продажів і маркетингу, внутрішніх консультацій та генерації контенту й аналітики

АІ для оптимізації фінансових процесів

• Автоматизація бухгалтерських завдань та обробка фінансових документів: Xero, QuickBooks
• AI для прогнозування фінансових показників: IBM Watson, Google Cloud AI, Alteryx
• Управління ризиками за допомогою AI: DataRobot
• Автоматизація фінансових звітів і аудиту: MindBridge AI, Power BI
• Прогнозування витрат та оптимізація бюджетів: Adaptive Insights, Planful, Anaplan
• Оптимізація розподілу фінансових ресурсів і контролювання витрат: Expensify

AI для збору та аналізу даних

• Автоматизація збору даних: Google Analytics 4, Zapier
• Застосування AI для обробки та аналізу великих обсягів даних: BigQuery, Power BI, Tableau
• Генерація інсайтів на основі аналізу даних для прийняття бізнес-рішень: IBM Watson Insights
• AI-інструменти для візуалізації даних: Power BI, Tableau, Google Data Studio
• Кейси використання даних та AI для вирішення бізнес-задач

АІ в HR-менеджменті та управлінні персоналом

• Робота з текстами вакансій: Textio, Jobvite, HireVue
• Використання AI для автоматизації відбору резюме та первинної оцінки кандидатів: HireVue, X0PA AI
• AI для автоматизації рутинних HR-завдань: BambooHR, Zoho People
• AI для моніторингу та аналізу продуктивності співробітників: Reflektive
• Створення персоналізованих планів розвитку на основі даних про результати роботи
• Автоматизація адміністративних завдань, таких як облік робочого часу, відпусток та лікарняних: Gusto
• Розробка стратегій для покращення управління персоналом

Взаємодія з командою та AI в Project-менеджменті

• Розгляд впливу ШІ на ефективність управління проєктами та автоматизацію рутинних завдань
• Ключові навички та компетенції для продуктивної співпраці людини з AI
• Транскрибація розмов та дзвінків, автоматизація follow-ups
• Підготовка PRD, risk assessment та інших документів: Claude.ai, GPT4
• Пошук, розуміння та пояснення за допомогою ШІ: Perplexity, Bing, GPT4
• Створення діаграм на основі ШІ: Mermaid AI, Excalidraw, Whimsical, FigJam
• Швидке створення how to та інструкцій зі Scribe, Loom.ai
• Моделювання цифр з Code Interpreter
• Автоматична категоризація та сортування: Coda, Notion AI
• Бази знань із семантичним пошуком: Notion AI, Mendable

Етичні та правові аспекти використання АІ

• Основи етики використання AI
• Питання захисту персональних даних та грамотне користування інструментами AI
• Відповідальне використання AI в медицині, фармацевтиці та сферах релевантного впливу на здоров'я й життя людини
• Юридичні аспекти впровадження AI
• Розгляд ризиків і викликів, пов'язаних із відповідальністю під час впровадження AI

Розробка попередньої бізнес-стратегії. Підготовка до захисту

• Ключові елементи бізнес-стратегії
• Оцінка поточного стану бізнесу та формування короткострокових і довгострокових цілей проєкту
• Приклади реалізованої стратегії
• Підготовка структури фінального проєкту
• Правила захисту проєкту
• Основні вимоги до роботи
• Підсумкова Q/A-сесія: відповіді на запитання студентів

Захист власної бізнес стратегії

Студенти курсу захищають свій проєкт:

• демонструють власні напрацювання протягом курсу
• визначають подальший напрямок розвитку проєкту з залученням AI та отримують зворотний зв'язок від куратора

Особливості курсу

• "Живі" онлайн-вебінари
• Доступ до запису вебінару вже на наступний день після проведення
• Практичні домашні завдання
• 20+ годин навчання у форматі онлайн
• Доступ до корисних додаткових матеріалів
• Закрите ком'юніті в Telegram на період навчання
• Інтерактивна навчальна платформа
• Зворотний зв'язок від куратора протягом навчання
• Матеріали курсу доступні 1 рік з моменту його завершення
• Захист проєкту
• Сертифікат WebPromoExperts
• Можливість сплатити за курс частинами (від 2 до 6 платежів)

Викладачі курсу

• Антон Воронюк - Директор з розвитку бізнесу WebPromoExperts та Webpromo
• Володимир Жуков - CBO at IngestAI
• Вілена Остапенко - Засновниця AI Marketer Club і каналу AI MArketer
• Андрій Удовиченко - Workflow designer at Bot&Partners
• Олексій Кагановський - Co-founder & CPO AI агенції 2Get