Sigma Software University

Python

16 900 UAH за курс
30 занятий
Для опытных
Python
Этот курс научит вас работать с алгоритмами машинного обучения через scikit-learn. Вы освоите распознавание изображений, создание нейронных сетей на Python и методы работы с данными, как кластерный анализ. Курс включает основы Python, ООП, работу с данными и веб-технологии.

О курсе

Программа курса Python

Основы программирования

На этом курсе начинают с синтаксиса Python. Студенты изучают базовые типы данных, операции с ними и основы программирования. Уже в начале делают домашние задания по работе с файлами и реализации разветвленных вычислений. Затем переходят к функциональному и модульному программированию - создают функции и учатся организовывать код в модули. Каждая тема закрепляется практическими заданиями.

Объектно-ориентированное программирование

Здесь рассматривают основные принципы ООП. Студенты учатся создавать классы и объекты, изучают детали работы с классами. Практические задания помогают закрепить полученные знания через реализацию объектно-ориентированных решений.

Углубленное изучение Python

Этот блок посвящен инфраструктуре языка. Рассматривают декораторы, итераторы и генераторы. Каждая тема сопровождается практическими заданиями, где студенты создают собственные решения с использованием этих инструментов.

Качество кода и алгоритмы

Здесь учат налаживать код, документировать его и писать тесты. Вторая часть модуля посвящена алгоритмам и структурам данных - от базовых структур до алгоритмов сортировки, поиска и математических алгоритмов. Каждый алгоритм студенты реализуют на практике.

Web-технологии

Модуль охватывает технологии доступа к web-ресурсам и клиент-серверного взаимодействия. Студенты создают минипроект по реализации web-технологий. Затем углубляются в Django - от создания базового web-приложения до проектных практикумов и знакомства с Celery.

Data Science и машинное обучение

Самый большой модуль охватывает все аспекты работы с данными. Начинают с библиотек NumPy, Pandas и Matplotlib для работы с временными рядами. Затем переходят к статистическому обучению, полиномиальной регрессии и обработке изображений. Далее изучают машинное обучение, интеллектуальный анализ данных, текстовый анализ и нейронные сети. Завершают модуль основами геоинформационных систем с практикой анализа геопространственной информации.

Формат обучения

Курс проходит в вечернее время дважды в неделю. Акцент делается на практике - студенты выполняют многочисленные домашние задания и минипроекты, что помогает закрепить теоретический материал.

Что включено

Вечерние занятия
Выдается диплом/сертификат
Реальный проект в портфолио
Сопровождение ментора