Программирование на Python
Курс «Программирование на языке Python» знакомит слушателей с популярным языком программирования Python. В процессе обучения слушатели изучат синтаксис языка, его базовые типы и структуры данных, познакомятся с популярными библиотеками NumPy и Pandas, предлагающими широчайший спектр возможностей по управлению, обработке и анализу данных, а также научатся использовать графические библиотеки для визуализации данных.
Знания, полученные в процессе прохождения курса, позволят слушателям в дальнейшем самостоятельно реализовывать автоматизированные решения, связанные с обработкой и анализом данных, и помогут в освоении курсов «Машинное обучение» и «NLP».
Какой язык программирования лучше всего подходит для машинного обучения?
В сфере машинного обучения Python просто «звезда». Он имеет широкий спектр приложений от веб-разработки (например, Django и Bottle), научных и математических вычислений (Orange, SymPy, NumPy) до графических пользовательских интерфейсов рабочего стола (Pygame, Panda3D).
Простой и удобный в использовании синтаксис делает Python идеальным языком для тех, кто впервые пытается изучать программирование или хочет открыть для себя новую область машинного обучения.
В курсе «Программирование на языке Python» слушатели изучат синтаксис языка, его базовые типы и структуры данных, познакомятся с популярными библиотеками NumPy и Pandas, предлагающими широчайший спектр возможностей по управлению, обработке и анализу данных, научатся использовать графические библиотеки для визуализации данных.
Форма обучения
EcoAcademy использует новый подход в обучении - Pay as You Learn.
Мы создали такую систему обучения, которая дает слушателям возможность составить индивидуальную программу обучения.
Pay as You Learn – максимально гибкая система, вы можете выбирать только те темы и курсы, которые интересны именно вам, не оплачивая тот материал, который вам уже знаком.
Курс Программирование на Python можно пройти как очно в учебном классе с преподавателем, так и онлайн, в формате веб-конференции.
Общая продолжительность курса составляет – 24 часа.
- Аудиторные занятия с преподавателем - 12 часов
- Самостоятельная работа – 12 часов
Узнай, как:
- Обладать молниеносной скоростью разработки и создавать приложения, которые понравятся пользователям;
- Обрабатывать огромные массивы данных;
- Выбрать свой путь от веб разработки до работы с научными данными, глубоким обучением и т. д;
- Научиться автоматизировать скучные процессы, такие как сбор информации с веб-сайтов, обновление электронных таблиц, или переименовывать файлы на компьютере;
- Разрабатывать бэкенд-части веб-сервисов;
- Разрабатывать алгоритмы искусственного интеллекта;
- Разрабатывать десктопные и мобильные игры и приложения на таких фреймворках, как Ren'Py, Kivy и другие.
Программа
Тема 1. Основные типы данных и команды языка Python (2 часа)
- Основы работы с оболочкой Jupiter.
- Синтаксис Python.
- Управляющие операторы.
- Функции пользователя.
- Модули.
- Типы данных.
- Пространства имён, области видимости, локальные и глобальные переменные.
- Элементы объектно-ориентированного программирования.
- Работа с файлами.
Тема 2. Основные структуры данных языка Python. Приёмы и функции для работы с последовательностями (2 часа)
- Базовые структуры данных: кортеж, список, словарь, множество.
- Библиотека datatime для работы датой и временем.
- Генераторы последовательностей, заполнение списков, генераторные выражения, элементы функционального программирования (функции filter, map, reduce).
Тема 3. Знакомство с библиотекой NumPy (2 часа)
- Типы данных NumPy. Создание массивов NumPy.
- Индексация массивов (базовая, расширенная целочисленная, расширенная булева, индексация с использованием полей).
- Элементарные операции над массивами (изменение формы, слияние и разделение массивов).
- Универсальные функции массивов NumPy.
Тема 4. Знакомство с библиотекой Pandas (4 часа)
- Знакомство со структурами данных Series и DataFrame.
- Индексация структур Series и DataFrame.
- Элементарные методы обработки данных с помощью объектов Series и DataFrame.
- Продвинутые методы обработки данных (обработка категориальных данных, статистические методы, обработка пропусков, объединение и агрегация данных).
Тема 5. Визуализация данных (2 часа)
- Визуализация данных средствами библиотеки Pandas.
- Знакомство с библиотекой Matplotlib.
- Обзор других графических библиотек (Seaborn, Bokeh)
Для успешного прохождения данного курса желателен опыт программирования на любом алгоритмическом языке.
Преподаватель курса
Александр Богданов
Кандидат технических наук, доцент кафедры информационных технологий и бизнес – аналитики Института экономики и менеджмента ТГУ с двадцатилетним практическим и преподавательским опытом.