Продолжительность курса: 266 ак. ч.

Описание курса:
Python — язык №1 в мире разработки, Data Science и искусственного интеллекта. Курс— ваш полный путь от первого «Hello, World!» до создания полноценных веб-приложений и построения моделей машинного обучения. Программа построена по принципу «вертикального роста»: мы начинаем с азов алгоритмического мышления, проходим через объектно-ориентированное программирование, осваиваем индустриальный веб-фреймворк Django, а затем открываем мир больших данных и нейросетей. Вы не просто выучите синтаксис — вы научитесь мыслить, как разработчик, проектировать архитектуру приложений и решать реальные бизнес-задачи на всех уровнях стека.

Аудитория:
• новички в программировании
• специалисты из смежных областей (аналитики, финансисты, маркетологи): для автоматизации рутины, работы с данными и перехода в IT-сферу
• начинающие разработчики на других языках

Необходимая подготовка:
• Не требуется

Программа курса:
Модуль 1. Базовый модуль: Введение в программирование на основе Python и Основы программирования
• Язык программирования Python и его место среди других языков и систем программирования
• Алгоритм – свойства и способы представления. Типы данных – назначение и роль в программе. Операнды и операторы – вычисление выражений
• Основные операции и типы данных. Типы данных: числа, строки, списки, логический тип, None. Функции преобразования типов. Операторы ветвления и циклы
• Кортежи, списки и словари
• Функции в Python
• Составление алгоритмов. Применение машинной логики к задачам поиска данных. Оценка времени работы алгоритмов, эффективность кода
• Строки и форматирование
• Методы отладки программ
• Модели разработки программ. Структурное программирование. Базовые принципы: блочная структура кода – блоки и подпрограммы. типовые структуры управления – последовательность, ветвление, цикл
• Понятие массива. Типовые задачи с массивами: доступ к элементу, обход элементов, инициализация элементов
• Коллекции в Python
• Модули и пакеты
• Работа с файловой системой
• Исключения и обработка ошибок
• Регулярные выражения
• Простейшие конструкции данных: список, стек, очередь, дерево. Поиск элемента и сортировка элементов. Реализация динамического стека
• Оптимизация программ и программного кода
• Логические операции. Сложные условия. Оператор цикла for. Функция range
• Оператор цикла while. Операторы break и continue
• Вложенные циклы. Оценка времени работы алгоритмов, эффективность кода
• Строки. Операции со строками. Срезы
• Методы строк. Типовые задачи на обработку текста
• Генераторы списков. Вложенные списки
• Сортировка списков: простые алгоритмы. Двоичный поиск
• Множества. Основные операции с множествами
• Словари. Основные операции со словарями
• Подпрограммы (функции) как основные блоки кода. Описание функций в Python Параметры функций, возвращаемые значения

Модуль 2. Профильный модуль: Объектно-ориентированное программирование
• Классы и объекты
• Наследование
• Абстрактные классы и полиморфизм
• Алгоритмы сортировки и поиска в Python
• Алгоритмы поиска на графах
• Записи и данных. Работа с данными SQLite
• Хранение данных вне программы
• Работа с данными JSON в Python

Модуль 3. Профильный модуль: Разработка веб - приложений в Django
• Введение в Django
• Модели
• Django Admin
• Представления
• Шаблоны
• Работа с формами
• Аутентификация и авторизация
• Сессии
• Тестирование и отладка
• Безопасность
• Разработка RESTful API с Django
• Использование AngularJS с Django
• Развертывание Django веб-приложений

Модуль 4. Профильный модуль: Data Science. Обработка, анализ и визуализация больших данных на языке Python. Библиотеки pandas, numpy, matplotlib и seaborn
• Установка и настройка программного обеспечения. Базовый инструментарий работы в Jupyter notebook
• Библиотека numpy. Вычислительные задачи
• Библиотека pandas и анализ данных
• Первичная обработка данных
• Статистика и анализ
• Библиотека matplotlib. Визуализация данных
• Библиотека seaborn. Наглядная визуализация сложных данных

Модуль 5. Профильный модуль: Machine Learning. Основы машинного и глубокого обучения на языке Python
• Постановка задачи машинного обучения
• Обучение с учителем
• Использование библиотека scikit-learn для машинного обучения
• Обучение с учителем. Задача регрессии
• Обучение без учителя
• Основы глубокого обучения
• Промежуточный контроль

Окончательная цена указывается в договоре на обучение. Записаться на курс