Цялостна програма Програмиране с Python и ИИ

Python e един от най-популярните езици за програмиране. Използва се за всичко – от създаване на уеб сайтове, през Machine Learning, Deep Learning и Изкуствен Интелект, до тестване на софтуер. Запознайте се и с вълнуващия свят на чатботовете, генерирането на изображения и създаване на AI модели, всичко това в увлекателен, лесен за разбиране формат.

Избирайки обучение в курс “Цялостна програма Програмиране с Python и Изкуствен Интелект” вие ще надграждате знанията си постепенно, с много практически примери, упражнения, решаване на задачи и персонални консултации с лекторите. За да развиете максимално уменията си курса ви ще приключи с практически проект за изготвяне на приложение подобно на тези от реалната практика.

“Цялостна програма Програмиране с Python и Изкуствен Интелект” е специално създаден за абсолютно начинаещи, без предишен опит с програмиране.

Продължителност
Материалът е предназначен за 6 седмици и още 2 за практически проект, но всеки курсист сам определя своето темпо.

Начало на обучението
Курсът е наличен постоянно/целогодишно.

Курсистите имат достъп до интерактивната платформа за обучение, която включва записи на лекции, тестове,  задачи, реални примери от практиката, като ще бъдат проведени няколко Q&A сесии с преподавателите.

Програма на курс „Цялостна програма Програмиране с Python и Изкуствен Интелект„

• Introduction to Python
  • My first Python program
  • PyCharm IDE
  • Variables and Assignment Statements
  • Arithmetic
  • Function print
  • Intro to Single, Double and Triple-Quoted Strings
  • Getting Input from the User
  • The if Statement and Comparison Operators
  • Objects and Dynamic Typing
• Control statements
  • if, if-else and  if…elif…else Statements
  • while Statement
  • for statement
  • Augmented Assignments
  • break and continue Statements
  • Boolean Operators and, or and not
• Functions
  • Defining Functions
  • Functions with Multiple Parameters
  • Python Standard Library
  • Default Parameter Values
  • Keyword Arguments
  • Arbitrary Argument Lists
  • Methods: Functions That Belong to Objects
  • Scope Rules
  • Passing Arguments to Functions
  • Function-Call Stack
  • Functional-Style Programming
• Lists and Tuples
  • Lists
  • Tuples
  • Unpacking Sequences
  • Sequence Slicing
  • Passing Lists to Functions
  • Sorting Lists
  • Searching Sequences
  • Simulating Stacks with Lists
  • List Comprehensions
  • Generator Expressions
  • Filter, Map and Reduce
  • Two-Dimensional Lists
• Dictionaries and Sets
  • Dictionaries
  • Creating a Dictionary
  • Iterating through a Dictionary
  • Basic Dictionary Operations
  • Dictionary Methods keys and values
  • Dictionary Comparisons
  • Dictionary Method update
  • Dictionary Comprehensions
  • Sets
  • Comparing Sets
  • Mathematical Set Operations
  • Mutable Set Operators and Methods
  • Set Comprehensions
• Array-Oriented Programming
  • Creating arrays from Existing Data
  • array Attributes
  • Filling arrays with Specific Values
  • Creating arrays from Ranges
  • array Operators
  • Universal Functions
  • Indexing and Slicing
  • Views: Shallow Copies
  • Deep Copies
  • Reshaping and Transposing
• Strings and Regular Expressions
  • Formatting Strings
  • Concatenating and Repeating Strings
  • Stripping Whitespace from Strings
  • Changing Character Case
  • Comparison Operators for Strings
  • Searching for Substrings
  • Replacing Substrings
  • Splitting and Joining Strings
  • Characters and Character-Testing Methods
  • Raw Strings
  • Regular Expressions
• Files and Exceptions
  • Files
  • Text-File Processing
  • Updating Text Files
  • Serialization with JSON
  • pickle Serialization and Deserialization
  • Handling Exceptions
  • finally Clause
  • Explicitly Raising an Exception
  • Stack Unwinding and Tracebacks
• Object-Oriented Programming
  • Introduction
  • Class Definition
  • Composition: Object References as Members of Classes
  • Controlling Access to Attributes
  • Properties for Data Access
  • Inheritance: Base Classes and Subclasses
  • Introducing Polymorphism
  • Duck Typing and Polymorphism
  • Operator Overloading
  • Named Tuples
  • Unit Testing
  • Namespaces and Scopes
• Introduction to Data Science and Data Visualization with NumPy, Pandas and Matplotlib
  • What is Data Science?
  • What is NumPy?
  • Installing NumPy
  • Creating NumPy Arrays
  • NumPy Arrays – Indexing, Slicing, Shaping, Sorting
  • The Random Module
  • Measures of Central Tendency – Mean, Median, Mode
  • Probability Basics
  • Distributions (Normal, Binomial)
  • What is Pandas?
  • Installing Pandas
  • Pandas Series and DataFrames
  • Cleaning Data with Pandas – Empty Cells, Wrong Format, Wrong Data, Removing Duplicates
  • What is Matplotlib?
  • Installing Matplotlib
  • Drawing Lines, Scatter and Grids for Data Visualization
  • Hands-on exercises: Statistical Analysis using Python
• Introduction to Machine Learning and Neural Networks
  • What is Machine Learning?
  • Basic Methods in Machine Learning – Standard Deviation, Percentile, Linear Regression, Decision Tree, Logistic Regression
  • The PyTorch Library
  • The Scikit-learn Library
  • Train the Model
  • Split to Train/Test
  • Evaluate the Model
  • Use the Model for Predictions
  • Hands-on exercise: Build, Train and Evaluate a Model with PyTorch
  • Hands-on exercise: Build, Train and Evaluate a Model with Scikit-learn
• Practical Project
  • Тествайте усвоените знания в практически проект, който може с гордост да включите във вашата автобиография/CV.