PROFIL UCZESTNIKA
Szkolenie “Programowanie w języku Python szkolenie dla programistów” przeznaczone jest dla doświadczonych programistów, którzy chcą w szybki sposób poznać język Python. Program kursu jest intensywny.
PROGRAM SZKOLENIA
1. Wprowadzenie do języka Python
2. Wstęp do programowania w języku Python
3. Instrukcje przepływu sterowania
- Słowa kluczowe
- Instrukcje: if, if…else, if…elif…else, while, for
- Iteracja
- Funkcja range
- Typ Decimal
- Instrukcje: continue i break
- Operatory logiczne
4. Funkcje
- Funkcje
- Funkcje i ich parametry
- Analiza przypadku
- Biblioteka Python
- Funkcje modułu math
- Argumenty i parametry
- Metody
- Zasięg definicji
- Import
- Przekazywanie argumentów
- Rekurencja
- Wprowadzenie do Data Science
5. Ciągi, listy i krotki
- Listy
- Krotki
- Ciągi i podciągi
- Instrukcja del
- Metody listy
- Wyrażenia generatorowe
- Filtrowanie, mapowanie i redukcja
6. Biblioteka NumPy i tablice ndarray
- Tworzenie tablic
- Atrybuty tablic
- %timeit
- Polecenia Python
- Metody obliczeniowe biblioteki NumPy
- Funkcje uniwersalne biblioteki NumPy
- Indeksowanie i wyodrębnianie
- Widoki tablic jako płytkie kopie
- Głębokie kopiowanie
- Restrukturyzacja i transportowanie tablic
7. Słowniki i zbiory
8. Łańcuchy znaków
- Formatowanie łańcuchów
- Konkatenowanie i zwielokrotnianie łańcuchów
- Operacje na łańcuchach
- Wyszukiwanie i zastępowanie podłańcuchów
- Surowe łańcuchy
- Wyrażenia regularne
9. Pliki i wyjątki
- Pliki
- Przetwarzanie plików tekstowych
- Serializacja obiektów w formacie JSON
- Moduł pickle
- Obsługa wyjątków
- Klauzula finally
10. Programowanie obiektowe
- Klasy: Account, Time
- Dostęp do atrybutów
- Dziedziczenie: klasy bazowe i podklasy
- Hierarchia dziedziczenia a polimorfizm
- Przeciążanie operatorów
- Klasy wyjątków
- Nazwane krotki
- Testy jednostkowe
- Przestrzenie nazw i widoczność identyfikatorów
11. Praca z NLP
- Klasa TextBlob
- Biblioteka Textatistic
- Biblioteka spaCy
- Inne biblioteki
- Zastosowanie NLP w uczeniu maszynowym i głębokim uczeniu
- Zbiory danych dla NLP
12. Przetwarzanie dużych zbiorów danych
13. Uczenie maszynowe: klasyfikacja, regresja, klasteryzacja
14. Wprowadzenie do zagadnień Głębokiego Uczenia
15. Big Data
