Мы используем файлы cookies для улучшения работы сайта. Оставаясь на нашем сайте, вы соглашаетесь с условиями использования файлов cookies
Курс: "Python-разработчик"
— стань востребованным специалистом за 3 месяца;
— освой ключевые аспекты работы с искусственным интеллектом;
— лучших выпускников по итогу обучения направляем на собеседование в компании-партнеры школы
— освой ключевые аспекты работы с искусственным интеллектом;
— лучших выпускников по итогу обучения направляем на собеседование в компании-партнеры школы
Top-3 причины выбрать наш курс
- Высокое качество обученияНаша школа сосредоточена на предоставлении высококачественного образования в области it-разработки.
- Уникальный практический опытВ нашей программе обучения мы используем самые современные методики и инструменты, чтобы дать студентам полное представление о процессе работы разработчика, включая теоретические основы и практические навыки.
- Содействие в трудоустройстве лучших выпускниковМы активно сотрудничаем с ведущими компаниями региона, чтобы предложить нашим лучшим студентам реальные профессиональные возможности.
Набор группы курса
Вводное занятие: 19 сентября 2024 г.
Старт обучения: 1 октября 2024 г.
Формат обучения: гибрид ( Офлайн (очное) и дистанционное (онлайн) обучение)
Старт обучения: 1 октября 2024 г.
Формат обучения: гибрид ( Офлайн (очное) и дистанционное (онлайн) обучение)
Количество мест:
10 мест
Длительность занятий:
2 месяца: 2 раза в неделю
(вторник и четверг)
с 19-00 до 21-00
(вторник и четверг)
с 19-00 до 21-00
Место проведения:
г. Ростов-на-Дону, ул. Тургеневская 10/6
Стоимость обучения:
36 000 рублей
Программа курса
Бесплатное занятие для всех, интересующихся Python-разработкой.
1.1 Понятие алгоритма и его свойства
1.2 Реализация алгоритмов средствами языка программирования
1.2 Реализация алгоритмов средствами языка программирования
2.1 Переменные и типы, операторы, срезы.
Управление зависимостями проекта, установка и обновление библиотек, создание виртуальных сред для изоляции проектов.
2.2 Алгоритмизация, условия и циклы.
Алгоритмические концепции и их применение в анализе данных.
2.3 Работа с различными типами данных, включая списки, множества, кортежи и словари, с использованием соответствующих библиотек.
Collections - стандартная библиотека Python, которая предоставляет дополнительные структуры данных, json - библиотека Python, используемая для работы с данными в формате JSON (JavaScript Object Notation).
2.4 Методы чтения и записи данных из файловых источников.
Применение библиотеки для работы с различными форматами данных, такими как CSV, JSON, XML
Библиотеки: os, io, csv, xml.etree.ElementTree
2.5 Объекты и классы. Создание пользовательских классов и методов
2.6 Итераторы и генераторы. Повышение скорости разработки и эффективности решений
Управление зависимостями проекта, установка и обновление библиотек, создание виртуальных сред для изоляции проектов.
2.2 Алгоритмизация, условия и циклы.
Алгоритмические концепции и их применение в анализе данных.
2.3 Работа с различными типами данных, включая списки, множества, кортежи и словари, с использованием соответствующих библиотек.
Collections - стандартная библиотека Python, которая предоставляет дополнительные структуры данных, json - библиотека Python, используемая для работы с данными в формате JSON (JavaScript Object Notation).
2.4 Методы чтения и записи данных из файловых источников.
Применение библиотеки для работы с различными форматами данных, такими как CSV, JSON, XML
Библиотеки: os, io, csv, xml.etree.ElementTree
2.5 Объекты и классы. Создание пользовательских классов и методов
2.6 Итераторы и генераторы. Повышение скорости разработки и эффективности решений
3.1 Импорт и интеграция данных из различных источников в Pandas.
3.2 Источники датасетов для машинного обучения. Парсинг, скрапинг, асинхронный сбор данных на Python.
3.3 Визуализация данных в библиотеках Matplotlib, Seaborn и Plotly. Отображение информации в графической форме, действия для облегчения подготовки и предобработки данных, применение метода главных компонент для отбора важных переменных.
3.2 Источники датасетов для машинного обучения. Парсинг, скрапинг, асинхронный сбор данных на Python.
3.3 Визуализация данных в библиотеках Matplotlib, Seaborn и Plotly. Отображение информации в графической форме, действия для облегчения подготовки и предобработки данных, применение метода главных компонент для отбора важных переменных.
4.1 Введение в интеллектуальный анализ данных. Задачи машинного обучения: классификация, кластеризация, регрессия, поиск ассоциаций.
4.2 Задача классификации. Деревья решений.
4.2 Задача классификации. Деревья решений.
Что вы получите по итогу обучения?
-
Сертификат об успешном окончании курса -
Практика с фидбэком и домашними заданиями от преподавателя -
Практический опыт с реальными заданиями -
Возможность стажировки и трудоустройства
в компаниях-операторах курсов для лучших выпускников
Преподаватель курса
Владислав Каламбет
- Специальность «Менеджмент в отрасли связи» квалификация «Менеджер» 2005 г., ГОУ СПО «Ростовский – на – Дону колледж связи и информатики»
- Специальность «Менеджмент организации» квалификация «Менеджер» 2008 г., ФГОУ ВПО «Северо-Кавказская академия государственной службы»
- Профессиональная переподготовка по программе квалификация «Менеджер»
- «Педагогическое образование: технологии реализации ФГОС», квалификация – «Педагог (учитель, преподаватель)»
Записаться на курс
Заполняя форму вы регистрируетесь на курсе обучения
"Python-разработчик"
"Python-разработчик"
Нажимая кнопку отправки данных, вы даете свое согласие на обработку персональных данных
и соглашаетесь c положением о защите персональных данных
и соглашаетесь c положением о защите персональных данных