Tento kurz je jedním z našich nejatraktivnějších programů. Je navržen tak, aby vás úspěšně zavedl na cestu datové analýzy. Během kurzu získáte pevný základ v programování v Pythonu, datové analýze a umělé inteligenci. Naším cílem je, aby se účastníci kurzu stali odborníky na tyto oblasti. Kurz nabízí nejen teoretické znalosti, ale také praktické ukoly. Budete mít možnost pracovat na reálných projektech v Pythonu a pravidelně dostávat úkoly, které vám pomohou posílit vaše dovednosti. Po úspěšném absolvování kurzu, splnění všech úkolů a dokončení projektu budete mít dostatečnou připravenost k tomu, abyste se mohli úspěšně ucházet o juniorní pozici datového analytika. Připojte se k nám na tomto intenzivním kurzu a odstartujte svou kariéru v oblasti datové analýzy!
Nutností je logické myšlení. Kurz je vhodný pro každého, kdo chce začít programovat a pochopit taje datové analýzy a umělé inteligence. Výhodou je předchozí zkušenost s programováním nebo tvorbou webových stránek.
18:00-20:30
online
12
Začneme tím, že si ukážeme prostředí, ve kterém budem programovat. Vysvětlíme a zároveň si vyzkoušíme práci s proměnnými a podmínkami, bez nichž není možné napsat žádný program.
Ukážeme si, jak v paměti reprezentovat proměnný počet dat a jak s nimi pracovat. Seznámíme se s datovými strukturami seznam, slovník a množina a naučíme se s nimi manipulovat pomocí smyček.
Funkce tvoří základní stavební kameny každého programu. Během této lekce se naučíme funkce používat i vytvářet.
Tato lekce slouží k opakování probraného učiva a jeho procvičování. Během této lekce budeme řešit jednoduché programátorské úkoly.
Ukážeme si, jak zpracovat textový vstup a jakým způsobem je možné formátovat text. Zároveň budou vysvětleny základy práce se soubory. Naučíme se textové soubory z našeho programu číst, vytvářet a modifikovat.
Objektově orientované programování (OOP) je v současnosti nejpoužívanějším způsobem jak vytvářet a strukturovat kód. V první lekci se seznámíme se základními myšlenkami OOP. Vysvětlíme si pojmy jako je zapouzdření, třída nebo instance. Nabyté poznatky využijeme při tvorbě konzolové hry.
V této lekci si rozšíříme naše znalosti OOP. Ukážeme si konstrukce usnadňující sdílení kódu, vysvětlíme pojem dědičnosti a změny datových typů. V druhé části lekce budeme nově nabyté znalosti využívat k rozšíření hry z předchozí lekce.
Cílem této lekce je zopakovat a procvičit znalosti z obou předchozích lekcí.
Detailněji se podíváme na práci s datovými strukturami. Blíže se seznámíme s principy, na kterých fungují, a ukážeme si, jak v nich efektivně vyhledávat, filtrovat, řadit atd.
Rozšíříme naši znalost práce se soubory a souborovým systémem. Zároveň se podíváme na zpracování chyb a výjimečných stavů, které mohou v aplikaci nastat.
Povíme si více o tom, jak efektivně strukturovat program v Pythonu. Vedle toho si ukážeme řadu špatných praktik, kterým by se dobrý programátor měl vyhnout.
Ukážeme si, jak vytvořit jednoduchou webovou stránku.
18:00 - 20:30
online
7
První blok se zabývá základní filosofií modulu numpy, která slouží jako základ pro všechny navazující moduly datové analýzy a strojového učení. Student je seznámen s nejdůležitějšími funkcemi a je poukázán rozdíl pracování v tradičním python v porovnání s modulem numpy. Absolvování tématu pomůže studentovi pochopit, jak může značně urychlit své existující programy.
V tomto bloku se naučíme pracovat s tabulkami pomocí modulu pandas. Student se naučí prozkoumat data pomocí předpřipravených i vlastních funkcí, provede statistické výpočty nad tabulkou pro získání potřebných informací a naučí se pro případ potřeby spojovat tabulky dohromady a počítat nad nimi základní agregační informace jako je například suma v sloupci nebo řádku.
Student se seznámí s nejčastějšímí typy grafů a jejich využitím pro různé typy dat a jak tyto grafy vykreslit v modulu seaborn. Následně se naučí vytvářet multigrafy na jednom společném plátně. Téma je završeno tavením dat, tedy spojováním sloupců do jednoho sloupce pro efektivnější vizualizaci pomocí kategorií.
Tento blok se zabývá tvorbou interaktivních datových dashboardů pomocí modulu Dash. Student se seznámí s jeho filosofií, která vychází z jeho platformy Flask. Poté se naučí vytvořit Plotly-express grafy včetně multigrafů. Následně vybuduje pomocí HTML prvků datový dashboard s různými ovládacími prvky pro vybraný Plotly-express graf a propojit je technikou reaktivního programování pro interaktivní manipulaci s grafem. Téma je završeno vybudováním dashboardu v modulu streamlit, který umožňuje tvorbu malých rychlých datových dashboardů, zejména pro účely strojového učení.
Ukážeme si, jak zpracovat obrazová data pomocí modulu openCV a Scikit-Image. Student se seznámí nejprve se základními operacemi pro úpravu obrázku (změna velikosti, přeškálování, vyříznutí podobrazu z obrazu, aj.). Poté se naučí provádět složitější operace s využitím kernelu pro zpracování obrazu nízké úrovně. Téma je zakončeno vyhledáváním objektů v obrazu na základě tvaru nebo plnění práhovací podmínky.
Kurz pokračuje analýzou textu pomocí modulu Spacy. Student se seznámí nejprve s tím, jak tokenizovat text a provádět statistickou analýzu nalezených tokenů. Poté se naučí vizualizovat strukturu vět a označovat slovní druhy v textu, které lze využít pro analýzu textových dokumentů. Dále se student naučí vyhledávat pojmenované entity pro nalezení měst, firem, jmen a jiných zajímavých entit v textu pro vytváření báze znalostí. Téma je zakončeno vyhledáváním frází pomocí mělkého vyhledávání, což představuje silnější prostředek pro vyhledávání než například regulární vzory. Téma je ukázáno na anglickém jazyce, jelikož české modely stále chybí v modulu Spacy.
V této části se podíváme, jak pracovat s lidským jazykem a získat z něho data.
ETL transformace jsou procesy, které extrahují, transformují a nakonec nahrávají data z různých zdrojů do cílového úložiště nebo databáze. Transformace zahrnují úpravy dat pro konzistenci a použitelnost.
18:00 - 20:30
online
10
Naučíme se, jak počítače dokáží předpovídat a rozhodovat bez předem daných instrukcí. Prozkoumáme jednoduchý, ale mocný Bayesův naivní klasifikátor, který nám umožní třídit data s neuvěřitelnou přesností.
Vstoupíme do světa rozhodovacích stromů, které nám pomohou dělat chytrá rozhodnutí na základě dat. Naučíme se, jak optimalizovat parametry modelů a dosáhnout tak nejlepších výsledků. Získáme schopnosti, které nás posunou na další úroveň v analýze dat a rozhodování.
Ponoříme se do pokročilých technik hlubokého učení a vícevrstvých perceptronů. Objevíme, jak neuronové sítě mohou řešit složité problémy a přinášet revoluční inovace.
Konvoluční neuronové sítě slouží pro aplikaci obrazového filtru na jiný obraz. Na modelu sekvenční konvoluční sítě bude vysvětlena podstata grafických filtrů. Jako příklad bude zvolena aplikace, která rozpozná, jaké objekty se nachází v obrázku.
Zlepšíme své schopnosti v oblasti rozpoznání obrazu pomocí technik datového posílení. Naučíme se, jak vytvářet modely, které dokáží identifikovat a klasifikovat objekty na obrázcích s vysokou přesností.
Podíváme se na gerativní architektury a objevíme, jak vytvářet nové a realistické obrazy pomocí generativních protivníkových sítí (GAN). Využijeme své kreativní schopnosti a naučíme se vytvářet umění, design a fotorealistické obrazy, které nikdy předtím neexistovaly.
Rekurentní neuronové sítě představují model neuronové sítě s pamětí. Na modelu rekurentní sítě s dlouhodobou krátkodobou pamětí (LSTM) bude vysvětlena podstata zpracování přirozeného jazyka. Jako příklad bude zvolena aplikace, která slouží pro detekci spamu.
Naučíme se, jak vytvořit chatbota, automatického překladatele nebo analyzovat sentiment na sociálních sítích.
Objevíme tajemství učení bez učitele, kde modely samy najdou struktury a vzory v datech.
Získáme praktické dovednosti pro nasazení modelů strojového učení do reálného světa. Naučíme se, jak monitorovat jejich výkon a zajišťovat jejich správnou funkčnost.
Kurz je vhodný pro každého, kdo má zájem o programování a chce se naučit jeden z nejpopulárnějších programovacích jazyků současnosti. Nejsou očekávany předchozí zkušenosti s programování. Nutností však je logické myšlení. Mezi účastníky kurzu mohou patřit absolventi technických oborů, kteří by rádi začali v IT, testeři, administrátoři a pracovníci supportu.
Python je jazyk s jednoduchou syntaxí a rostoucí oblibou napříč profesemi. Je využíván nejenom programátory, ale i automatizačními testery, datovými analytiky, odborníky na strojové učení a vědeckými pracovníky. V Brně je využíván např. ve firmě Kiwi, Seznam, Red Hat nebo Thermo Fisher Scientific.
Kurz bude probíhat formou online výuky s živými lektory doplněné o nepovinné úkoly,testy dostupné v elearningu a skupinové i individuální konzultace. Veškeré materiály a záznamy z lekcí budou zveřejněny v našem elearningu.
Ano, platbu je možné rozdělit. Pokud máte takový požadavek, napište ho prosím do poznámky k přihlášce.
Kdy: |
Kde: |
Cena: |
|---|
Dej nám na sebe kontakt a my ti dáme vědět hned, jak vypíšeme nový, nebo ho uspořádáme přímo pro tebe.
Garant kvality, lektor Pythonu a umělé inteligence
Pavel má za sebou pestré zkušenosti z mnoha odvětví. Pavel vystudoval dva VŠ obory: Počítačové modelování a pedagogiku. Po studiu pracoval jako programátor a vědecký pracovník Akademie věd. V současnosti se plně věnuje pedagogické činnosti. Vedle kurzů pro nás učí programování na vysoké i střední škole. Více na pavelberanek.com .
Tento kurz je jedním z našich nejatraktivnějších programů. Je navržen tak, aby vás úspěšně zavedl na cestu datové analýzy. Během kurzu získáte pevný základ v programování v Pythonu, datové analýze a umělé inteligenci. Naším cílem je, aby se účastníci kurzu stali odborníky na tyto oblasti.
Kurz nabízí nejen teoretické znalosti, ale také praktickou praxi. Budete mít možnost pracovat na reálných projektech v Pythonu a pravidelně dostávat úkoly, které vám pomohou posílit vaše dovednosti. Po úspěšném absolvování kurzu, splnění všech úkolů a dokončení projektu budete mít dostatečnou připravenost k tomu, abyste se mohli úspěšně ucházet o juniorní pozici datového analytika.
Připojte se k nám na tomto intenzivním kurzu a odstartujte svou kariéru v oblasti datové analýzy!
