Intenzivní kurz Pythonu, datové analýzy a umělé inteligence

Python

Základy

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.

Python

Smyčky a seznamy

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.

Python

Funkce

Funkce tvoří základní stavební kameny každého programu. Během této lekce se naučíme funkce používat i vytvářet.

Python

Opakování a procvičování

Tato lekce slouží k opakování probraného učiva a jeho procvičování. Během této lekce budeme řešit jednoduché programátorské úkoly.

Datová analýza

Práce s vektory

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.

Python

Práce s textem a textovými soubory

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.

Datová analýza

Práce s tabulkami

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.

AI

Analýza dat

Seznámíme se s základy analýzy dat v Pythonu. Ukážeme si práci s nástoji jako je numpy, pandas nebo matplotlib.

Python

Objektově orientované programování 1

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.

Datová analýza

Vizualizace dat

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.

AI

Neuron

Vysvětlíme si model umělého neuronu. Neuron slouží k získání jednoduhé odpovědi Ano/Ne na základě vstupních dat. Jako příklad bude zvolena aplikace pro detekci zhoubného a nezhoubného nádoru.

Python

Objektově orientované programování 2

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.

Datová analýza

Datové dashboardy

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.

AI

Dopředné neuronové sítě

Dopředné neuronové sítě umožní dávat více odpovědí než jen dvě. Na modelu sekvenční neuronové sítě bude vysvětlena matematická podstata. Jako příklad bude zvolena aplikace pro rozpoznání písma psaného rukou.

Python

Objektově orientované programování 3

Cílem této lekce je zopakovat a procvičit znalosti z obou předchozích lekcí.

Datová analýza

Zpracování obrazu

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.

AI

Konvoluční neuronové sítě

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.

Python

Pokročilá práce s datovými strukturami

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.

Datová analýza

Zpracování přirozeného jazyka

Kurz uzavřeme 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.

AI

Rekurzivní neuronové sítě

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.

Python

I/O operace a výjmky

Rozšíříme naši znalost práce se soubory a souborovým systémem. Zároveň se podíváme na zpracování chyb a výjimečných stavů, které mohou v aplikaci nastat.

Python

Struktura programu, clean code

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.

Python

Webové stránky

Ukážeme si, jak vytvořit jednoduchou webovou stránku.

Nepovinné

Skupinové konzultace

Kurz bude doplněn o minimálně 3 skupinové konzultace, kde bude probíhat code review kódu účastníků, budou se probírat jejich otázky a jimi vybraná témata.

Nepovinné

Kariérní poradenství a příprava na pohovor

• Kariérní poradenství
• Pohovor na zkoušku
• Revize životopisu a linkedin profilu