Information and communication technologies
UAB "Dataera"
Python programavimo pagrindai ir praktinis kodo taikymas pradedantiesiems
4.7
(1)
Learning begins:
Tikslinama
72 (ac. h.)
Price from:
Tikslinama
About course
Information provided by the training provider
Abstract
Important information
Way of learning
-
Place
-
Language
-
Aukštos pridėtinės vertės programa
No
Minimum requirements for the participant
Education
Vidurinis išsilavinimas
Acquired and improved competencies
Ordinary:
Professional competencies:
Content of the learning program
| Topic name | Brief description of the topic |
|---|---|
|
Topic name
Analitinių projektų kūrimas
|
Brief description of the topic
Baigiamojo projekto rengimas; • Hipotezių kėlimas ir nuoseklus jų tikrinimas; • Projekto tikslų nustatymas; • Projekto išvadų aprašymas; • Python funkcijų taikymas projekte; • Python ciklų naudojimas projekto algoritmuose; • Duomenų analizės pagrindimas grafikais; • Python modulių taikymas; • Mašininio mokymosi algoritmų taikymas. • Python kodo naudojimas įkeliant duomenis į Power BI Desktop įrankį; • Python kodo naudojimas braižant Power BI Desktop grafikus; • Python modulių importavimas į Power BI aplinką; • Python kodo naudojimas transformuojant duomenis Power Query rengyklėje; • Duomenų kodavimas ir dekodavimas Power BI įrankyje naudojant Python kodą.
|
|
Topic name
Nesudėtingų mašininio mokymosi algoritmų kūrimas
|
Brief description of the topic
• Mašininio mokymosi algoritmų matematinis pagrindas; • Pagrindinės mašininio mokymosi technologijos; • Klasifikacija; • KNN artimiausių kaimynų klasifikacija; • Regresijų tipai; • Tiesinė regresija; • Logistinė regresija; • R2 tikslumo matas; • Grupavimas; • Matmenų mažinimas; • Pagrindinės mašininio mokymo algoritmų sudėtinės dalys; • Mašininio mokymosi algoritmų taikymas; • Scikit Learn modulio instaliavimas; • Scikit Learn modulio įrankiai; • Duomenų failo skaidymas į X (duomenų) ir y (rezultato) stulpelius; • Tiesinės regresijos modulio importavimas; • Modelio apmokymas su X duomenimis naudojant fit funkciją; • Modelio rezultato spėjimas y su predict funkcija; • Rezultatų atvaizdavimas grafike; • Modelio tikslumo R2 tikrinimas su score funkcija; • Logistinės regresijos modulio importavimas; • Sigmoidės funkcijos principai; • Duomenų paketo skaidymas į mokymo ir testavimo duomenų paketus.
|
|
Topic name
Išplėstinė duomenų analizė naudojant specializuotus Python programavimo modulius
|
Brief description of the topic
• Python trečiųjų šalių sukurtų modulių biblioteka pypi.org; • Modulio komponentų importavimo ir pervadinimo principai; • NumPy; • Pandas; • Matplotlib; • NumPy modulio pagrindu sukurti kiti moduliai; • NumPy modulio duomenų struktūros – masyvai (angl. Arrays); • Skirtingų dimensijų masyvai; • Pandas modulio instaliavimo principai skirtingose aplinkose; • Pandas modulio duomenų struktūros; • DataFrame duomenų struktūros savybės ir struktūra; • NumPy greitaveika; • Masyvų metodai; • Masyvų problematika naudojant ne skaitines reikšmes; • Duomenų formatų skaitymas ir įrašymas su Pandas; • Greitoji failų analizė; • Duomenų failo valymas (angl. Data Cleaning) naudojant Pandas; • Naujų duomenų kūrimas ir esamų keitimas; • Duomenų grupavimas, rikiavimas ir jungimas; • SQL serverio duomenų skaitymas ir įrašymas: • Prisijungimo prie serverio kredencialų nurodymo sintaksė; • SQL duomenų bazės kūrimas naudojant Python kodą.
|
|
Topic name
Programavimo pagrindai naudojant Python programinę kalbą
|
Brief description of the topic
• Python programos parsisiuntimas ir instaliavimas; • Kodo redaktoriaus PyCharm parsisiuntimas ir instaliavimas; • Kodo redaktoriaus Jupyter Notebook parsisiuntimas ir instaliavimas; • Kompiuterio reikalavimai programinio kodo rašymui; • Kodo redaktorių skirtumai; • Python failų tipai .py ir .ipynb;• Skirtingų IT profesijų darbo rinka (patirtis ir darbo užmokestis); • Programavimo kalbų skirtumai ir panašumai: • Bitai; • Baitai; • Teksto konvertavimas į dvejetainį kodą – ASCII; • Programinio kodo kompiliavimas; • Programinio kodo interpretavimas; • Algoritmų koncepcija; • Bazinės Python funkcijos; • Python primityviosios duomenų struktūros; • Python bazinė matematika; • Python neprimityviosios duomenų struktūros; • Python ciklai; • Python klaidų valdymas; • Python funkcijos; • Python objektinio programavimo (OOP) koncepcija; • Python integruotieji moduliai.
|
|
Topic name
Grafinis duomenų atvaizdavimas naudojant Python modulius
|
Brief description of the topic
Tema. Grafikų braižymas naudojant Pandas modulį; • Reikiamų modulių instaliavimas grafikų braižymui; • Grafikų braižymo principai skirtinguose kodų redaktoriuose; • Grafikų braižymo ypatumai Jupyter Notebook aplinkoje; • Ašių braižymas naudojant NumPy modulio metodus; • Ašių transformacijos į DataFrame; • Pandas plot funkcijos naudojimas; • Grafikų pavadinimų ir ašių pavadinimų keitimas; • Skirtingų grafikų tipų pasirinkimo principai; • Pyrago tipo grafikų braižymas; • Stulpelinių grafikų braižymas; • Užpildytų linijinių grafikų braižymas; • Grafikų braižymas nuskaitytiems duomenims; • Matplotlib grafikų biblioteka; • Matplotlib modulio ir atskirų jo dalių importavimas; • Sudėtingų Matplotlib grafikų kopijavimas; • Matplotlib grafikų atvaizdavimo ypatumai naudojant skirtingus kodo redaktorius; • Grafikų ašių nustatymas; • Grafikų pavadinimų ir ašių pavadinimų keitimas.
|
|
Topic name
Python bendruomenės kuriami trečiųjų šalių moduliai, jų svarbą ir taikymas.
|
Brief description of the topic
Python trečiųjų šalių moduliai; • Python trečiųjų šalių sukurtų modulių biblioteka pypi.org; • Trečiųjų šalių modulių instaliavimo principai; • Modulio komponentų importavimo ir pervadinimo principai; • Trečiųjų šalių modulis NumPy; • Trečiųjų šalių modulis Pandas; • Trečiųjų šalių modulis Matplotlib; • Trečiųjų šalių modulis Seaborn; • Trečiųjų šalių modulis Scikit-Learn; • NumPy modulio koncepcija; • NumPy modulio pagrindu sukurti kiti moduliai; • NumPy modulio duomenų struktūros – masyvai (angl. Arrays); • Skirtingų dimensijų masyvai; • Masyvų indeksavimas ir pjaustymas (angl. Slicing); • Masyvų filtravimas; • Veiksmai su masyvais; • Vektorinės matematikos principų taikymas masyvams.
|
|
Topic name
Kompiuterio parengimas programavimui.
|
Brief description of the topic
Python programavimui skirtų įrankių parsisiuntimas ir instaliavimas; • Python programos parsisiuntimas ir instaliavimas; • Kodo redaktoriaus PyCharm parsisiuntimas ir instaliavimas; • Kodo redaktoriaus Jupyter Notebook parsisiuntimas ir instaliavimas; • Kompiuterio reikalavimai programinio kodo rašymui; • Python kodo naudojimas skirtingose operacinėse sistemose; • Python kodo paleidimas naudojant komandinę eilutę; • Kodo redaktorių skirtumai; • Programų kūrimui skirti kodo redaktoriai; • Duomenų analizei adaptuoti kodo redaktoriai; • Python failų tipai .py ir .ipynb; • PyCharm kodo redaktoriaus apžvalga; • Microsoft Visual Studio Code kodo redaktoriaus apžvalga; • Jupyter Notebook kodo redaktoriaus apžvalga; • Google Colab kodo redaktoriaus apžvalga; • Programavimo kalbų svarba duomenų moksle; • Skirtingų IT profesijų darbo rinka (patirtis ir darbo užmokestis).
|
Duration of the learning programme
Duration of the learning programme: 72 (ac. h.)
Duration of practical contact work: 59 (ac. h.)
Duration of theoretical contact work: 13 (ac. h.)
Duration of self-employment: 0 (ac. h.)
Assessment
System / scale of assessment of acquired competencies: 1-10.
Important information
Way of learning
-
Place
-
Language
-
Aukštos pridėtinės vertės programa
No
Minimum requirements for the participant
Education
Vidurinis išsilavinimas
Contacts
Name, Surname
Neringa Rimkevičienė
Obligations
Administracijos vadovė
Email
neringa.r@dataera.lt
Phone
+370 665 15 654
Timetables
Šiuo metu grupių nėra.Ratings
Mokymus baigusių asmenų bendras mokymosi programos įvertinimas
1
Ar pasiteisino Jūsų lūkesčiai įgyti, patobulinti kompetenciją (-as) (žinias, įgūdžius, gebėjimus)?
5.0
2
Ar įgytas žinias, gebėjimus, įgūdžius taikote / taikysite kasdieniame darbe / gyvenime?
3.3
3
Ar vykdytų mokymų turinys atitiko Mokymosi programos turinį?
3.3
4
Ar mokymo medžiaga / priemonės padėjo geriau suprasti Mokymosi programos turinį?
5.0
5
Ar mokymų vieta / aplinka buvo palanki mokymuisi?
5.0
6
Ar mokymų organizavimas buvo tinkamas?
5.0
7
Ar pakankamai buvo praktinio darbo / praktinių užsiėmimų?
5.0
8
Ar mokymai Jums buvo naudingi?
5.0
9
Ar rekomenduotumėte šią Mokymosi programą savo pažįstamiems?
5.0
10
Ar gerai vertinate Mokymosi programą vykdžiusio asmens (lektoriaus) darbą?
5.0
11
Ar Mokymosi programą vykdęs asmuo (lektorius) sukūrė gerą psichologinę atmosferą?
5.0
Kainų istorija
Scroll to the top