Python: от основ до машинного обучения для не ИТ
Комфортный режим обучения: теория в онлайн-курсе и интерактивные вебинары. Возможность обучению из любого места и в любое время. Гибкие форматы практики
Язык Python в современном мире заслуженно получил широкое распространение благодаря таким качествам, как низкий порог вхождения, кросс-платформенность, богатый набор библиотек для решения практических задач, поддержка лидерами ИТ-индустрии и компаниями-производителями профессионального программного обеспечения.
В ходе программы слушатели осваивают компетенции программиста и архитектора программного обеспечения. Важной особенностью программы является формирование у студентов знаний и навыков по применению искусственного интеллекта и машинного обучения, проведения инженерно-научных расчетов с использованием возможностей языка Python с учетом обеспечения информационной безопасности.
Цель программы — подготовить квалифицированных и востребованных специалистов, способных комплексно решать задачи алгоритмизации и обработки данных, осознанно подходить к разработке программного обеспечения на языке Python. Программа ориентирована на слушателей, желающих получить актуальные и глубокие знания, связанные с проектированием, сопровождением и развитием архитектуры программного обеспечения.
Входные требованияна 01 сентября 2024 года – студенты очной и очно-заочной форм обучения, осваивающие основную образовательную программу в Физико-Механическом институте СПбПУ:
- студенты 2 – 5 курсов бакалавриата не ИТ-направлений
- студенты 2 – 6 курсов специалитета не ИТ-направлений
- студенты магистратуры
Кому подойдет этот курс?
Курс подойдет всем,
кто нацелен на профессиональный рост в сфере создания, совершенствования и сопровождения программного обеспечения на языке Python, кому интересны инженерно-научные вычисления, анализ данных, искусственный интеллект и машинное обучение
Программистам
— Начинающим: получение углубленных знаний языка Python;
— Специализирующимся на других языках: освоение нового инструмента для быстрого прототипирования и высокоуровневого программирования;
— Всем: математические основы и навыки применения машинного обучения и искусственного интеллекта
Физикам и математикам
Обработать экспериментальные данные, создать математическую модель и определить неизвестные параметры, построить прогноз изменения ключевых переменных, проверить теорию вычислительным экспериментом, создать компьютерный инструмент для компании или сообщества — курс закладывает фундамент для решения этих задач
Чему вы научитесь?
Разработке программ на языке Python
Научитесь создавать программы, используя процедурный и объектно-ориентированный подходы, применять функции, декораторы, структуры данных, модули, тестировать и отлаживать программы
Широкоиспользуемым библиотекам Python
Разберетесь с массивами в NumPy и временными рядами в Pandas, построением и оформлением графиков в Matplotlib, статистическими методами в Scikit-learn, познакомитесь с основами кибербезопасности
Применению систем искусственного интеллекта
Изучите различные системы представления знаний, графы, онтологии и синтез программ
Применению машинного обучения
Научитесь строить классификаторы, выполнять распознавание изображений, дообучать существующие модели машинного обучения, использовать глубокое обучение
Структура курса
- введение в программирование на языке Python;
- функции;
- создание и использование функций;
- декораторы;
- стандартные коллекции;
- основы объектно-ориентированного программирования;
- итераторы и генераторы;
- модули и пакеты. параллельное программирование;
- тестирование и логирование
- обзор возможностей библиотеки Pandas;
- обзор возможностей библиотеки Numpy;
- обзор возможностей библиотеки Matplotlib;
- обзор возможностей библиотеки Scikit-learn;
- основы кибербезопасности с Python
- прикладные системы искусственного интеллекта;
- представление знаний правилами продукций;
- плгоритмы поиска решения;
- представление знаний формулами исчисления предикатов;
- представление знаний семантическими сетями;
- автоматический синтез программ
- введение в машинное обучение;
- методы обучения без учителя;
- наивный байесовский классификатор;
- метрические методы классификации;
- классификация на основе деревьев решений;
- композиционные методы машинного обучения;
- понятие персептрона; многослойные нейронные сети;
- архитектуры нейронных сетей для различных задач;
- выявление угроз информационной безопасности
Практические занятия
Проведение итоговой аттестации
Кем работают наши выпускники
Преподаватели программы
