разлики между Python 2 и Python 3; инсталиране на интерпретатора и среди за разработка. декларация на променливи особености на променливите (id(), type()) типове данни постоянни (mutable) и непостоянни (immutable) типове колекции (tuple, list, dictionary,string) аритметични сравнение логически оператори за работа с колекции конструкции за условно изпълнение: if; условни изрази конструкции за циклично изпълнение: while, do ... while, for, for с колекции; циклични изрази предаване на параметири параметри с подразбиращи се стойности функции получаващи променлив брой параметри именувани параметри (keyword arguments) keyword-only параметри mutable defaults странични (д)ефекти връщане на стойности функции генератори изрази генератори декоратори на функции ламбда изрази (анонимни функции) йерахия на изключенията конструкция за обработка на изключения програмно изхвърляне на изключение данни и методи на класовете инициализатор на класа (конструктор) функции за достъп до данните декоратори наследяване numpy pandas matplotlib seaborn sklearn SciPy зареждане на данни първоначално изследване на данните типове данни от гледна точка на статистиката определяне на основни статистически показатели обработка на липсващи данни отстраняване на грешки и излишни данни комбиниране на данни от извадки графично представяне и визуален анализ на данните задачи за класификация и регресия (прогнозиране) недообучение (underfitting) и преобучение (overfitting) способност на моделите да обобщават метод на к най-близки съседи (k-Nearest Neighbours) линейни модели наивен класификатор на Бейс методи използващи дървовидни структури метод на опорните вектори мащабиране на данните от извадката понижаване на размерността на данните метод на главните компоненти (Pricipal Components Analysis клъстеризация на данни с метода на к-средни агломеративна клъстеризация оценка на качеството на алгоритмите за клъстеризация кодиране на номинални стойности дискретизация на данни синтезиране на характеристики методи за кръстосана оценка на качеството решетъчно търсене на оптимален модел метрики за оценка на качеството търсене на оптимални параметри чрез обединяване на алгоритми
С изключителни знания и богат опит в сферата на информационните технологии, Дикран Хачикян е водещ преподавател в областите Програмиране, Бази данни и Линукс.
Широкият спектър дисциплини, способността му да трансформира сложните въпроси в достъпно и разбираемо съдържание го превръщат в предпочитан лектор, както за клиентите на учебния център, така и за редица компании.
с възможност за разсрочено плащане
660.00 лв.
Продължителност: 11 седмици
с възможност за разсрочено плащане
480.00 лв.
Продължителност: 8 седмици
Препоръчвам курсовете по програмиране. Много добре структурирани и предадени. Полезни както за начинаещи така и за напреднали.
Препоръчвам за хора които наистина искат да се научат и не са уплашени от новости. Много качествени обучения.
