Python programavimo pagrindai ir praktinis kodo taikymas pradedantiesiems

Mokymų programa:

Analitinių projektų kūrimas
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.

Nesudėtingų mašininio mokymosi algoritmų kūrimas
• 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.

Išplėstinė duomenų analizė naudojant specializuotus Python programavimo modulius
• 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.

Programavimo pagrindai naudojant Python programinę kalbą
• 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.

Grafinis duomenų atvaizdavimas naudojant Python modulius
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.

Python bendruomenės kuriami trečiųjų šalių moduliai, jų svarbą ir taikymas.
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.

Kompiuterio parengimas programavimui.
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).