Python-programmering og maskinlæring - kursus 42.000 rub. fra Coddy School of Programming for Children, træner 7 moduler (måneder)
Miscellanea / / December 03, 2023
Alder: 12-16 år
Niveau: for begyndere.
Varighed: fra 7 moduler (måneder), fra 56 timer*.
Format: individuelle og gruppelektioner, offline og online (realtid).
Antal børn: fra 1 til 8.
Pris:
fra 750 rub./time i en online gruppe,
fra 850 rub./time i en offline gruppe,
fra 1050 rub./time individuelt online,
fra 1980 rub./time individuelt offline.
Classic BASIC og Pascal undervises stadig som programmeringssprog i skolens læseplaner. Selvom de hjælper med at forstå principperne for at skrive programmer, bruges de ikke længere af professionelle programmører. Moderne teknologier står ikke stille, og derfor er der i dag mere avancerede og relevante programmeringssprog, der er nemme at lære og egnede til begyndere. Vil du have dit barn til at lære at skrive kode på et af verdens mest populære og efterspurgte sprog og bruge det til at løse problemer i den virkelige verden? Velkommen til vores Python-programmerings- og maskinlæringskursus for børn!
funktioner og fordele
Python-sproget begyndte at blive udviklet af den hollandske programmør Guido van Rossum i slutningen af firserne. Guido var på det tidspunkt ansat i det hollandske CWI Institute, et af de førende europæiske forskningsinstitutter inden for matematik og teoretisk datalogi. Han skrev dette sprog i sin fritid og lagde nogle ideer ind i det ABC undervisningssprog, som han også deltog i. Udviklingen blev afsluttet i 1991. Efter den første officielle version gik online, sluttede en hel gruppe programmører sig til at forfine og forbedre den. Python er nu et kraftfuldt, udtryksfuldt programmeringssprog, der er nemt at lære og nemt at bruge.
Der er mange Python-lektioner og tutorials på internettet. Fuld succes kan dog opnås, når du studerer under vejledning af en erfaren lærer-praktiserende læge. Ud over at mestre selve sproget, vil eleverne i undervisningen lære at anvende det praktisk i maskinlæring. Vi anbefaler, at skolebørn begynder at lære Python i en alder af 12 år. Det er perfekt for begyndere at tage deres første skridt i programmering, fordi... har følgende fordele:
- En af de vigtigste fordele ved Python er dens menneskelæselige syntaks. Udviklere værdsætter skønhed og klarhed i koden, hvilket afspejles i deres filosofi kaldet "Zen of Python." "Læsbarhed betyder noget", "Simpelt er bedre end komplekst" - det er nogle af principperne i denne filosofi.
- Den indeholder state-of-the-art kodegenbrugsmekanismer. Du kan skrive enkle og effektive programmer på den uden at bruge en masse tid på den.
- Mindre kodeinput øger udviklingshastigheden markant.
- Pythons design anses af mange eksperter for at være et af de bedste.
- Den interaktive skal giver dig mulighed for at indtaste programmer og straks få resultatet.
- Python har hjælpeværktøjer, der fremskynder indlæringen markant. For eksempel skildpaddemodulet, som simulerer skildpaddegrafik, og tkinter-modulet til at arbejde med grafikbiblioteket.
- Den indeholder et stort bibliotek af moduler, som giver en masse funktioner, der efterspørges i applikationsprogrammer, lige fra tekstsøgning ved hjælp af en skabelon til netværksfunktioner. Python kan udvides både gennem sine egne biblioteker og gennem biblioteker oprettet af andre udviklere.
Python bruges af giganter som Google, Intel, IBM. De populære platforme YouTube og VKontakte arbejder på det. NASA-forskere bruger det til at kryptere og analysere data, og eksperter fra en række forskellige områder bruger det til storstilet forskning. Python er et programmeringssprog, der vil være efterspurgt i meget lang tid!
Det vinder også stigende popularitet, fordi det er tæt forbundet med maskinlæring og skabelsen af intelligente computerprogrammer. Python gør arbejdet med kode meget lettere. Nu kan computere ikke længere programmeres som før, men kan konfigureres, så de lærer på egen hånd. Machine learning er en af vor tids vigtigste IT-tendenser og trænger gradvist ind i alle livets områder - smart søgning fra Google og Yandex, neurale netværk, smarte spamfiltre, kunstig intelligens i spil og meget mere Andet.
I vores kursus om at lære Python for skolebørn, fyre:
- Lær syntaksen og få grundlæggende færdigheder i at arbejde med Python;
- Lær at installere og konfigurere udviklingsmiljøet, anvende grundlæggende Python-konstruktioner, oprette moduler og pakker;
- Lær om forskellige måder at analysere data på;
- Bliv bekendt med principperne for maskinlæring;
- De vil træne flere af deres egne computermodeller.
8
kurserKursuslærer:
"Computer Literacy", "Minecraft: An Introduction to Artificial Intelligence", "Ethical Hacker", "Computer" læsefærdighed på Mac", "Unreal Engine 4", "Python og maskinlæring", "Minecraft-programmering", "Botter på Python"
Uddannelse:
Moscow Polytechnic University, speciale "Informationssikkerhed".
Certificeret deltager i Minecraft programmeringstræningsprogram.
Microsoft Certified Teacher Innovator Program
Erfaring:
Flydende i C++, Pascal med objekter, Python, Java, PHP. Jeg var involveret i hjemmesidelayout, skabelse af hjemmesidelayout og udvikling af logoer til virksomheder på freelancesider.
Interesser:
Engageret i programmering og informationssikkerhed. Elsker sport og fører en sund livsstil. Han interesserer sig for musik og kunst. Tror på, at enhver person kan opnå, hvad de vil.
"Hvis du ønsker, at kode skal være nem og hurtig at skrive, så gør den let at læse."
6
kurserKursuslærer:
"Spilprogrammering i Python", "Etisk hacker", "Udvikling af chatbots i Python sammen med Computer Science and Computing Complex of Moscow State University. M.V. Lomonosov", "Python og maskinlæring", "Bots i Python", "Webapplikationer i Python i samarbejde med Moscow State University. M.V. Lomonosov"
Uddannelse:
Moscow State Technical University opkaldt efter. Bauman, speciale "Informationssikkerhed".
Erfaring:
Dygtige i programmeringssprogene Python, C\C++, Golang, Pascal. Har erfaring med udvikling af forskellige applikationer.
Interesser:
Han kan lide at programmere i Python til at løse en lang række problemer, og jo mere kompleks og interessant opgaven er, jo bedre. Han dyrker sport, elsker at fotografere og elsker at rejse. Jeg er overbevist om, at enhver person, der gør en indsats nok for at nå et mål, når det. Kan lide at hjælpe andre med at nå deres mål. Ung og opmærksom på mennesker, finder et fælles sprog med ethvert barn og hjælper dem med at afsløre deres bedste egenskaber under læring, hvilket gør læring behagelig og effektiv for alle.
"Programmering i det 21. århundrede er det andet alfabet, som enhver succesfuld person bør mestre, uanset hans interesseområde. Python er det perfekte første skridt til at lære programmering, med enkelhed og alsidighed, der gør læring let for børn dette sprog er ikke et obligatorisk studie, men et behageligt tidsfordriv, og de forstår, at programmering er ekstremt interessant og spændende behandle!"
7
kurserKursuslærer:
"Minecraft: Introduktion til kunstig intelligens", "Frontendudvikler: HTML/CSS/JavaScript-websteder", "Etisk hacker", "Harvard CS50 Course", "Python and Machine Learning", "Bots in Python", "Cyber Security", "Spiludvikling i C++", "Oprettelse spil i Scratch"
Uddannelse:
Immanuel Kant Baltic Federal University, Institut for Fysiske og Matematiske Videnskaber og informationsteknologi, speciale: "Computersikkerhed og matematiske metoder til beskyttelse Information."
Erfaring:
Jeg stiftede bekendtskab med programmering som 12-årig og siden er jeg ikke holdt op med at udvikle, forbedre og uddybe min viden.
Han har stor erfaring med udvikling og udvikling af en lang række projekter, lige fra højt belastede spilservere til programmering af mikrocontrollere.
Kender og forstår moderne programmering og er som generalist i stand til at finde optimale løsninger selv i vanskelige situationer.
Interesser:
Han er engageret i at skrive manuskripter og nyder japansk fægtning, kendo og kenjutsu.
Jeg er overbevist om, at der ikke er noget vigtigere end selvvækst og personlig udvikling.
”Når vi møder nye vidensområder, er det sværeste ved at studere dem at tage det første skridt, at finde en måde at overvinde vores egen tvivl, usikkerhed og frygt. Først efter et stykke tid, når vi ser tilbage, er vi i stand til at værdsætte de højder, som vi nåede at rejse os til."
1. modul
Den første dag
Indledende lektion
- Introduktion til begrebet maskinlæring, hvilke problemer kan løses ved hjælp af maskinlæringsalgoritmer
- Python-gentagelse
Anden dag
Introduktion til neural netværksteori
- Aktiveringsfunktioner
- Matrix multiplikation
Dag tre
Den enkleste model af en neuron
- Fortsæt med at gentage Python
- Introduktion til numpy-biblioteket
- Grundlæggende begreber om maskinlæring
- Lineær regression metode
Dag fire
Perceptron
- Grundlæggende om matematisk logik og lineær algebra
- Den enkleste model af en neuron er en perceptron
- Indledende vægte, input og bias
2. modul
Den første dag
Perceptron træning
- Ændring af vægte
- Udvælgelse af træningsdata
- Perceptron træning
Anden dag
Model forbedring
- Vi bruger mere avancerede aktiveringsfunktioner
- Sigmoid, tanh, ReLu, Softplus
Dag tre
Dag fire
Arbejder på et neuralt netværk til din opgave
- Opgaveanalyse
- Valg af træningsdatasæt
- Modelbygning
3. modul
Den første dag
Model Adaline
- Adaptive lineære neuroner
- Sammenligning af Adaline og Perceptron nøjagtighed
Anden dag
Gradient nedstigning
- Vi bruger mere avancerede aktiveringsfunktioner
- Sigmoid, tanh, ReLu, SoTplus
- Gradient nedstigning
Dag tre
Bibliotek til at arbejde med Pandas-data
- Modtagelse af data fra filer i forskellige formater
- Prøveudtagning
- Sortering
- Aggregation og gruppering
Dag fire
Matplotlib plotte bibliotek
- Plotning af grafer baseret på et datasæt
- Visning i form af en graf af neurale netværksindikatorer
- 3D-grafik
4. modul
Den første dag
Anden dag
Billedgenkendelse
- Hentning af Mnist-bibliotekets datasæt
- Netværkstræning
- Billedgenkendelse af tal
- Test netværket på dine egne billeder
Dag tre
Dag fire
Evolutionær tilgang til træning af neurale netværk
- Indledende elementer
- Opsætning af befolkningsparametre
- Udvælgelsesmetode
- Mutationer
- Analyse af træningsresultater
5. modul
Den første dag
Objektorienteret programmeringsparadigme
- Klasser
- Objekter
- Egenskaber
- Metoder
Anden dag
Spil ved hjælp af OOP
- At skrive et simpelt klassisk spil 'Snake'
- Kontrolmetode for afspilleren
- Modelopmuntring
- A/B test
Dag tre
Brug af "kunstig intelligens" i spillet
- Slangekontrol
- Hukommelsesløs læringsmodel
Dag fire
Læring ved hjælp af hukommelse
- Justeringsfaktorer
- Gemmer træk i hukommelsen
- Sammenligning med en model uden hukommelse
6. modul
Den første dag
Vi præsenterer den interaktive Jupyter Notebook-skal
- Installation
- Celleindhold
- Kodeudførelsestilstande
- Interaktive elementer og grafik
Anden dag
Brug af Jupyter Notebook til Machine Learning
- Indlæsning af data
- Modeltræning
- Vis resultater
- Debugging og test
Dag tre
Brug af cloud computing i Google Colab
- Integration i projektet
- Ydelsesmålinger
- Brug af tensorkerner
Dag fire
Introduktion til Tensorflow-biblioteket
- Installation af biblioteket
- Klargøring af data til arbejde
- Neuronmodeller indbygget i biblioteket
7. modul
Den første dag
Sådan fungerer Tensorflow
- Beregningsgraf
- Indtastningsparametre og vægte
- Fejlfunktion
Anden dag
Sådan fungerer Tensorflow
- Indbygget optimering
- Aktiveringsfunktioner
- Netværkslag
Dag tre
Dag fire
Projektudvikling
- Diskussion af ideer
- Udvælgelse af teknologier
- Problemnedbrydning
- Dataforberedelse
- Modelbygning
- Uddannelse
- Afprøvning
- Præsentation