Python и ИИ-технологии с нуля за 4 месяца [Product University] [Виталий Капранов, Егор Котельников, Роман Губайдуллин] [Повтор]

Складчина: Python и ИИ-технологии с нуля за 4 месяца [Product University] [Виталий Капранов, Егор Котельников, Роман Губайдуллин] [Повтор]

Программировать теперь гораздо проще, чем раньше. ChatGPT и другие ИИ-инструменты совершили переворот. Они позволяют вам писать и переписывать целые куски кода, готовые SQL-запросы и приложения и помогать обучаться с небывалой скоростью.

Теперь, все что вам нужно: умение сформулировать задачу на русском/английском языке и время/желание. Вот почему в основу этого курса легли 2 следующих подхода:

1. Использовать ChatGPT и других ассистентов по-максимуму, для того чтобы они вам помогали писать и исправлять готовые куски кода.
2. Отталкиваться от готовых работающих бизнес-приложений и примеров. Вы не будете писать с нуля строчку за строчкой, скорее наоборот: будете брать готовые проекты и библиотеки и видоизменять их для себя.

12 проектов, которые вы сделаете за 4 месяца
С нуля на Python, с подсказками от ChatGPT, без каких-либо начальных знаний программирования

1. Telegram-бот на Python с GPT (аналог ChatGPT)
2. Парсинг сайтов и каналов
3. Поиск недооцененных квартир на ЦИАН
4. Автономные агенты
5. Построение полного процесса получения и обработки данных с реального онлайн-ресурса
6. Построение системы распознавания рукописных чисел на чистом NumPy с помощью модели k ближайших соседей
7. Whisper. Преобразование текста в аудио и транскрибация
8. Анализ цен на криптовалюты с помощью Pandas и Matplotlib
9. Обучение нейросети на табличных данных для задачи классификации
10. Сегментация изображений ковида
11. Выделение именованных сущностей для автоматизации документооборота
12. Построение рекомендательной системы на основе нейросетей

Для кого курс?

• Аналитики данных и бизнес-аналитики
• Знание этих инструментов и технологий может помочь вам эффективнее анализировать и обрабатывать данные, создавать отчеты и прогнозы, а также использовать машинное обучение для решения задач.
• Предприниматели и руководители
• Вы научитесь использовать знания для оптимизации своих бизнес-процессов, повышения эффективности команды и внедрения инноваций в свои продукты и услуги.
• Маркетологи
• Особенно для тех, кто работает с большими объемами данных, знание Python и SQL может помочь в анализе и оптимизации маркетинговых кампаний, а также в автоматизации рутинных задач.
• Продакт менеджеры
• Знание технологий поможет вам лучше понимать возможности и ограничения инструментов и платформ, используемых для разработки и поддержки продуктов.
• Начинающие специалисты в области ИИ и машинного обучения
• Курс даст вам основы, необходимые для дальнейшего изучения и развития в этой сфере.
• Финансовые аналитики и экономисты
• Вы сможете использовать Python и SQL для анализа финансовых данных, создания прогнозов и оптимизации финансовых моделей.

Программа:

• Неделя 1: Основы программирования и условные операторы в Python
• Неделя 2: Контейнеры и циклы в Python
• Неделя 3: Функции в Python. Генераторы
• Неделя 4: Пространства имен. Замыкания. Декораторы. Введение в ООП
• Неделя 5: Magic-методы и исключения
• Неделя 6: Прикладной Python: регулярные выражения и получение данных по сети
• Неделя 7: Библиотека NumPy
• Неделя 8: Библиотека Pandas
• Неделя 9: Matplotlib и продвинутые инструменты визуализации
• Неделя 10: Основы SQL и баз данных
• Неделя 11: Основы Linux, Git и backend-разработки
• Неделя 12: Введение в глубокое обучение
• Неделя 13: Компьютерное зрение
• Неделя 14: Естественная обработка языка
• Неделя 15: Обучение с подкреплением
• Неделя 16: Рекомендательные системы
• Неделя 17: Итоги курса и портфолио

Спойлер: Программа подробно Неделя 1: Основы программирования и условные операторы в Python

• Что такое программирование?
• Среды программирования.
• Google Colab.
• Базовые типы данных в Python: int, float, bool, str.
• Приведения базовых типов
• Условные операторы в Python.
• Тернарный условный оператор.

Проект 1 — приложение для валидации считываемых данных

Неделя 2: Контейнеры и циклы в Python

• Контейнеры в Python: list, tuple, dict, set.
• Тонкости работы с переменными в Python.
• Изменяемые и неизменяемые типы данных.
• Глубокое и неглубокое копирование
• Цикл while.
• Операторы continue и break.
• Цикл for. Работа с элементами контейнера с помощью for.
• Вспомогательные функции. List comprehesion.

Проект 2 — Игра Блэкджек

Неделя 3: Функции в Python. Генераторы

• Основной синтаксис.
• Аргументы.
• Рекурсия.
• Анонимные функции.
• Генераторы — что такое и зачем нужны?
• Генераторные выражения.
• Генераторные функции

Проект 3 — Игра Морской бой

Неделя 4: Пространства имен. Замыкания. Декораторы. Введение в ООП

• Пространства имен в Python.
• Области видимости. Замыкания. Декораторы
• Введение в Объектно-Ориентированное Программирование.
• ООП в Python.
• Создание класса и экземпляров класса.
• Конструктор. Работа с атрибутами.
• Наследование в Python.

Проект 4 — Приложение "Календарь"

Неделя 5: Magic-методы и исключения

• Magic-методы в Python.
• Арифметика, приведение типов.
• Исключения в Python.
• Конструкция try-except.
• Чтение и запись в файл.
• Импорт модулей и пакетов.
• Создание модулей и пакетов

Неделя 6: Прикладной Python: регулярные выражения и получение данных по сети

• Python и получение данных по сети.
• Парсинг данных.
• Библиотеки requests, BeautifulSoup.
• Фреймворк Scrapy.
• Регулярные выражения в Python

Проект 5 — Построение полного процесса получения и обработки данных с реального онлайн-ресурса

Неделя 7: Библиотека NumPy

• Библиотека NumPy: функциональность, создание массивов ndarray, индексация, срезы и трансляция
• NumPy: операции с матрицами и векторами, математические функции
• Расширенный NumPy: выборка, замена, сортировка, изменение формы и статистика

Проект 6 — Построение системы распознавания рукописных чисел на чистом NumPy с помощью модели k ближайших соседей

Неделя 8: Библиотека Pandas

• Библиотека Pandas: табличные данные, типы данных и базовые методы
• Pandas: строки, столбцы, поиск элементов, добавление и удаление данных

Проект 7 — обработка и анализ реального набора данных

Неделя 9: Matplotlib и продвинутые инструменты визуализации

• Библиотека Matplotlib.
• Визуализация данных
• Продвинутые инструменты визуализации.
• Seaborn.
• Plotly.

Проект 8 — Анализ цен на криптовалюты с помощью Pandas и Matplotlib

Неделя 10: Основы SQL и баз данных

• Введение в базы данных и SQL
• Обзор PostgreSQL и MySQL
• Синтаксис SQL: создание таблиц, вставка и запрос данных
• Отношения таблиц, объединения и подзапросы
• Агрегация и группировка в SQL

Неделя 11: Основы Linux, Git и backend-разработки

• Введение в Linux и Git
• WSL, VirtualBox и дистрибутивы Linux
• Командная строка Linux и написание скриптов оболочки
• Управление версиями с помощью Git и коллективная работа
• Основы Docker и контейнеризация

Неделя 12: Введение в глубокое обучение

• Области применения нейросетей.
• Постановка задачи ML и перцептрон.
• Град спуск на примере линейной регрессии.
• Введение в полносвязные нейросети.
• Универсальные оптимизации.
• Введение в pytorch.
• Обучение полносвязных нейросетей.
• Типовой пайплайн: загрузчики данных, аугментации, метрики качества.

Проект 9 — Обучение нейросети на табличных данных для задачи классификации

Неделя 13: Компьютерное зрение

• Ведение в обработку изображений.
• Устройство сверточных нейросетей.
• Основные архитектуры области.
• Детекция и сегментация.
• Архитектуры и дообучение моделей.
• Генеративные модели.
• Ган. Вае.
• Диффузия.
• Дообучение готовых моделей.

Проект 10 — Сегментация изображений ковида

Неделя 14: Естественная обработка языка

• Введение в естественную обработку языка.
• Рекуррентные нейросети, w2v.
• Дообучение для типовых задач Nlp.Attention.
• Transformer.
• Архитектуры на основе трансформера.
• Дообучение для типовых задач.
• Знакомство с hugging face.
• Трансформер и его модификации в современном nlp.
• Применение в области звука, обработке изображений.

Проект 11 — Выделение именованных сущностей для автоматизации документооборота

Неделя 15: Обучение с подкреплением

• Обзор области обучения с подкреплением.
• Обзор основных архитектур.
• Обучение под типовые задачи.

Неделя 16: Рекомендательные системы

• Введение в рекомендательные системы.
• Обзор архитектур.
• Обучение под типовые задачи.

Проект 12 — Построение рекомендательной системы на основе нейросетей

Неделя 17: Итоги курса и портфолио
Цена 78000 руб.

Повтор: