Już 25000 studentów uczy się Pythona na różnych poziomach zaawansowania! Python to aktualnie najpopularniejszy język programowania. Poznaj go i Ty! 

Poniższa mapa ma pomóc w wyborze właściwych kursów i ich kolejności, ale… tak na prawdę wybór należy do Ciebie, np. Pandas też świetnie przyda się przy budowie aplikacji użytkowych. Możesz więc śmiało przeskakiwać między ścieżkami

Python dla początkujących (z tym linkiem cena minimalna Udemy) Nauka Python dla początkujących, od podstaw i po polsku Instalacja Pythona i narzędzi programistycznych ze szczególnym uwzględnieniem IDLE Praca ze zmiennymi, typami, funkcjami, korzystanie z funkcji na konkretnych przykładach Wyrażenia warunkowe i pętle, zadania z wykorzystaniem tych technik Wejście i wyjście: odczyt danych od użytkownika, praca z plikami Korzystanie z modułów Podstawowa obsługa błędów powstających w programach Ciekawe przykłady i zadania do samodzielnego rozwiązania Przykładowe lekcje – zobacz poniżej

Każdy sukces ma swój początek. Jeśli chcesz zajmować się programowaniem w Pythonie, a nie znasz tego języka, to ten kurs jest dobrym punktem startowym. Kurs zaczyna się od postaw włącznie z informacjami o tym, jak zainstalować Pythona i jak uruchamiać środowisko programistyczne. Kończąc go będziesz w stanie samodzielnie pisać proste skrypty wczytujące i zapisujące dane do plików, przetwarzające dane warunkowo, w pętlach itp.  Do dyspozycji masz mnóstwo zadań do samodzielnego rozwiązania włącznie z rozwiązaniami. A kiedy już przerobisz cały materiał – możesz kontynuować naukę na kolejnych kursach.

Python dla średnio zaawansowanych (z tym linkiem cena minimalna) Nauka Python dla tych, co Pythona trochę już znają Typy i konwersje typów od podszewki, konwersje automatyczne znacznie upraszczające kod Zapis kodu w pętli w postaci jedno linijkowej (kod Pythoniczny) Sztuczki z funkcjami i dekoratory: argumenty domyślne, args, kwargs, dynamiczny kod, funkcja jako zmienna Scenariusze wykorzystania funkcji Klasy, instancje – od A do Z: atrybuty, metody, dekoratory, modyfikacja klas „w locie”, tworzenie operatorów, dziedziczenie Obsługa błędów i własne wyjątki Iteratory, generatory, context manager Ciekawe przykłady i zadania do samodzielnego rozwiązania Przykładowe lekcje – zobacz poniżej

Ten kurs to propozycja dla tych, którzy Pythona już trochę znają (np. ukończyli kurs dla początkujących). Żeby dobrze opanować język programowania trzeba zmienić swój tok myślenia – myśleć instrukcjami dostępnymi w danym języku. Oczywiście do tego potrzebna jest znajomość niuansów języka. O tym właśnie opowiada ten kurs. Skoro już wiesz np. jak stworzyć funkcję, to tutaj zobaczysz, jak z tej funkcji wyciągnąć maksymalnie dużo. Czasami na taki styl programowania w Pythonie, który wykorzystuje najsilniejsze cechy języka, mówi się że jest „pythoniczny”. Rzeczywiście – materiał tego kursu pozwoli finalnie na tworzenie „pythonic code”.

​

Data Science: Analiza danych w Python i PANDAS (z tym linkiem cena minimalna) Instalacja pakietów wymaganych do analizy danych Na czym polega analiza danych Przegląd modułu PANDAS Kolumna czyli DataSeries – sortowanie, indeksowanie, wyszukiwanie wartości, filtrowanie, modyfikacja, uruchamianie funkcji na danych Arkusz czyli DataFrame – dodawanie/usuwanie kolumn i wierszy, oczyszczanie danych, sortowanie, filtrowanie, znajdowanie duplikatów itp. Grupowanie, tabele przestawne, agregacja, multiindex, Łączenie danych z wielu  DataFrame: join, merge Export i import danych, modyfikacja danych Wprowadzenie do wykresów Przykładowe lekcje – zobacz poniżej

Jedno z najpopularniejszych zastosowań Pythona, to analiza danych, prowadząca w następnym kroku do uczenia maszynowego i sztucznej inteligencji. PANDAS to moduł, który ma za zadanie umożliwiać  pracę z danymi, jego znajomość jest więc konieczna jeśli chcesz z sukcesem analizować dane. Zobaczysz tutaj jak wykonywać w Pythonie operacje, które zawsze wykonuje się podczas przetwarzania danych. Import, export, oczyszczanie danych, filtrowanie, modyfikacja, dodawanie i usuwanie kolumn i wierszy, grupowanie, tabele przestawne, wykresy… i wiele więcej. Każdą z tych umiejętności przećwiczysz w ramach zadań i utrwalisz rozwiązując quizy.

Struktury danych i algorytmy w Pythonie, które trzeba znać (z tym linkiem cena minimalna) Popularne struktury danych: słowniki, listy, zbiory, tuple, listy dwukierunkowe, kolejka, stos i inne oraz funkcje na nich pracujące Algorytmy sortujace: bąbelkowe/bubble, wstawianie/insert, wybieranie/select, scalanie/merge, quick sort Algorytmy wyszukujące: liniowy/linear, binarny/binary, interpolacja/interpolation, quick select Szukanie wzorca: Knuth-Morris-Pratt, Rabin-Karp, Boyer-Moore Typy algorytmów: naiwne, zachłanne, dynamiczne Przyśpieszanie pracy programu: memorization, tabulation Kurs z podręcznikiem w postaci PDF Przykładowe lekcje – zobacz poniżej

Znajomość instrukcji języka, to tochę jak znajomość słów w języku obcym. Same słowa jednak nie wystarczą, żeby się dogadać, nie mówiąc już o pisaniu wierszy. Znajomość algorytmów to ten drugi poziom umiejętności programistycznych. Trzeba nie tylko wiedzieć, jak coś zrobić, ale jeszcze jak zrobić to optymalnie, jak najszybciej, albo korzystając z jak najmniejszej ilości pamięci. Okazuje się, że dobry algorytm może przyśpieszać rozwiązanie zadania kilkuset krotnie, o czym przekonasz się właśnie na tym kursie. Kurs pozwala szlifować warsztat programistyczny, szukać inspiracji dla własnych programów, będzie też świetnym przygotowaniem dla studnetów informatyki oraz uczniów szkół średnich przed maturą.

Myślenie algorytmiczne – grafy dla początkujących (z tym linkiem cena minimalna Udemy) Podstawy teorii grafów dla początkujących Budowanie złożonych struktur danych w Pythonie Implementacje grafów nieskierowanych, skierowanych, zapis w postaci macierzy, listy sąsiadów, z uwzględnieniem wag Popularne algorytmy pracujące z danymi Ustalanie istnienia ścieżki, wyznaczanie najkrótszej drogi Przetwarzanie danych Grafy cykliczne, acykliczne, drzewa, wyszukiwanie BFS i DFS Algorytmy: Dijkstra, Bellman Ford, Floyd-Warshall, Bron Kerbosh Kolorowanie grafu, wyszukiwanie klik Rozwiązywanie rzeczywistych problemów z wykorzystaniem teorii grafów: SUDOKU, Labirynt Optymalizacja rozwiązań: Binary Search Tree Kurs z podręcznikiem w postaci PDF Przykładowe lekcje – zobacz poniżej

Dodając do komputera więcej CPU i RAM rzeczywiście można przyśpieszyć pracę programu… ale zaimplementowanie w procesie przetwarzania danych skutecznych algorytmów przyśpieszy pracę nie o kilka ale o kilkaset procent. Dlatego właśnie warto znać optymalne algorytmy pozwalające przetwarzać nawet dość złożone struktury danych. Tej tematyce jest poświęcony ten kurs. Nauczysz się przechowywać złożone struktury danych w programie, przetwarzać je, oraz stosować wydajne algorytmy grafowe. Sudoku, czy przechodzenie labiryntu nie powinny już więcej sprawiać problemu 🙂

Python – Uczenie maszynowe. Wprowadzenie, perceptron i regresja (z tym linkiem cena minimalna) Podstawowe pojęcia z zakresu machine learning Wprowadzenie do uczenia maszynowego od podstaw – brak wymogów (poza znajomością Pythona i matematyki) Ręczna implementacja popularnych modeli perceptronu i różnych odmian regresji liniowej Porównanie efektywności różnych algorytmów stosowanych do rozwiązania tego samego problemu Wykorzystanie klas modułu Scikit-Learn Analiza wstępna danych, oczyszczanie danych, uzupełnianie danych brakujących, detekcja wartości odstających od reszty zbioru Przegląd funkcjonalności modułu numpy do efektywnych obliczeń Wykresy ilustrujące efektywność uczenia, implementacja miar efektywności Dużo kodu, wykresów, ale i nieco matematycznych wywodów nakierowanych na intuicję Quizy, zadania do samodzielnego rozwiązania, rozwiązania zadań, przykładowe zbiory danych do pobrania Przykładowe lekcje – zobacz poniżej

Chyba nie można mieć wątpliwości co do tego, że sztuczna inteligencja i machine learning to przyszłość IT. Ten kurs ma na celu wprowadzenie w machine learning tych programistów, którzy radzą sobie ze standardowym podejściem do programowania. Zazwyczaj jednym z największych problemów poznawania algorytmów uczenia maszynowego jest stojąca za nim matematyka. Nie chodzi o to, że jest to wiedza tak zaawansowana. Wręcz przeciwnie – proste operacje na macierzach, raz wyznaczona na papierze pochodna wybranej funkcji, wzór na prawdopodobieństwo. Na dodatek ta matematyka nie jest wykorzystywana na co dzień przez programistę, który korzysta z gotowych funkcji. Warto jednak wiedzieć, jakim cudem to wszystko działa… O tym właśnie na tym kursie

Python i Flask – tworzenie aplikacji webowych (kurs z podręcznikiem) (z tym linkiem cena minimalna Udemy) Tworzenie aplikacji webowej w Pythonie Komunikacja klient-serwer dla aplikacji webowych Budowanie interfejsu: szablony Jinja, CSS, Bootstrap Praca z bazą danych w wydaniu tradycyjnym i SQLAlchemy Generowanie i przetwarzanie danych formularzy z wykorzystniem Flask-WTForms Sesja użytkownika, logowanie i wylogowanie Podręcznik kursowy Ciekawe przykłady i zadania do samodzielnego rozwiązania Przykładowe lekcje – zobacz poniżej

Aplikacje potrzebuja interfejsu, a Flask pozwala zbudować ten interfejs! Co więcej, ten interfejs działający w przeglądarce, umożliwia uruchamiać aplikację lokalnie, zdalnie na innym komputerze lub wreszczie gdzies w chmurze. Aplikacje webowe są specyficzne. Opierają sie o ciąg żądań (request) wysyłanych przez przeglądarkę do serwera. W odpowiedzi odsyłany jest kod HTML, który prezentuje używkownikowi efekty jego aktywności. Samodzielne tworzenie kodu HTML nie jest efektywne, dlatgo Flask wraz z licznymi rozszerzeniami tego modułu pozwala oprogramować aplikację webową w wygodny sposób.

Data Science: wprowadzenie do statystyki z Pythonem (z tym linkiem cena minimalna Udemy) Podstawowe pojęcia statystyczne Funkcje i biblioteki Pythona pozwalające na obliczenia statystyczne Budowanie intuicji pozwalającej zrozumieć skomplikowane pojęcia statystyczne Ilustrowanie danych na wykresach Centralne Twierdzenie Graniczne (Central Limit Theorem) Przedziały pewności i istotność statystyczna Testowanie hipotez Podręcznik PDF i zadania do samodzielnego rozwiązania z rozwiązaniami Przykładowe lekcje – zobacz poniżej

Data Science i Machine Learning to przyszłość, tylko, że ta przyszłość nie istniałaby gdyby nie matematyka i statystyka. Jeśli zechcesz głębiej przeanalizować algorytmy próbujące wyciągać wnioski z danych, to prędzej czy później zderzysz się ze ścianą wzorów i pojęć – w tym tych z zakresu statystyki. Ten kurs, to poduszka powietrzna, która sprawi, że zderzenie nie zaboli. Zaczynamy od rzeczy prostych i naturalnych, a kończymy na zdecydowanie zaawansowanych tematach. Wszystko jest zilustrowane barwnymi przykładami i kodem w Pythonie. Jeśli czujesz się niepewnie ze statystyką, to ten kurs jest dla Ciebie!

Python dla początkujących – przykładowe lekcje

Python dla średnio zaawansowanych – przykładowe lekcje

Data Science: Analiza danych w Python i PANDAS – przykładowe lekcje

Struktury danych i algorytmy, które musisz znać – Python – przykładowe lekcje

Myślenie algorytmiczne – Grafy w Pythonie dla początkujących – przykładowe lekcje

Uczenie maszynowe w Python. Wprowadzenie, perceptron, regresja – przykładowe lekcje

Python i Flask – Aplikacje webowe (kurs z podręcznikiem) – przykładowe lekcje

Data Science: wprowadzenie do statystyki z Pythonem (kurs z podręcznikiem) – przykładowe lekcje