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

Python – zadania dla początkujących
(z tym linkiem cena minimalna Udemy)

• Zdobądź doświadczenie przez rozwiązywanie problemów algorytmicznych
• Przygotuj się do matury lub podjęcia studiów
• Naucz się myśleć algorytmicznie – rozkładać problem na mniejsze „podproblemy”
• Utrwal popularne algorytmy, zrozum je „od podszewski”
• Każda lekcja to:
• Treść zadania z omówieniem i oczekiwanym wynikiem
• Omówienie zadania od strony algorytmicznej (video)
• Pisanie programu w Pythonie implementującego rozwiązanie (video)
• Kod rozwiązania
• Listy, metryki, konwersje, struktury danych, znane algorytmy, praca z tekstem, techniki programistyczne
• Przykładowe lekcje – zobacz poniżej

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

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

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

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

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

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

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