Python-programmering en machinaal leren - cursus 42.000 wrijven. van Coddy School of Programming for Children, training 7 modules (maanden)
Gemengde Berichten / / December 03, 2023
Leeftijd: 12-16 jaar
Niveau: voor beginners.
Duur: vanaf 7 modules (maanden), vanaf 56 uur*.
Formaat: individuele en groepslessen, offline en online (realtime).
Aantal kinderen: van 1 tot 8.
Prijs:
vanaf 750 wrijven/uur in een online groep,
vanaf 850 wrijven/uur in een offline groep,
vanaf 1050 roebel/uur individueel online,
vanaf 1980 wrijf/uur individueel offline.
Klassiek BASIC en Pascal worden nog steeds als programmeertalen onderwezen in de leerplannen van scholen. Hoewel ze helpen de principes van het schrijven van programma's te begrijpen, worden ze niet langer gebruikt door professionele programmeurs. Moderne technologieën staan niet stil en daarom zijn er tegenwoordig meer geavanceerde en relevante programmeertalen die gemakkelijk te leren en geschikt zijn voor beginners. Wilt u dat uw kind code leert schrijven in een van 's werelds populairste en meest gevraagde talen en deze gebruikt om problemen uit de echte wereld op te lossen? Welkom bij onze Python Programming and Machine Learning-cursus voor kinderen!
Kenmerken en voordelen
De Python-taal werd eind jaren tachtig ontwikkeld door de Nederlandse programmeur Guido van Rossum. Guido was destijds medewerker van het Nederlandse CWI Instituut, een van de toonaangevende Europese onderzoeksinstituten op het gebied van wiskunde en theoretische informatica. Hij schreef deze taal in zijn vrije tijd en bracht er enkele ideeën over de ABC-onderwijstaal in, waaraan hij ook deelnam. De ontwikkeling werd in 1991 voltooid. Nadat de eerste officiële versie online was gegaan, heeft een hele groep programmeurs meegewerkt aan het verfijnen en verbeteren ervan. Python is nu een krachtige, expressieve programmeertaal die gemakkelijk te leren en te gebruiken is.
Er zijn veel Python-lessen en tutorials op internet te vinden. Volledig succes kan echter worden behaald als je studeert onder begeleiding van een ervaren leraar-beoefenaar. Naast het beheersen van de taal zelf, leren de studenten tijdens de lessen hoe ze deze praktisch kunnen toepassen in machine learning. We raden aan dat schoolkinderen op 12-jarige leeftijd beginnen met het leren van Python. Het is perfect voor beginners om hun eerste stappen in het programmeren te zetten, omdat... heeft de volgende voordelen:
- Een van de belangrijkste voordelen van Python is de voor mensen leesbare syntaxis. Ontwikkelaars waarderen de schoonheid en duidelijkheid van code, wat tot uiting komt in hun filosofie die de ‘Zen van Python’ wordt genoemd. “Leesbaarheid is belangrijk”, “Eenvoudig is beter dan complex” - dit zijn enkele principes van deze filosofie.
- Het bevat geavanceerde mechanismen voor hergebruik van code. Je kunt er eenvoudige en effectieve programma's op schrijven zonder dat je er veel tijd aan kwijt bent.
- Minder code-invoer verhoogt de ontwikkelingssnelheid aanzienlijk.
- Het ontwerp van Python wordt door veel experts als een van de beste beschouwd.
- Met de interactieve shell kun je programma's invoeren en meteen het resultaat krijgen.
- Python heeft hulptools die het leren aanzienlijk versnellen. Bijvoorbeeld de schildpadmodule, die schildpadafbeeldingen simuleert, en de tkinter-module voor het werken met de grafische bibliotheek.
- Het bevat een grote bibliotheek met modules, die veel functies biedt waar veel vraag naar is in applicatieprogramma's, variërend van tekstzoeken met behulp van een sjabloon tot netwerkfuncties. Python kan zowel via zijn eigen bibliotheken als via bibliotheken die door andere ontwikkelaars zijn gemaakt, worden uitgebreid.
Python wordt gebruikt door reuzen als Google, Intel, IBM. De populaire platforms YouTube en VKontakte werken erop. NASA-wetenschappers gebruiken het om gegevens te coderen en analyseren, en experts uit verschillende vakgebieden gebruiken het voor grootschalig onderzoek. Python is een programmeertaal waar nog heel lang vraag naar zal zijn!
Het wint ook steeds meer aan populariteit omdat het nauw verwant is aan machinaal leren en het creëren van intelligente computerprogramma's. Python maakt het werken met code veel eenvoudiger. Nu kunnen computers niet meer zoals voorheen worden geprogrammeerd, maar zo worden geconfigureerd dat ze zelfstandig leren. Machine learning is een van de belangrijkste IT-trends van onze tijd en dringt geleidelijk door in alle gebieden van het leven - slim zoeken van Google en Yandex, neurale netwerken, slimme spamfilters, kunstmatige intelligentie in games en nog veel meer ander.
In onze cursus over het leren van Python voor schoolkinderen:
- Leer de syntaxis en verwerf basisvaardigheden in het werken met Python;
- Leer de ontwikkelomgeving installeren en configureren, basis Python-constructies toepassen, modules en pakketten maken;
- Leer meer over verschillende manieren om gegevens te analyseren;
- Maak kennis met de principes van machine learning;
- Ze gaan een aantal van hun eigen computermodellen trainen.
8
cursussenCursusdocent:
“Computergeletterdheid”, “Minecraft: een inleiding tot kunstmatige intelligentie”, “Ethische hacker”, “Computer geletterdheid op Mac", "Unreal Engine 4", "Python en machine learning", "Minecraft-programmeren", "Bots aan Python"
Onderwijs:
Polytechnische Universiteit van Moskou, specialiteit “Informatiebeveiliging”.
Gecertificeerde deelnemer aan het Minecraft programmeertrainingsprogramma.
Microsoft Certified Teacher Innovator-programma
Ervaring:
Vloeiend in C++, Pascal met objecten, Python, Java, PHP. Ik was betrokken bij de website-indeling, het maken van website-indelingen en het ontwikkelen van logo's voor bedrijven op freelance-sites.
Interesses:
Houdt zich bezig met programmeren en informatiebeveiliging. Houdt van sporten en leidt een gezonde levensstijl. Hij is geïnteresseerd in muziek en kunst. Gelooft dat ieder mens kan bereiken wat hij wil.
“Als je wilt dat code gemakkelijk en snel te schrijven is, zorg er dan voor dat deze gemakkelijk te lezen is.”
6
cursussenCursusdocent:
“Gameprogrammering in Python”, “Ethische hacker”, “Ontwikkeling van chatbots in Python samen met het Computer Science and Computing Complex van de Staatsuniversiteit van Moskou. M.V. Lomonosov", "Python en machine learning", "Bots in Python", "Webapplicaties in Python in samenwerking met de Staatsuniversiteit van Moskou. M.V. Lomonosov"
Onderwijs:
Technische Staatsuniversiteit van Moskou, vernoemd naar. Bauman, specialiteit "Informatiebeveiliging".
Ervaring:
Vaardig in de programmeertalen Python, C\C++, Golang, Pascal. Heeft ervaring met het ontwikkelen van diverse applicaties.
Interesses:
Hij programmeert graag in Python om een breed scala aan problemen op te lossen, en hoe complexer en interessanter de taak, hoe beter. Hij sport, houdt van fotografie en houdt van reizen. Ik ben ervan overtuigd dat iedereen die zich voldoende inzet om een doel te bereiken, dit doel ook bereikt. Helpt graag anderen hun doelen te bereiken. Jong en aandachtig voor mensen, vindt een gemeenschappelijke taal met elk kind en helpt hen hun beste kwaliteiten te onthullen tijdens het leren, waardoor leren voor iedereen leuk en effectief wordt.
“Programmeren in de 21e eeuw is het tweede alfabet dat elk succesvol persoon onder de knie moet krijgen, ongeacht zijn interessegebied. Python is de perfecte eerste stap om te leren programmeren, met eenvoud en veelzijdigheid die het leren gemakkelijk maakt voor kinderen deze taal is geen verplichte studie, maar een prettig tijdverdrijf en ze begrijpen dat programmeren buitengewoon interessant en spannend is proces!"
7
cursussenCursusdocent:
“Minecraft: Inleiding tot kunstmatige intelligentie”, “Frontend-ontwikkelaar: HTML/CSS/JavaScript-websites”, “Ethische hacker”, "Harvard CS50 Cursus", "Python en Machine Learning", "Bots in Python", "Cyber Security", "Game-ontwikkeling in C++", "Creëren spellen in Scratch"
Onderwijs:
Immanuel Kant Baltische Federale Universiteit, Instituut voor Fysische en Wiskundige Wetenschappen en informatietechnologie, specialiteit: “Computerbeveiliging en wiskundige beschermingsmethoden informatie."
Ervaring:
Op 12-jarige leeftijd maakte ik kennis met programmeren en sindsdien ben ik niet meer gestopt met het ontwikkelen, verbeteren en verdiepen van mijn kennis.
Hij heeft ruime ervaring met het ontwikkelen en ontwikkelen van een grote verscheidenheid aan projecten, variërend van hoogbelaste gameservers tot het programmeren van microcontrollers.
Kent en begrijpt moderne programmering en is als generalist in staat om zelfs in moeilijke situaties optimale oplossingen te vinden.
Interesses:
Hij houdt zich bezig met het schrijven van scripts en houdt van Japans schermen, kendo en kenjutsu.
Ik ben ervan overtuigd dat er niets belangrijker is dan zelfgroei en persoonlijke ontwikkeling.
“Wanneer we nieuwe kennisgebieden tegenkomen, is het moeilijkste bij het bestuderen ervan het zetten van de eerste stap, het vinden van een manier om onze eigen twijfels, onzekerheden en angsten te overwinnen. Pas na een tijdje kunnen we, als we terugkijken, de hoogten waarderen die we hebben bereikt.”
1e moduul
De eerste dag
Inleidende les
- Inleiding tot het concept van machine learning, welke problemen kunnen worden opgelost met behulp van machine learning-algoritmen
- Python-herhaling
Tweede dag
Inleiding tot de neurale netwerktheorie
- Activeringsfuncties
- Matrix vermenigvuldiging
Dag drie
Het eenvoudigste model van een neuron
- Ga door met het herhalen van Python
- Inleiding tot de numpy-bibliotheek
- Basisconcepten van machinaal leren
- Lineaire regressiemethode
Dag vier
Perceptron
- Grondbeginselen van de wiskundige logica en lineaire algebra
- Het eenvoudigste model van een neuron is een perceptron
- Initiële gewichten, inputs en bias
2e moduul
De eerste dag
Perceptron-training
- Gewichten veranderen
- Selectie van trainingsgegevens
- Perceptron-training
Tweede dag
Modelverbetering
- We gebruiken meer geavanceerde activeringsfuncties
- Sigmoid, tanh, ReLu, Softplus
Dag drie
Dag vier
Werken aan een neuraal netwerk voor jouw taak
- Taakanalyse
- Selectie van trainingsgegevensset
- Model gebouw
3e moduul
De eerste dag
ModelAdaline
- Adaptieve lineaire neuronen
- Vergelijking van de nauwkeurigheid van Adaline en Perceptron
Tweede dag
Gradiënt afdaling
- We gebruiken meer geavanceerde activeringsfuncties
- Sigmoid, tanh, ReLu, SoTplus
- Gradiënt afdaling
Dag drie
Bibliotheek voor het werken met Pandas-gegevens
- Gegevens ontvangen van bestanden van verschillende formaten
- Bemonstering
- Sorteren
- Aggregatie en groepering
Dag vier
Matplotlib-plotbibliotheek
- Grafieken plotten op basis van een dataset
- Weergave in de vorm van een grafiek van neurale netwerkindicatoren
- 3D-afbeeldingen
4e moduul
De eerste dag
Tweede dag
Beeldherkenning
- De gegevensset van de Mnist-bibliotheek ophalen
- Netwerktraining
- Beeldherkenning van cijfers
- Test het netwerk op uw eigen afbeeldingen
Dag drie
Dag vier
Evolutionaire benadering van het trainen van neurale netwerken
- Eerste elementen
- Instellen van populatieparameters
- Selectiemethode
- Mutaties
- Analyse van trainingsresultaten
5e moduul
De eerste dag
Objectgeoriënteerd programmeerparadigma
- Klassen
- Voorwerpen
- Attributen
- Methoden
Tweede dag
Spel met OOP
- Schrijven van een eenvoudig klassiek spel ‘Snake’
- Controlemethode voor de speler
- Modelaanmoediging
- A/B-testen
Dag drie
Gebruik van “kunstmatige intelligentie” in het spel
- Slangcontrole
- Geheugenloos leermodel
Dag vier
Leren met behulp van het geheugen
- Aanpassingsfactoren
- Opslaan van bewegingen in het geheugen
- Vergelijking met een model zonder geheugen
6e moduul
De eerste dag
Maak kennis met de interactieve Jupyter Notebook-shell
- Installatie
- Celinhoud
- Code-uitvoeringsmodi
- Interactieve elementen en afbeeldingen
Tweede dag
Jupyter Notebook gebruiken voor machinaal leren
- Gegevens laden
- Modeltraining
- Resultaten weergeven
- Debuggen en testen
Dag drie
Cloudcomputing gebruiken in Google Colab
- Integratie in het project
- Prestatiemetingen
- Gebruik van tensorkernen
Dag vier
Maak kennis met de Tensorflow-bibliotheek
- Installatie van de bibliotheek
- Gegevens gereedmaken voor werk
- Neuronmodellen ingebouwd in de bibliotheek
7e moduul
De eerste dag
Hoe Tensorflow werkt
- Berekeningsgrafiek
- Voer parameters en gewichten in
- Foutfunctie
Tweede dag
Hoe Tensorflow werkt
- Ingebouwde optimalisaties
- Activeringsfuncties
- Netwerklagen
Dag drie
Dag vier
Project Ontwikkeling
- Bespreking van ideeën
- Selectie van technologieën
- Probleemontleding
- Data voorbereiding
- Model gebouw
- Onderwijs
- Testen
- Presentatie