Od početnika do stručnjaka: Nauči AI i Python

Ovaj kurs uvodi polaznike u osnove programiranja kroz Python. Cilj je razviti sposobnost samostalnog kreiranja i izvršavanja jednostavnih programa korišćenjem osnovne sintakse, kontrolnih struktura i funkcija. Kurs obuhvata i primenu rešenja u realnim projektima.

Obrađuju se teme kao što su promenljive, tipovi podataka, operatori, uslovne naredbe, petlje (while i for), funkcije i rad sa tekstom. Teorijski koncepti su objašnjeni jednostavnim jezikom, uz praktične primere iz svakodnevnog života polaznika.

Kurs obrađuje ključne strukture podataka u Pythonu, poput lista, torki, skupova, rečnika, redova, stekova, kao i lambda funkcije. Polaznici će naučiti osnovne operacije: sortiranje, sečenje, spajanje, pretragu i filtriranje. Takođe, kurs pokriva rukovanje greškama (try, except, finally) i organizaciju koda kroz module, pakete i prostore imena.

Drugi deo je posvećen osnovama objektno orijentisanog programiranja: klase i objekti, atributi i metode, konstruktori, nasleđivanje, polimorfizam i enkapsulacija. Nakon kursa polaznici će moći da modeluju pojmove u Python programima i biraju odgovarajuće strukture podataka za rešavanje problema.

Kurs uvodi polaznike u verzionisanje koda korišćenjem Gita, popularnog sistema za kontrolu verzija. Naučićete osnovne principe verzionisanja, korišćenje komandi diff i patch, instalaciju Gita na Windows, kreiranje korisničkog naloga i repozitorijuma, te rad sa osnovnim Git komandama: commit, branch, log, checkout, revert i status.

Takođe, kurs pokriva korišćenje platforme GitHub za kolaboraciju i upravljanje udaljenim repozitorijumima. Naučićete kako da kreirate nalog na GitHubu, povežete se sa udaljenim repozitorijumom i izvršite operacije pull i push. Nakon kursa znaćete da efikasno koristite Git i GitHub u timskom radu.

Ovaj kurs bavi se osnovama upravljanja podacima korišćenjem Pythona. Naučićete kako se različite vrste podataka predstavljaju i obrađuju u Python programima, koristeći strukture podataka i objektno orijentisani model.

Glavni deo kursa posvećen je formatima za predstavljanje podataka kao što su CSV, TSV, JSON, XML i dr. Naučićete kako da rukujete podacima u ovim formatima pomoću Pythona. Kurs pokriva i osnove rada sa bazama podataka, posebno relacione baze i SQLite, što služi kao uvod za naredne kurseve.

Takođe, obrađuju se i načini za ekstrahovanje podataka sa weba, uključujući web scraping i rad sa RESTful web servisima. Kurs se završava uvodom u ETL procese i data pipeline tokove, koje ćete dalje izučavati.

Cilj kursa je da polaznici savladaju osnove rada sa bazama podataka i SQL-om kroz primenu u data science projektima. Naučićete kako da instalirate database server i MySQL Workbench, kreirate podatke i manipulišete podacima koristeći SQL upite. Obradićete operacije poput SELECT, INSERT, UPDATE i DELETE, kao i složenije upite sa agregatima i spajanjem tabela.

Razumećete kako baze podataka funkcionišu, kako su organizovane i kako efikasno dizajnirati strukture podataka. Kroz kurs ćete koristiti Python zajedno sa SQL-om za rad sa bazama podataka, uključujući analizu podataka direktno iz baza pomoću biblioteka poput pandas i sqlite3. Nakon kursa bićete osposobljeni za integraciju SQL i Python veština u data science projektima.

Ovaj kurs uvodi polaznike u analizu i obradu podataka korišćenjem Pythona. Namenjen je svima koji žele da nauče kako da analiziraju podatke koristeći ovaj programski jezik.

Kao nastavak prethodnog kursa, preći ćete na obradu i analizu podataka. Kurs pokriva tehnike za čišćenje i pretprocesiranje podataka: uzorkovanje, rukovanje nedostajućim vrednostima, normalizaciju, skaliranje, konverziju, parsiranje i filtriranje.

Upoznaćete se sa osnovama deskriptivne i inferencijalne statistike: srednja vrednost, medijana, varijansa, standardna devijacija, distribucija podataka, korelacija i testiranje hipoteza. Kurs koristi Jupyter Notebook za interaktivnu analizu i deljenje rezultata. Nakon kursa bićete osposobljeni za samostalnu analizu podataka i donošenje relevantnih odluka.

Kurs je posvećen veštinama vizualizacije podataka korišćenjem Pythona. Vizualizacija omogućava lakše razumevanje kompleksnih skupova podataka, otkrivajući obrasce i trendove.

Upoznaćete se sa tehnikama koristeći biblioteke kao što su Matplotlib, Seaborn, Bokeh, Panel i Plotly. Savladaćete dijagrame poput histograma, dijagrama rasipanja, stubičnih i linijskih dijagrama, toplotnih mapa i dr.

Naučićete kako da odaberete pravu vrstu dijagrama za konkretan problem. Kurs se završava primerima interaktivnih grafika za narativnu analizu podataka, omogućavajući jednostavno prezentovanje kompleksnih rezultata. Nakon kursa bićete osposobljeni da efikasno vizualizujete podatke i prenesete ključne informacije.

Ovaj kurs uvodi polaznike u data science i analitiku koristeći R. Naučićete kako da instalirate R i radite sa osnovnim konceptima: promenljive, funkcije i strukture podataka. Kroz pakete dplyr i tidyr savladaćete pripremu podataka za analizu ili modeliranje.

U kursu će se koristiti i ggplot2 za kreiranje vizuelno atraktivnih i informativnih grafika. Naučićete kako da koristite R za deskriptivnu statistiku, testiranje hipoteza, regresione analize i druge ključne tehnike.

Kroz primere iz prakse steći ćete veštine za analizu velikih data setova, izvlačenje zaključaka i kreiranje prediktivnih modela primenom mašinskog učenja. Nakon kursa bićete spremni za efikasno korišćenje R-a u data science projektima.

Ovaj kurs pruža uvid u značaj i primenu cloud tehnologija u radu sa podacima. Upoznaćete se sa osnovnim konceptima clouda i implementacijama kao što su Amazon Web Services, Google Cloud Platform i Microsoft Azure.

Kurs se fokusira na servise za skladištenje podataka u oblaku, uključujući skladišta prilagođena analitici. Naučićete kako da koristite alate za kreiranje ETL (Extract, Transform, Load) tokova podataka i njihovu automatizaciju.

Kroz praktične primere ćete primenjivati prethodna znanja u novom okruženju, što će vam pomoći da se bolje snađete u svetu rada sa podacima. Nakon kursa bićete osposobljeni za korišćenje cloud tehnologija u data engineering projektima.

Ovaj kurs uvodi polaznike u mašinsko učenje kroz praktičnu primenu Pythona. Primenićete znanja o prikupljanju, obradi i vizualizaciji podataka na kreiranje modela mašinskog učenja. Obuhvata sve korake projekta: analiza, transformacija podataka, odabir algoritama, treniranje, validacija, testiranje i objavljivanje modela.

Kurs pokriva popularne algoritme za klasifikaciju i regresiju. Upoznaćete se sa optimizacijom hiperparametara za poboljšanje performansi modela.

Za kraj, naučićete kako da pakujete i čuvate modele za korišćenje u drugim sistemima. Nakon kursa bićete spremni za samostalno kreiranje i implementaciju modela mašinskog učenja, unapređujući svoje veštine u radu sa veštačkom inteligencijom.

Na ovom kursu polaznici stiču osnovna znanja iz oblasti blokčejn tehnologije, upoznaju se sa pojmom i vrstama kriptovaluta, sa ulogom i značajem ovog koncepta u savremenoj ekonomiji, kao i sa njenim perspektivama i trendovima razvoja. Polaznici će takođe imati priliku da se upoznaju sa blokčejn bezbednošću, blokčejn arhitekturom, kao i sa mogućnošću primene ove tehnologije u svojstvu startap projekta.