Kurss paredzēts ikvienam, kurš grib apgūt programmēšanas pamatus, izmantojot programmēšanas valodu Python – mācīties par projektēšanu, algoritmiem, testēšanu, atkļūdošanu u. c. Kursa ietvaros tiks apskatīts, kā tiek izpildīts sagatavotais programmmatūras kods soli pa solim, kā tiek apstrādāti dati, izmantojot dažādus datu tipus (skaitļus, tekstu, datu kopas, failus) un dažādus datu avotus (relāciju datubāzes un tīmekļa pakalpes). Programmatūra koda rakstīšanā tiks apskatīts, kā dokumentēt un kārtot kodu, lai tas būtu vieglāk lasāms un saprotams arī citiem kolēģiem.
Katrs seminārs tiks organizēts divās daļās: teorētiskā un praktiskā. Praktiskā daļa paredzēta programmēšanas prasmju apguvei, rakstot programmas Python programmēšanas valodā.
Lektors
Dr. sc. ing. Uldis Doniņš ir pētnieks, RSU Informācijas tehnoloģiju departamenta Informācijas sistēmu nodaļas vadītājs. Uldis ir paplašinājis savas zināšanas un pieredzi mašīnmācīšanās (machine learning) un datietilpīgā skaitļošanas (data intensive computing) jomās Bufalo Universitātes (ASV) Inženierzinātņu un lietišķo zinātņu fakultātē. Mašīnmācīšanās kā daļa no mākslīgā intelekta nozares nodrošina datorsistēmu mācīšanās un lēmumu pieņemšanas iespējas, balstoties uz pieejamajiem datiem, izmantojot dažādus uzraudzītās (supervised), nepārraudzītās (unsupervised) un stimulētās (reinforcement) mācīšanās modeļus. Datietilpīga skaitļošana risina jautājumus attiecībā uz dažādiem datu formātiem, glabāšanas modeļiem, programmatūras arhitektūru, programmēšanas modeļiem un algoritmiem, kā arī rīkiem liela apjoma datu analīzei.
Saturs
21/01
15.00–16.30
7. seminārs. Mašīnmācīšanās risinājumu programmēšana ar Python
- Priekšnosacījumi
- Pieredze Python vai citā programmēšanas valodā nav obligāta, bet ir vēlama
- Pamatzināšanas par datu struktūrām, praktiska pieredze elektronisko tabulu lietošanā datu analīzei (piemēram, Microsoft Excel)
- Klēpjdators vai galda dators ar interneta pieslēgumu, tīmekļa kameru un mikrofonu aktīvai dalībai tiešsaistes seminārā
- Uzstādīta Python programmēšanas vide (instrukcija pieejama reģistrētajiem dalībniekiem)
- Praktiskie darbi
Pēc katra semināra tiks publicēts praktiskais darbs, kas jāiesniedz līdz norādītajam termiņam:
31.10., 14.11., 28.11., 12.12., 09.01., 23.01., 30.01.
Visi praktiskie darbi jāiesniedz, izmantojot JupyterHub.
- Materiāli
- Paul Gries, Jennifer Campbell, Jason Montojo: Practical Programming, Third Edition: An Introduction to Computer Science Using Python 3.6
- Python
- Python Tutorial
- Kursa rīki
- E-studijas – visa kursa informācija, t. sk. piekļuves nepieciešamajiem rīkiem
- Panopto – lekciju ieraksti
- JupyterHub – programmēšanas vide, t. sk. mājasdarbu iesniegšanai
- GitLab – koda repozitorijs
- Vērtēšana
Lai iegūtu kursa pabeigšanas sertifikātu, dalībniekam ir jāizpilda vismaz šādi kritēriji:
- Dalība semināros: jāpiedalās vismaz piecos
- Praktiskie darbi: jāizpilda un jāiesniedz vismaz pieci praktiskie darbi
- Testi: sekmīgi jāizpilda divi pārbaudes testi
- Aizvadītie semināri šajā ciklā
15/10
1. seminārs. Ievads
Kursa struktūra on organizācija, kursā izmantotā programmēšanas vide, kā iesniegt mājas darbus, e-studiju vide. Kā izveidot programmēšanas vidi savā datorā. Pirmās darbības Python valodā.
29/10
2. seminārs. Programmēšana ar Python I
Pamati, datu tipi, mainīgie, matemātiskās darbības.
12/11
3. seminārs. Programmēšana ar Python II
Loģiskie nosacījumi, cikli, masīvi, darbs ar failiem.
26/11
4. seminārs. Programmēšana ar Python III
Funkcijas, ieskats objektorientētā programmēšanā, sarežģīti datu tipi.
10/12
5. seminārs. Darbs ar datiem I
Datu apstrāde lietojuprogrammu saskarnēs (API), XML un JSON datu formātu lietošana.
07/01
6. seminārs. Darbs ar datiem II
Relāciju datubāzu koncepti, datu apstrāde ar SQL valodu.
