Python programozás

Kezdő Python tanfolyamunk célja, hogy a jelentkezők gyors és hatékony módon ismerkedjenek meg a Python programozási nyelv alapjaival. A tanfolyam során a résztvevők megtanulják a Python használatát, az alapvető programozási fogalmakat, az egyszerűbb alkalmazásokat és algoritmusok írását. A Kezdő Python Tanfolyam elsősorban azoknak ajánlott, akik még nem rendelkeznek programozási tapasztalattal, de szeretnék megtanulni a Python nyelvet, amely a legnépszerűbb és legkönnyebben elsajátítható programozási nyelvek közé tartozik. Alapvető számítógépes ismeretek: Fontos a számítógép használatának, a fájlok és mappák közötti navigálás és az internet elérésének ismerete. A Linux rendszer alapszintű ismerete előnyt jelent.Tanulási hajlandóság: A pozitív tanulási hozzáállás, energiabefektetésre való hajlandóság a gyakorláshoz.Problémamegoldó készségek: A logikus gondolkodásmód és a problémák kisebb lépésekre bontásának képessége előnyös a programozási fogalmak elsajátításához   nap: Bevezetés a Pythonba és az Alapok A Python rövid története és előnyei Python értelmezők és fejlesztői környezetek Hogyan futtassunk Python szkripteket (.py fájlok) és interaktív mód Python telepítése és környezet beállítása Népszerű IDE-k: VS Code, Jupyter Notebook Alapszintaxis és adattípusok Változók és értékadás Alapvető adattípusok: int, float, str, bool Típuskonverzió és ellenőrzés (type(), isinstance()) Be- és kimenetkezelés print() függvény és sztring formázás (f-strings, .format()) input() felhasználói interakcióhoz nap: Vezérlési szerkezetek és gyűjtemények Elágazások if, elif, else szerkezetek Igazságértékek és logikai műveletek Ciklusok és iteráció for és while ciklusok Sorozatok bejárása (range(), enumerate()) Gyűjteménytípusok Listák: indexelés, szeletelés, hozzáadás, törlés Tuple-ok: változtathatatlan adatszerkezetek Halmazok: egyedi elemek és műveletek Szótárak: kulcs-érték párok Alapvető listagenerátorok Lista manipuláció Rendezés (sorted(), .sort()) Szűrés (filter(), listcomprehension) Térképezés (map()) nap: Függvények, Hibakezelés és Objektumorientált Programozás Függvények Függvények definiálása és meghívása Paraméterek: pozicionális, kulcsszavas, alapértelmezett értékek Visszatérési értékek Hibakezelés try, except, finally szerkezetek Gyakori kivételek (ZeroDivisionError, ValueError) Objektumorientált programozás alapjai Osztályok és objektumok Attribútumok és metódusok Konstruktor (__init__ metódus) Öröklődés és dunder metódusok Alosztályok és metódusfelüldefiniálás Gyakori dunder metódusok (__str__, __repr__, __len__) nap: Fájlkezelés és API hívás Fájlok kezelése Fájlok megnyitása és olvasása (.read(), .readlines()) Írás fájlba (.write(), .writelines()) Fájlmódok (r, w, a, rb, wb) with használata fájlok kezelésére Fájlattribútumok kezelése Fájl létezésének ellenőrzése (os.path.exists()) Fájlméret és módosítási dátum (os.stat()) LLM API hívás (Egyszerű Példa) requests használata API-k elérésére Lekérdezés küldése és válasz fogadása API kulcsok és azonosítás

Haladó Python programozás tanfolyamunk mélyebb és specifikus tudást ad azok számára, akik már rendelkeznek alapvető Python programozási ismeretekkel és szeretnék továbbfejleszteni tudásukat, valamint jobban megérteni a fejlettebb Python technikákat, eszközöket. A tanfolyam során haladó szintű programozási koncepciókat, Python könyvtárakat és technikákat ismerhetsz meg, amelyekkel komplexebb alkalmazásokat és rendszereket építhetsz. Elsősorban azoknak ajánlott, akik már rendelkeznek alapvető Python programozási ismeretekkel, és szeretnék továbbfejleszteni tudásukat a nyelv haladóbb aspektusain. A tanfolyam segít abban, hogy elmélyítsd a Python ismereteidet, és képes legyél komplexebb alkalmazásokat és rendszereket fejleszteni. Alapvető Python ismeretek, Objektumorientált programozás (OOP) alapjainak ismerete , alapvető adatszerkezetek és algoritmusok ismerete,   nap: Haladó Python Technikák Reguláris kifejezések (re modul) Mintaillesztés (search(), match(), findall(), sub()) E-mailek, telefonszámok kinyerése Dekorátorok Függvénydekorátorok (@staticmethod, @classmethod) Egyéni dekorátorok létrehozása Dekorátorok láncolása Mixinek Mi az a mixin? Mixinek alkalmazása Python osztályokban Generátorok és iterátorok Generátorfüggvények (yield) Generátorkifejezések itertools modul használata nap: Haladó adatkezelés és adatbázis-használat Listák, szótárak és halmazok generátoros kifejezései Többszintű generátorok Feltételek alkalmazása generátorokban Relációs adatbázis-kezelés SQLite használata az SQLAlchemy modullal CRUD műveletek (Create, Read, Update, Delete) SQL lekérdezések (SELECT) pandas.read_sql() használata Haladó adatkezelés pandas használata adatkezelésre DataFrame műveletek (df.head(), df.describe(), indexelés) Adatfeldolgozás (groupby, merge, apply) Vizualizáció matplotlib segítségével nap: Párhuzamos programozás Pythonban Szálkezelés és Többszálú Programozás Szálak (threading modul) Folyamatok (multiprocessing modul) Mikor érdemes szálakat vs folyamatokat használni? Vektorizált számítások NumPy-val NumPy vektorműveletek és gyors számítások GPU gyorsítás numba bemutatása JIT fordítás teljesítményoptimalizálásra GPU gyorsított számítások cudf-fel nap: Bevezetés a Mélytanulásba Mélytanulás alapjai Neurális hálók és mélytanulás rövid ismertetése Gépi tanulás vs mélytanulás PyTorch alapok Telepítés és környezet beállítása Tenzor műveletek PyTorch-ban MNIST számjegyosztályozó építése MNIST adatbázis betöltése Egyszerű neurális háló építése Modell tanítása és kiértékelése Egyszerű modell telepítése Modell mentése és betöltése Inference új adatokon

célja, hogy a Python programozók számára mélyebb ismereteket és gyakorlati tapasztalatokat nyújtson a mélytanulás (Deep Learning) világában. A tanfolyam során a résztvevők megtanulják, hogyan alkalmazzák a Python és a legnépszerűbb mélytanulási könyvtárakat (mint a TensorFlow, Keras, PyTorch) valós problémák megoldására, és képesek legyenek komplex neurális hálózatok építésére és finomhangolására. A mélytanulás az AI legdinamikusabban fejlődő ága. A tanfolyam segítségével a legújabb technológiákat alkalmazhatod különböző iparágakban.   Ideális lehetőséget kínál azok számára, akik komolyan érdeklődnek a mesterséges intelligenciaés Deep Learning iránt, és szeretnének mélyebb ismereteket szerezni ezen a területen, hogy saját projektjeikben vagy kutatásaikban alkalmazhassák a tanultakat.   Alap Python, pandas és NumPy ismerete, előzetes ML tapasztalat ajánlott Ajánlott könyvtárak: torch, torchvision, numpy, matplotlib, transformers, ultralytics, openai, deepseek nap: Neurális Hálók Alapjai és Mélytanulási Modellépítés Bevezetés a Neurális Hálókba Biológiai és mesterséges neuronok Neuronok matematikai modellje Rétegek és súlyok a hálózatban Aktivációs függvények (ReLU, Sigmoid, Tanh, Softmax) Hiperparaméterek és Optimalizálás Súlyinicializálás Költségfüggvények (MSE, Cross-EntropyLoss) Optimalizálási algoritmusok (SGD, Adam, RMSprop) Túlilleszkedés és Regularizáció (L1 és L2 (Lasso, Ridge), Dropout, Adat augmentáció) Gyakorlati Példa: Kézírásfelismerés egyszerű MLP (Multi-LayerPerceptron) modellel (MNIST adathalmazon) nap: Konvolúciós Neurális Hálók (CNN) és Térbeli Mintázatok Konvolúció és Pooling Mi az a konvolúció? Konvolúciós szűrők és feature map-ek Aktivációs térképek értelmezése Pooling rétegek (Max Poolingvs. AveragePooling) CNN Architektúrák és Használatuk Egyszerű CNN felépítése Mély hálók és a ResNet, VGG architektúrák alapelvei TransferLearning Előre betanított modellek használata Fine-tuning egyéni adathalmazon Gyakorlati Példa: Képosztályozás egyéni adatbázison konvolúciós hálóval T-SNE vizualizáció: Reprezentációk vizualizálása csökkentett dimenziókban nap: Autoencoderek és Generatív Modellek Autoencoderek és Dimenziócsökkentés Hogyan tanulnak meg a hálók reprezentációkat? Autoencoder architektúra Generatív képalkotás Latens tér manipuláció Gyakorlati Példa: Autoencoderrel zajszűrés nap: Nagy Nyelvi Modellek (LLM) és API Használat LLM Alapok: Transformer Architektúra Hogyan működik a Self-Attention Mechanizmus? GPT vs. DeepSeekvs. LLaMA összehasonlítás Hogyan tanul egy nyelvi modell? API Használat OpenAI, DeepSeek és Más Modellekkel OpenAIChatGPT API bemutatása Beállítások és lekérdezések Prompt optimalizálás Egyéb nyelvi modellek: Anthropic Claude, Mistral Gyakorlati Példa: Szöveggenerálás és adatelemzés ChatGPT API-val

a tanfolyam célja , hogy a résztvevők megtanulják, hogyan használják a Python programozást és a ChatGPT API-t valós automatizálási feladatok megoldására. A tanfolyam során a résztvevők elsajátítják, hogyan építhetnek és automatizálhatnak olyan folyamatokat, amelyek mesterséges intelligencia (AI) és természetes nyelvfeldolgozás (NLP) alapúak. mindazok számára ajánlott, akik szeretnének automatizálni szöveges alapú feladatokat Python segítségével (különösenChatGPT API segítségével)és, akik már rendelkeznek alapvető Python tudással, illetve érdeklődnek az AI-alapú megoldások iránt. Alapvető Python programozási ismeretek, http kérések kezelés (API használata Pythonban), ChatGPT alap ismerete, nap: Bevezetés a ChatGPT API Használatába Bevezetés az OpenAI API-ba Mi az OpenAI és hogyan működik a ChatGPT? Alternatívák (Grok, Llama, Deepseek) API kulcsok beszerzése és jogosultságok OpenAI Python SDK telepítése Prompt Engineering – Hatékony Kérések Megfogalmazása Hogyan határozza meg a prompt a válasz minőségét? Jó és rossz prompt példák Struktúráltpromptok: utasítások, példák, kontextus Zero-shotvsFew-shotprompting API Hívások Alapjai Egyszerű API hívás készítése API válaszok feldolgozása Token korlátozások és költségek kezelése Chatbot Alapok Pythonban Állapotkezelés: előzmények és kontextus megőrzése Többfordulós párbeszéd modellezése Alap chatbot építése Flask vagy FastAPI segítségével nap: Haladó ChatGPT API Használat és Automatizálás ToolCalling – Külső Eszközök Meghívása Mi az a "ToolCalling"? Külső API-k és adatbázisok elérése Agentek és Automata Rendszerek Mit jelent az "Agent" fogalma az AI-ban? Példa egy AI-alapú segéd létrehozására, amely adatokat kér le és dolgoz fel Érvelő Modellek és Haladó Promptok Mi az a reasoning (érvelési) képesség? Hogyan használható a ChatGPT összetett döntéshozatalra? Példa egy olyan rendszerre, amely több lépésben gondolkodik és következtetéseket von le Gyakorlati Projekt: Automatizált Dokumentumfeldolgozó Asszisztens ChatGPT és PDF fájlok kezelése Automatikus e-mail válaszgenerálás Web scraping + ChatGPT kombinálása