დაწყების თარიღი: 31.03.2025
სამშაბათი და ოთხშაბათი 19:00-21:00
მონაცემთა ანალიზი არის თანამედრივე პრაქტიკული მეცნიერება, რომელიც ორიენტირებულია მონაცემების ეფექტურად შეგროვებაზე, დამუშავებასა და ინტერპრეტაციაზე, რათა მიღებული ინფორმაციის საფუძველზე შეგვეძლოს საუკეთესო გადაწყვეტილებების მიღება. აღნიშნული დარგი მოითხოვს როგორც ტექნიკური, ასევე ანალიტიკური უნარების ერთობლიობას: პროგრამირების, სტატისტიკის, კომპიუტერული მეცნიერების, მოდელირების და AI სისტემების შერწყმა მას ინფორმაციული ტექნელოგიების პროფესიებს შორის ერთ-ერთ ყველაზე მოთხოვნად, ფართოდ გამოყენებად და შეუცვლელ მიმართულებად აქცევს.
მონაცემთა ანალიზი Python-ით არის პრაქტიკული სასწავლო კურსი, რომლის მიზანია მსმენელებს შეასწავლოს Python პროგრამირების ენა, მასთან ასოცირებული ძირითადი ბიბლიეთეკები და პროგრამული უზრუნველყოფა. ეს გამოწვეულია იმით, რომ Python ზოგადი პროგრამირების ენა არის პირველი არჩევანი მონაცემებთან მუშაობის, AI და სკრიპტინგის მიმართულებით. საფუძვლების შესწავლის შემდეგ სტუდენტები გააგრძელებენ Python საფუძველზე პრობლემების ალგორითმულად გადაჭრის, მონაცემთა ანალიზის, ვიზუალიზაციის, ჭკვიანი სისტემებისა და მანქანური სწავლების მოდელების შექმნას, აგრეთვე შექმნილი პროექტების რეალურ გარემოში, სერვერებსა და სხვადასხვა სისტემებში დანერგვას.
სპეციალიზაციის ბოლოს, მონაწილეები იმუშვებენ ფინალურ პროექტზე.
სპეციალიზაციის ფარგლებში მსმენელები დაეუფლებიან მონაცემთა ანალიტიკოსის პროფესიას და კურსის დამთავრებისთანავე დამოუკიდებლად შეძლებენ:
– საშუალო და რთული ამოცანების Python ზე გადაწყვეტილების შემუშავებას, პროგრამის დაწერას
– Python-ზე ალგორითმების წერას
– Linux სერვერებზე, სისტემებზე სკრიპტინგის და ავტომატიზაციას
– მუშაობას Python დეველოპერის პოზიციაზე
– მონაცემთა მოძიებას, დამუშავებას, ანალიზს, ვიზუალიზაციას
– მუშაობის დაწყებას AI სისტემებთან
– მუშაობას მონაცემთა ბაზებთან Python – ის გამოყენებით
– დამოუკიდებლად ჭკვიანი სისტემებისა და პროგრამების აწყობას
– რაციონალურობის და ინტუიციის პროგრამულ სიმულაციას
– მანქანური სწავლების მოდელების შექმნას და დატრენინგებას
კურსის წარმატებით გავლის შემდგომ გაიცემა სამეცნიერო კიბერ უსაფრთხოების ასოციაციის სერტიფიკატი. ასევე, მსმენელებს ექნებათ Netacad-ის პლატფორმაზე გამოცდის ჩაბარებისა და Python Institute-ს საერთაშორისო სერტიფიკატის აღების შესაძლებლობა.
სასწავლო სპეციალიზაციის ჯამური ხანგრძლივობა
სპეციალიზაციის პროგრამის სრული საფასური
პროგრამის დამთავრებისთანავე 1 სრულყოფილი პროექტი პორტფოლიოსთვის
სასწავლო კურსი წარმოადგენს დაპროგრამების მიმართულებით თანამედროვე სტანდარტების თეორიული და პრაქტიკული გამოყენების ათვისების საშუალებას. მასში შეისწავლება თანამედროვე, დინამიური და მულტიპარადიგმული ენა „პითონი“. რომელიც თავის თავში მოიცავს ობიექტზე ორინეტირებულ, პროცედურულ, ფუნქციონალურ და იმპერატიულ პროგრამირებას.
კურსის ხანგრძლივობა: 10 შეხვედრა/20 საათი
შეხვედრა 1.
რატომ Python-ი? შესავალი Python-ში; როგორ მუშაობს Python-ი? პირველი სკრიპტი; არითმეტიკული ოპერაციები; ცვლადები Python-ში; მთელი რიცხვები; წილადი რიცხვები; სტრიქონები; Input.
შეხვედრა 2.
If-else, elif; განშტოების პროგრამები; შემთხვევითი/ფსევდო შემთხვევითი რიცხვები.
შეხვედრა 3.
იტერაცია; for ციკლი; while ციკლი; ციკლის წყვეტის და გაგრძელების მეთოდები.
შეხვედრა 4.
სტრიქონები; სტრიქონებთან მუშაობა.
შეხვედრა 5.
ფუნქციების იმპლემენტაცია და განმარტება; არგუმენტები ფუნქციაში; ლოკალური და გლობალური ცვლადები; ფუნქციის არეები.
შეხვედრა 6.
ფაილებთან მუშაობა; სიები; ოპერაციები სიებზე.
შეხვედრა 7.
კორტეჯები (TUPLES); ლექსიკონები; ოპერაციები კორტეჯებზე და ლექსიკონებზე.
შეხვედრა 8.
try – except ბლოკი; შეცდომების მართვა და მისი გამოწვევა; Exception კლასი; როგორ შევქმნათ საკუთარი Exception კლასის მემკვიდრე; ოპერატორების გადატვირთვა.
შეხვედრა 9.
კლასები: შესავალი; კლასების მაგალითები; გარემოს ხედვა კლასებზე; კლასებში მეთოდების დამატება; ინტეჯერების სიმრავლე (კლასის მაგალითი).
შეხვედრა 10.
კლასები: custom ობიექტების შექმნა პითონში, ბიბლიოთკები
გამოცდა
სასწავლო კურსი წარმოადგენს დაპროგრამების მიმართულებით თანამედროვე სტანდარტების თეორიული და პრაქტიკული გამოყენების ათვისების საშუალებას. მასში შეისწავლება თანამედროვე, დინამიური და მულტიპარადიგმული ენა „პითონი“. რომელიც თავის თავში მოიცავს ობიექტზე ორინეტირებულ , პროცედურულ, ფუნქციონალურ და იმპერატიულ პროგრამირებას.
Linux ოპერაციული სისტემით იმართება მსოფლიოს სუპერკომპიუტერები, გამოთვლითი ცენტრები, სერვერების უმეტესობა. ამ კურსის განმავლობაში ისწავლით Linux ოპერაციული სისტემის სტრუქტურას, მომხმარებლისა და ჯგუფის კონფიგურაციას, მეხსიერების მენეჯმენტს, სერვისის მენეჯმენტს, პროგრამული უზრუნველყოფის მენეჯმენტს, shell სკრიპტინგს, სკრიპტების ავტომატიზაციას Python სკრიპტებით ოპერაციულ და ფაილურ სისტემასთან მუშაობას, პროცესების შეფუთვას, პროცესების გაპარალელებას
კურსის ხანგრძლივობა: 10 შეხვედრა/20 საათი
შეხვედრა 1
Basics – შესავალი, სისტემის ინსტალაცია, ფაილურ სისტემაში
სანავიგაციო ბრძანებები
შეხვედრა 2
Basic 2 – შესავალი, უფლებების მართვა, მომხმარებლების მართვა
შეხვედრა 3
პაკეტ მენეჯერები, უნივერსალური პაკეტ მენეჯერები, პროგრამული უნზრუნველყოფა სისტემაში, კონტეინერები
შეხვედრა 4
bash სკრიპტინგი
შეხვედრა 5
სერვისები, პროგრამების ავტომატიზაცია
შეხვედრა 6
anaconda პაკეტე მენეჯერი სისტემაში, python ბიბლიოთეკების და აპლიკაციების მართვა სისტემაში
შეხვედრა 7
python სკრიპტინგი სისტემაში, ფაილებთან მუშაობა os, sys ბიბლიოთეკები პითონში,
შეხვედრა 8
datetime ობიექტები პითონში, დროზე ორიენტირებული სკრიპტინგი
შეხვედრა 9
პროცესები, პროცესების შეფუთვა პითონში, subprocess ბიბლიოთეკა, bash ინტეგრაცია პითონ სკრიპტებში
შეხვედრა10
პროცესების გაპარალელება სისტემაში, Python threads
გამოცდა
კურსის ფარგლებში მსმენელი ისწავლის რეალური ანალიტიკური ამოცანების ამოხსნას Python პროგრამირების ენის გამოყენებით. კურსი მოიცავს: ალგორითმებს Python–ის გამოყენებით, ტესტირებასა და გამოსწორებას (testing and debugging) Python-ის გამოყენებით, Python – ში კლასებთან მუშაობას, ალგორითმულ სირთულეებს და მონაცემთა სტრუქტურებს.
კურსის ხანგრძლივობა: 10 შეხვედრა/20 საათი
შეხვედრა 1
Simple Algorithms, Bisection search; Conversion algorithms, Dealing with floats
შეხვედრა 2
Fractions, fraction conversion Newton Raphson
შეხვედრა 3
Scope in functions, scope details, key and default arguments, Built-in functions Stings recall-all methods, Recursion, Factorial
შეხვედრა 4
Scope in recursion, Iteration vs recursion, Mathematical induction, Tower of Hanoi, Palindromes
შეხვედრა 5
Fibonacci, GCD, Modules, Usage of Tuples, algorithms
შეხვედრა 6
Lists methods recalls, functions as objects, List of functions, Map, Algorithms with lists
შეხვედრა 7
Dictionaries operations recall, Leveraging dictionaries properties, Algorithms with dictionaries
Effective recursion using dictionaries
შეხვედრა 8
Testing and debugging, Classes of tests, testing approaches, Black box testing, Glass box testing, Bugs, Categories of bugs, Debugging in Practice, Tests
შეხვედრა 9
Exceptions recall, assertions, Programs with exceptions, Exception control as flow Classes recall
Built in methods, Hierarchies, Inheritance, Algorithms with classes
შეხვედრა 10
Class override, Class overload, Class generators, Algorithmic complexity, Complexity classes, recursion complexity, Searching and sorting algorithms
გამოცდა
AI (ხელოვნური ინტელექტი) ერთ-ერთი ყველაზე სწრაფად განვითარებადი დარგია კომპიუტერული მეცნიერების სფეროში. ის გამოიყენება სხვადასხვა მიმართულებაში როგორიცაა: მანქანური სწავლება, მონაცემთა ანალიზი, ავტომატიზაცია, ოპტიმიზაცია, მოდელირება და სიმულაცია, გადაწყვეტილების მიღება და ა.შ. კურსი იწყება ფუნდამენტური თემებით, როგორიცაა მონაცემთა სტრუქტურები და ალგორითმები. კურსი მოიცავს AI-ის ძირითადი ტექნიკებისა და მეთოდების განხილვას.
კურსის ხანგრძლივობა: 10 შეხვედრა/20 საათი
ლექცია 1
python ლისტები, ლექციკონები, კლასები, ინფორმაციის გრაფებად წარმოდგენა
ლექცია 2
ფუნქციები პითონში, რეკურსია
ლექცია 3
ძიების პრობლემა, არაინფორმირებული ძიება DFS, BFS ალგორითმები
ლექცია 4
ევრისტიკული ფუნქციები, ინფორმირებული ძიება, gtreedy-first search A* search
ლექცია 5
თამაშის თეორია, minimax ალგორითმი
ლექცია 6
ოპრიმიზაციის პრობლემა, ლოკალური ძებნა, ალგორითმები hill-climbing, simulated annealing
ლექცია 7
გენეტიკური ალგორითმები, წრფივი პროგრამირება
ლექცია 8
შეზღუდვების დაკმაყოფილების პრობლემა, CSP ალგორითმები
ლექცია 9
ლოგიკური აგენტები, model checking ალგორითმი
ლექცია 10
სტატისტიკური აგენტები, ალბათობის თეორია როგორც ალგორითმი
გამოცდა/ მინი პროექტი
მანქანური სწავლება AI ყველაზე ეფექტური მიმართულებაა, რომელსაც შეუძლია მონაცემებში კანოზომიერების დაჭერა და რაღაც სიზუსტით მომავალი შემთხვევების პროგნოზირება, მაგრამ ძალიან მგძნობიარეა შემავალი მონაცემების მიმართ. ამ კურსში მსმენელები შეისწავლიან მონაცემთა დამუშავებას გაერთიანებას და ნორმალიზაციას, ინფორმაციის შემზადებას მოდელის დასატრენინგებლად, სხვადასხვა მანქანური სწავლების ალგორითმებს, მათი სიზუსტისა და ეფექტურობის შეფასებას.
კურსის ხანგრძლივობა: 10 შეხვედრა/20 საათი
ლექცია 1
numpy ბიბლიოთეკა, array-ების შექმნა, ინდექსაცია და slicing, ფორმის ცვლილება (reshape), broadcasting და ვექტორიზაცია.
ლექცია 2
pandas ბიბლიოთეკა, Series და DataFrame სტრუქტურები, მონაცემების წაკითხვა/ჩაწერა (CSV, Excel), ინდექსაცია, მონაცემთა დასუფთავების ძირითადი ტექნიკები, ზოგადი ანალიზი
ლექცია 3
მონაცემთა კომბინირება, groupby ოპერაციები, დროითი სერიების დამუშავება, შესრულების ოპტიმიზაცია
ლექცია 4
მანქანური სწავლება – supervised learning: Linear regression, classification
ლექცია 5
მანქანური სწავლება – supervised learning: Decision trees, Random forests
ლექცია 6
მანქანური სწავლება – unsupervised learning: clustering, K-means
ლექცია 7
მანქანური სწავლება – unsupervised learning: hierarchical clustering, dimensionality reduction (PCA)
ლექცია 8
მანქანური სწავლება – ansamble models, პარალელურად რამოდენიმე მოდელის გამოყენება
ლექცია 9
მანქანური სწავლება – transfer learning დატრენინგებული მოდელის გადაკეთება, გადატრენინგება, შეკუმშვა
ლექცია 10
მოდელების სიზუსტის სტატისტიკური შეფასება, შედეგების ვიზუალიზაცია, matplotlib, seaborn ბიბლიოთეკები
გამოცდა/ მინი პროექტი
ფინალური პროექტის ფარგლებში სტუდენტები გამოიყენებენ სპეციალიზაციის საგნების გავლის დროს მიღებულ ცოდნას. ფინალური პროექტი მოიცავს პრაქტიკული შემთხვევის გარჩევას, საჭირო იქნება ნედლი მონაცემების დამუშავება, ინფორმაციის მომზადება, მოდელის შერჩევა და დატრენინგება, შედეგის სტატისტიკური შეფასება და ვიზუალიზაცია, საბოლოო რეპორტის მომზადება. პროექტის სტუდენტები შეასრულებენ ინდივიდუალურად. ფინალური პროექტის წარმატებით დასრულების შემთხვევაში სტუდენტი მიიღებს სპეციალიზაციის სერტიფიკატს.
კურსის ფარგლებში მსმენელი ისწავლის რეალური ანალიტიკური ამოცანების ამოხსნას Python პროგრამირების ენის გამოყენებით. კურსი მოიცავს: ალგორითმებს Python – ის გამოყენებით, ტესტირებასა და გამოსწორებას (testing and debugging) Python-ის გამოყენებით, Python – ში კლასებთან მუშაობას, ალგორითმულ სირთულეებს და მონაცემთა სტრუქტურებს.
კურსის მიზანია სტუდენტებს შეასწავლოს პითონის აქტუალური, პრაქტიკაში ფართოდ გამოიყენებადი თემები. კურსის ფარგლებში ღრმად შეისწავლით პარალელურ პროგრამირებას, მონაცემთა ბაზებს, მომხმარებლის გრაფიკულ ინტერფეისს და მონაცემთა მეცნიერებას (data science). კურსის ფარგლებში, სტუდენტები შეასრულებენ პრაქტიკულ დავალებებს და დაწერენ რეალური აპლიკაციების სხვადასხვა მოდულებს.
Django არის თავისუფალი (open-source) ფრეიმვორკი ვებ აპლიკაციების და საიტების შესაქმნელად. Django დაწერილია Python პროგრამირების ენაზე. ფრეიმვორკი (framework) – ხელსაწყოების კრებული, რომლის მეშვეობით ხდება ვებ პროგრამების და საიტების შექმნა უფრო სწრაფად და მარტივად ვიდრე ნულიდან ანალოგიური სისტემების შემუშავება. Django – ს გააჩნია საკუთარი აგებულება და ფაილთა სტრუქტურა, რომელიც მუშავდება ე.წ. ძრავის ან ბირთვის მეშვეობით.
ფინალური პროექტის ფარგლებში სტუდენტები გამოიყენებენ სპეციალიზაციის საგნების გავლის დროს მიღებულ ცოდნას. ფინალური პროექტი მოიცავს პრაქტიკულ საკითხებს Python პროგრამირების სხვადასხვა მიმართულებებიდან. პროექტის მსვლელობისას სტუდენტები გაიყოფიან ჯგუფებად სპეციალური დავალებების შესასრულებლად. ფინალური პროექტის წარმატებით დასრულების შემთხვევაში სტუდენტი მიიღებს სპეციალიზაციის სერტიფიკატს.
კავკასიის უნივერსიტეტის პროფესორი; კიბერ უსაფრთხოების მიმართულების ხელმძღვანელი; სამეცნიერო კიბერ უსაფრთხოების ასოციაციის (SCSA) პრეზიდენტი.
სამეცნიერო კიბერ უსაფრთხოების ასოციაციის ლექტორი და Python-ის დეველოპერი.
სამეცნიერო კიბერ უსაფრთხოების ასოციაციის ლექტორი და Python-ის დეველოპერი.
სპეციალიზაციის საფასურის გადახდა შესაძლებელია 2 ნაწილად
დაწყების თარიღი: 31.03.2025
ორშაბათი - ოთხშაბათი: 19:00 – 21:00
ჩატარების ტიპი: ორშაბათი -Offline/Online
ოთხშაბათი - მხოლოდ Online
პროგრამის საფასური: 1250 ლარი
შპს კომპიუტერული მეცნიერების სემინარებთან პარტნიორობით
IN THE PARTNERSHIP WITH LTD COMPUTER SCIENCE SEMINARS
SUPPORT BY scsa.ge
თქვენი IT სისტემების მთლიანი უსაფრთხოების უზრუნველყოფა სასიცოცხლოდ მნიშვნელოვანია. სამეცნიერო კიბერუსაფრთხოების ასოციაცია (SCSA) გთავაზობთ სისტემის უსაფრთხოების აუდიტს, რათა უზრუნველყოს თქვენი სისტემის ყოვლისმომცველი შეფასება. შეღწევადობის ტესტისგან განსხვავებით, რომელიც ფოკუსირებულია დაუცველობის გამოყენებაზე, უსაფრთხოების აუდიტი უფრო ფართო მიდგომას წარმოადგენს.
SCSA-ს უსაფრთხოების პროფესიონალები ზედმიწევნით შეისწავლიან თქვენს სისტემებს, პოლიტიკებს და პროცედურებს. ისინი განიხილავენ წვდომის კონტროლს, მონაცემთა უსაფრთხოების პრაქტიკას, ქსელის კონფიგურაციას და ინდუსტრიის საუკეთესო პრაქტიკის დაცვას. ეს სიღრმისეული ანალიზი გვეხმარება სისუსტეების და სფეროების, იდენტიფიცირებაში, რომლებიც შეიძლება გამოიყენონ თავდამსხმელებმა და სადაც შესაბამისობის რეგულაციები შესაძლოა სრულად არ იყოს დაცული.
აუდიტის შემდეგ, SCSA წარუდგენს დეტალურ ანგარიშს, სადაც აღწერილი იქნება უსაფრთხოების ხარვეზები, პოტენციური რისკები და რეკომენდებული გაუმჯობესებები. ეს საშუალებას გაძლევთ პრიორიტეტულად დაგეგმოთ მოქმედებები თქვენი სისტემების გასაძლიერებლად და შექმნათ უფრო ძლიერი უსაფრთხოების სისტემა. აუდიტის დროს გამოვლენილი დაუცველობის და ნაკლოვანებების პროაქტიული მოგვარებით, თქვენ შეგიძლიათ მნიშვნელოვნად შეამციროთ მონაცემთა დარღვევისა და კიბერშეტევების რისკი.
