მონაცემთა ანალიზი და ხელოვნური ინტელექტი Python-ით

დაწყების თარიღი: 10.10.2025

სამშაბათი და ოთხშაბათი 19:00-21:00

სპეციალიზაციის შესახებ

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 და ხელოვნური ინტელექტი 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, ასევე Python დეველოპერის 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.

6 თვე

სასწავლო სპეციალიზაციის ჯამური ხანგრძლივობა

1250 ლარი

სპეციალიზაციის პროგრამის სრული საფასური

1 პროექტი

პროგრამის დამთავრებისთანავე 1 სრულყოფილი პროექტი პორტფოლიოსთვის

საგნების ჩამონათვალი

პროგრამირება Python - ზე

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 შინაარსი

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.

ლექსიკონები, ოპერაციები ლექსიკონებზე

შეხვედრა 9.

try – except ბლოკი; შეცდომების მართვა და მისი გამოწვევა; Exeption კლასი; როგორ შევქმნათ საკუთარი Exeption კლასის მემკვიდრე; ოპერატორების გადატვირთვა.

შეხვედრა 10.
კლასები: შესავალი; კლასების მაგალითები; გარემოს ხედვა კლასებზე; კლასებში მეთოდების დამატება; ინტეჯერების სიმრავლე (კლასის მაგალითი).

გამოცდა

ალგორითმები Python - ზე

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 შინაარსი

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

ALGORITHM

LINUX

Linux და სისტემის მართვა Python სკრიპტებით

კურსის შინაარსი

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 პაკეტ 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

მანქანური სწავლება(ML) და მონაცემთა ანალიზი პითონში

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 შინაარსი

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

ML/DA

AI/ALG

AI ალგორითმები პითონით

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 შინაარსი

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

ფინალური 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.