სპეციალიზაცია Python დეველოპერი

დაწყების თარიღი: 12.02.2026

სპეციალიზაციის შესახებ

Python მარტივი, მოქნილი და ერთ-ერთი ყველაზე პოპულარული პროგრამირების ენაა, რომელიც გამოიყენება პროგრამირების პრაქტიკულად ყველა მიმართულებაში: თამაშებში, Web აპლიკაციების შექმნაში, მონაცემთა ანალიზისთვის, სისტემური ადმინისტრირების ავტომატიზაციისთვის, მანქანურ სწავლებაში, კიბერ უსაფრთხოებაში, შეღწევადობის ტესტირებაში, კრიპტოგრაფიაში და ასე შემდეგ.

კურსის განმავლობაში სტუდენტები იმუშავებენ, დაწერენ პროგრამებს და სხვადასხვა პრობლემის, ამოცანის პროგრამულ გადაწყვეტილებას. ისწავლიან რეალური ანალიტიკური ამოცანების ამოხსნას Python პროგრამირების ენის გამოყენებით, ტესტირებასა და გამოსწორებას (testing and debugging), კლასებთან მუშაობას, ალგორითმულ სირთულეებსა და მონაცემთა სტრუქტურებს. სტუდენტები ისწავლიან მონაცემთა მეცნიერებას, Windows ის ფორმებს, AI და ჭკვიანი სისტემების შექმნას, რაციონალური და ინტუიციური პროგრამების სიმულაციას, პარალელურ პროგრამირებასა და მუშაობას მონაცემთა ბაზებთან და მონაცემთა ანალიზი. Framework Django_სთან მუშაობას, სხვადასხვა სირთულის ვებ საიტებისა და აპლიკაციების შექმნას.

სპეციალიზაციის ბოლოს, მონაწილეებს ექნებათ შესასრულებელი ფინალური პროექტი, რომლის წარმატებით განხორციელების შემთხვევაში სამეცნიერო კიბერ უსაფრთხოების ასოციაციის სახელით გაიცემა სპეციალიზაციის სერტიფიკატი.

აღსანიშნავია, რომ წარმატებულ კურსდამთავრებულებს სამეცნიერო კიბერ უსაფრთხოების ასოციაცია დაეხმარება და გაუწევს რეკომენდაციას ამ მიმართულების ორგანიზაციებთან კომუნიკაციის დროს.

სპეციალიზაციის ფარგლებში მსმენელები დაეუფლებიან Python დეველოპერის პროფესიას და კურსის დამთავრებისთანავე დამოუკიდებლად შეძლებენ:

– საშუალო და რთული ამოცანების Python ზე გადაწყვეტილების შემუშავებას, პროგრამის დაწერას
– Python-ზე ალგორითმების წერას
– Back-end დეველოპერად მუშაობას
– მუშაობას Python დეველოპერის პოზიციაზე
– მონაცემთა ანალიზს
– მუშაობის დაწყებას ხელოვნურ ინტელექტთან
– მუშაობას მონაცემთა ბაზებთან Python – ის გამოყენებით
– დამოუკიდებლად ჭკვიანი სისტემებისა და პროგრამების აწყობას
– რაციონალურობის და ინტუიციის პროგრამულ სიმულაციას
– Desktop აპლიკაციების წერას

სპეციალიზაციის გავლის შემდგომ მსმენელებს ექნებათ Netacad-ის პლატფორმაზე გამოცდის ჩაბარების და Python Institute-ს საერთაშორისო სერთიფიკატის აღების შესაძლებლობა.

6 თვე

სასწავლო სპეციალიზაციის ჯამური ხანგრძლივობა

1180 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
Extra topics: plotting and tkinter

გამოცდა

Algorithms

OOP

ობიექტზე ორიენტირებული პროგრამირება Python

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.

კურსის შინაარსი

კურსის ხანგრძლივობა: 10 შეხვედრა/20 საათი

შეხვედრა 1
Classes recall
Static and Class methods
Practice with inheritance
Decorators;

შეხვედრა 2
Generators
Sqllite
Practice with Sqllite and classes;

შეხვედრა 3
Mongodb
Practice with Mongodb and classes;

შეხვედრა 4
Pyqt5
Labels, windows
Buttons, combo
Menus
Messages;

შეხვედრა 5
Threads
Concurrent futures
Practice

შეხვედრა 6
Processes
Working with multiple processes
Practice

შეხვედრა 7
Numpy library
Arrays
Functions
Attributes

შეხვედრა 8
Numpy indexes
Arithmetics

შეხვედრა 9
Pandas library
Working with CSV files
Dataframes and series
Adding and removing rows

შეხვედრა 10
Filtering
Sorting
Updating
Intro to machine learning

გამოცდა

AI და მანქანური სწავლება

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 და მოიცავს AI-ის ძირითადი ტექნიკებისა და მეთოდების განხილვას. თეორიულ ცოდნასთან ერთად, კურსის მსმენელებს საშუალება ექნებათ მიღებული ცოდნა პრაქტიკულ ამოცანებში გამოცადონ. სალექციო კურსის განმავლობაში სტუდენტები როგორც დამოუკიდებლად, ასევე ერთობლივად იმუშავებენ, დაწერენ პროგრამებს და გადაჭრიან სხვადასხვა სტანდარტულ პრობლემებს, ისწავლიან ამოცანების პროგრამულად გადაჭრას.

კურსის შინაარსი

კურსის ხანგრძლივობა: 10 შეხვედრა/20 საათი

ლექცია 1 – python lists, dictionaris, classes

ინფორმაციის გრაფების სტრუქტურად წარმოდგენა(graphs)

ლექცია 2 – ფუნქციები პითონში

რეკურსია

ლექცია 3 – ძიების ამოცანების ამოხსნა, ძიების ალგორითმები

DFS, BFS, gtreedy-first search A* search

ლექცია 4 – ოპტიმიზაციის ამოცანების ამოხსნა,ოპტიმიზაციის ალგორითმები

ლოკალური ძებნა, ალგორითმები hill-climbing, simulated annealing

ლექცია 5 – ოპტიმიზაციის ამოცანების გაგრძელება, გენეტიკური ალგორითმები

წრფივი პროგრამირების ამოცანები(linear programming)

ლექცია 6 – შეზღუდვების დაკმაყოფილების ამოცანების ამოხსნა(CSPs), თამაშების თეორია

ალგორითმები Minimax, recursive backtracking

ლეცია 7 – მანქანური სწავლება, supervised learning 1

Linear regression, classification,

ლექცია 8 – მანქანური სწავლება, supervised learning 2

Decision trees, Random forests

ლექცია 9 – მანქანური სწავლება, unsupervised learning 1

clustering, K-means

ლექცია 10 – მანქანური სწავლება, unsupervised learning 2

hierarchical clustering, dimensionality reduction (PCA)

გამოცდა

AI/ML

DJango

Python DJANGO პროგრამირება

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.

კურსის შინაარსი

კურსის ხანგრძლივობა: 10 შეხვედრა/20 საათი

შეხვედრა 1.
Introduction in Django
შეხვედრა 2.
Django models
შეხვედრა 3.
Django admin
შეხვედრა 4.
URLs and views
შეხვედრა 5.
Django templates
შეხვედრა 6.
Rendering in Django
შეხვედრა 7.
Apps in Django
შეხვედრა 8.
Model forms and Pure Django form
შეხვედრა 9.
Form widgets and Form validation methods
შეხვედრა 10.
Creating sample project

გამოცდა

ფინალური პროექტი

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.