A kurzusról
Syllabus
Tanuld meg a legfontosabb programozási alapfogalmakat mindössze néhány hét alatt, és szerezz gyakorlati tapasztalatot Pythonban. Ne te legyél az az adatszakértő, aki sosem értette igazán, mi egy python class. Mindent lefedünk, amire egy modern programozónak szüksége van: a változóktól, adatszerkezetektől, függvényektől és osztályoktól egészen az AI alapú kódoló ügynökök legmodernebb világáig. Vágj bele a programozásba ezzel a 6 alkalmas, fókuszált képzéssel.
Session 1 — Python foundations
Setup: conda/venv, Jupyter vs scripts, VS Code, pip, project structure
Core syntax: variables, types, operators, strings, f-strings
Control flow: if/elif/else, for, while, break/continue
Functions basics: def, parameters, return values
Debugging basics: reading tracebacks, print vs debugger
Session 4 — Files and exceptions
Reading/writing text + CSV/JSON
Context managers: with open(...)
Error handling: try/except/else/finally, creating helpful errors
Basic logging (why you don’t spam prints in real projects)
Exercises: load a dataset, validate it, handle missing data
Session 3 — Functions and style
Scope, LEGB, side effects vs pure functions
Default args, args-kwargs, type hints
Writing reusable modules + imports
Intro to classes, OOP design
Docstrings, naming, style (PEP 8), formatting tools
Session 2 — Data structures & iteration patterns
Lists, tuples, dicts, sets: when/why to use each
Indexing/slicing, mutability, copying semantics
Looping patterns: enumerate, zip, iterating dicts safely
Comprehensions (list/dict/set) + generator expressions
Sorting/key functions, lambda
Időpontok & Helyszín
6 alkalom, személyes jelenléttel, Budapest belvárosában. Az órák vasárnaponként reggel 9-től délután 2-ig tartanak.
A következő képzés várható időpontjai:
Március 29, Április 12, Április 19, Április 26, Május 10, Május 17
Árak
Bevezetés a Pythonba - 150.000 HUF
Session 5 — NumPy essentials
Why NumPy: arrays vs lists, vectorization
Creating arrays, dtype, shape, reshape
Indexing/slicing, boolean masks
Broadcasting, axis logic
Core ops for stats: sum/mean/std, normalization, z-scores
Exercises: implement mean/variance/covariance from scratch & with NumPy
Session 6 — Pandas essentials + mini data workflow
Series/DataFrame mental model
Loading data, inspection, dtypes, missing values
Filtering, assign, apply vs vectorized ops
Groupby/aggregation, joins/merge basics
Simple EDA workflow + exporting results
Capstone mini-task: clean + analyze a small dataset end-to-end