Էլ֊փոստ: [email protected]

AI Engineering & Data Science

Python

AI Engineering & Data Science դասընթաց

Այս 12 շաբաթ տևողությամբ դասընթացը հիմնականում կենտրոնացած է AI Engineering-ի վրա՝ սկսելով Python ծրագրավորման հիմունքներից և հասնելով մինչև ժամանակակից թեմաներ, ինչպիսիք են AI agents, Deep Learning and LLMs, Machine Learning։
Դասընթացը նախատեսված է ծրագրավորման փորձ չունեցող ուսանողների համար և հիմնված է անվճար գործիքների վրա նախագծերը իրականացնելու համար։ Յուրաքանչյուր շաբաթ ներառում է 3 թեմա, մեկ թեստ, մեկ մինի-նախագիծ (8–12 ժամ) և գործնական վարժություններ։
Դասընթացը ավարտվում է capstone project-ով, որը սովորողներին տալիս է end-to-end փորձ՝ սկսած մոդելի կառուցումից մինչև ինտեգրում։

➡️ Data Science թեմաները ներառված են որպես աջակցող մասեր՝ հիմնականում մաթեմատիկայի հիմունքները, տվյալների նախամշակումը և փոքր վերլուծական նախագծեր, բայց հիմնական շեշտը դրված է AI Engineering workflow-ի վրա։

Դասընթացի առանձնահատկությունները

  • Ամբողջական ուսուցում ժամանակակից AI engineering practices-ի վերաբերյալ։

  • Hands-on մոտեցում՝ մինի-նախագծերով, GitHub-ready նախագծերով և իրական գործիքների կիրառմամբ։

  • AI agents, inference pipelines, voice/speech processing, REST API integration։

  • Ուսուցում անվճար միջավայրերով և գրադարաններով ընթացիկ նախագծերի համար։

Նախապայմաններ

  • Պարտադիր․ Python հիմունքների դասընթացի ավարտ (syntax, data structures, functions, OOP basics)։

  • Օգտակար, բայց ոչ պարտադիր․

    • Backend development գիտելիքներ (HTTP, REST, basic DBs)

    • Հիմնական մաթեմատիկա․ linear algebra, probability, statistics (մոդելների տրամաբանությունը հասկանալու համար)։


  • Python Setup and Syntax (variables, conditionals, loops)
  • Lists, Tuples, and Dictionaries
  • Writing Simple Functions
  • Quiz (10 multiple-choice questions on syntax, lists, functions).

  • Advanced List and Dictionary Operations (slicing, comprehension)
  • Introduction to NumPy Arrays
  • Reading/Writing CSV Files with Pandas
  • Mini-project: Load a CSV dataset (e.g., iris.csv) and compute averages using Pandas.

  • Matplotlib for Plotting (line, scatter plots)
  • Seaborn for Enhanced Visualizations
  • Analyzing Data Patterns Visually
  • Quiz (8 questions on plot types, Matplotlib functions).

  • What is Machine Learning? (supervised vs. unsupervised)
  • Using Scikit-learn for Basic Models
  • Linear Regression for Prediction
  • Mini-project: Build a linear regression model to predict prices (e.g., used cars dataset).

  • Logistic Regression for Binary Classification
  • Train-Test Split and Cross-Validation
  • Accuracy and Confusion Matrix
  • Quiz (10 questions on classification metrics, Scikit-learn).

  • Decision Trees and Random Forests
  • Overfitting and Model Evaluation
  • Basic Hyperparameter Tuning
  • Mini-project: Train a decision tree on a dataset (e.g., Titanic survival).

  • Basics of Natural Language Processing (NLP)
  • Text Preprocessing with NLTK
  • Building a Simple Rule-Based Chatbot
  • Quiz (8 questions on NLP basics, chatbot logic).

  • Neural Networks Overview
  • Introduction to Hugging Face Transformers
  • Text Generation with Mistral-7B (free model)
  • Mini-project: Create a text-based Q&A bot using Hugging Face.

  • What are AI Agents?
  • Rule-Based Agent Design in Python
  • Integrating APIs for Agent Tasks
  • Quiz (10 questions on agent components, APIs).

  • Introduction to Speech-to-Text with Vosk
  • Text-to-Speech with pyttsx3
  • Building a Voice Interaction Loop
  • Mini-project: Create a voice-based Q&A system using Vosk and pyttsx3.

  • Review of Conversational AI and Voice Interfaces
  • Structuring Data with Pandas and JSON
  • Project Planning and Documentation
  • Mini-project: Draft a project plan for the capstone AI agent.

  • Build a simplified voice-based AI interview agent, using free tools.
Գրանցվել
Course
AI Engineering & Data Science