IT Expert 2 (14-17 ani)
9 luni / 1 dată pe săptămână timp de 2 ore
9 luni
de lecții practice
3 module
33 de lecții
+ portofoliu cu proiecte
Programa
22 de ore de practică
Java este un limbaj de programare orientat pe obiecte, strict tipizat, și are o utilizare generală. Acest limbaj este considerat un etalon în ceea ce privește siguranța și ușurința în programare. Numeroase bănci utilizează Java în propriile lor aplicații software, iar o mulțime de site-uri folosesc acest limbaj pentru dezvoltarea backend-ului lor. Un avantaj major al limbajului Java este portabilitatea sa, deoarece codul scris în Java poate fi rulat pe orice dispozitiv care are o mașină virtuală Java (JVM).
La finalul acestui curs, copiii vor avea o bază solidă în limbajul Java, ceea ce le va fi de mare ajutor în învățarea aspectelor mai avansate ale limbajului.
După finalizarea acestui modul, elevii vor fi capabili să:
Java este un limbaj de programare orientat pe obiecte, strict tipizat, și are o utilizare generală. Acest limbaj este considerat un etalon în ceea ce privește siguranța și ușurința în programare. Numeroase bănci utilizează Java în propriile lor aplicații software, iar o mulțime de site-uri folosesc acest limbaj pentru dezvoltarea backend-ului lor. Un avantaj major al limbajului Java este portabilitatea sa, deoarece codul scris în Java poate fi rulat pe orice dispozitiv care are o mașină virtuală Java (JVM).
La finalul acestui curs, copiii vor avea o bază solidă în limbajul Java, ceea ce le va fi de mare ajutor în învățarea aspectelor mai avansate ale limbajului.
După finalizarea acestui modul, elevii vor fi capabili să:
- Învețe să lucreze într-un mediu de dezvoltare integrat (IDE) și să înțeleagă sintaxa limbajului
- Îmbunătățească gândirea logică și creativitatea
- Învețe să scrie cod frumos și "curat"
- Învețe să aplice principiile de bază ale programării orientate pe obiecte (OOP)
- Dobândească o bază solidă în cunoștințele de bază ale limbajului Java (Java Core)
- Învețe să scrie propriile structuri de cod, cum ar fi clase, metode și altele
- Soft skills: să vorbească în public, să se prezinte și să prezinte propriile proiecte
22 de ore de practică
Studentul dobândește cunoștințe de bază și abilități necesare pentru a începe o carieră în testarea software (inginer QA). Un inginer QA competent este foarte apreciat pe piață, deoarece calitatea produsului și cererea acestuia pe piață depind în mare măsură de cunoștințele și abilitățile sale.
Hard skills:
Studierea testării manuale și automate, abilitatea de a controla calitatea software-ului în toate etapele (planificare, proiectare, dezvoltare); cunoștințe despre cum să îmbunătățească produsul și să prevină apariția defectelor; abilitatea de a testa componente individuale și produsul în ansamblu.
Soft skills:
Dezvoltarea gândirii analitice și logice, concentrare, capacitatea de a gândi un pas înainte și de a preveni situații nedorite, explorarea potențialului creativ.
Studentul dobândește cunoștințe de bază și abilități necesare pentru a începe o carieră în testarea software (inginer QA). Un inginer QA competent este foarte apreciat pe piață, deoarece calitatea produsului și cererea acestuia pe piață depind în mare măsură de cunoștințele și abilitățile sale.
Hard skills:
Studierea testării manuale și automate, abilitatea de a controla calitatea software-ului în toate etapele (planificare, proiectare, dezvoltare); cunoștințe despre cum să îmbunătățească produsul și să prevină apariția defectelor; abilitatea de a testa componente individuale și produsul în ansamblu.
Soft skills:
Dezvoltarea gândirii analitice și logice, concentrare, capacitatea de a gândi un pas înainte și de a preveni situații nedorite, explorarea potențialului creativ.
22 de ore de practică
În acest modul, studenții vor fi plasați în rolul unui data scientist adevărat, care trebuie să rezolve o problemă. Ei vor urma indicațiile instructorului și vor parcurge pașii întreprinși de un data scientist - de la obținerea datelor și descrierea problemei, până la rezolvarea acesteia.
Această disciplină, cunoscută și sub numele de știința datelor, este una dintre ramurile informaticii care a prosperat în ultimul deceniu și servește ca bază pentru multe facilități pe care internetul le oferă astăzi. Ea este strâns legată de concepte populare precum inteligenta artificiala, învățarea automată, big data, previziuni, învățare profundă și multe altele. Este un domeniu în care mari companii precum Google, Facebook, Amazon, Apple, IBM, Microsoft și altele investesc sume considerabile de bani.
După finalizarea modulului, elevii vor învăța:
Diferite metode de structurare a datelor Diferite tipuri de date cu avantaje și dezavantaje Cum să exploreze un set de date și ce criterii să ia în considerare Algoritmi de prognozare simpli (arbore de decizie, Random Forest, SVM, KNN) Conceptul de statistică pentru interpretarea rezultatelor Algoritmi simpli de clusterizare / grupare (K-Means, DBScan) cu avantaje și dezavantaje Modalități de prezentare a rezultatelor și tipuri simple de grafice Soft skills: lucru cu informații, gestionarea atenției și înțelegerea propriei sarcini într-un mediu de lucru în echipă
În acest modul, studenții vor fi plasați în rolul unui data scientist adevărat, care trebuie să rezolve o problemă. Ei vor urma indicațiile instructorului și vor parcurge pașii întreprinși de un data scientist - de la obținerea datelor și descrierea problemei, până la rezolvarea acesteia.
Această disciplină, cunoscută și sub numele de știința datelor, este una dintre ramurile informaticii care a prosperat în ultimul deceniu și servește ca bază pentru multe facilități pe care internetul le oferă astăzi. Ea este strâns legată de concepte populare precum inteligenta artificiala, învățarea automată, big data, previziuni, învățare profundă și multe altele. Este un domeniu în care mari companii precum Google, Facebook, Amazon, Apple, IBM, Microsoft și altele investesc sume considerabile de bani.
După finalizarea modulului, elevii vor învăța:
Diferite metode de structurare a datelor Diferite tipuri de date cu avantaje și dezavantaje Cum să exploreze un set de date și ce criterii să ia în considerare Algoritmi de prognozare simpli (arbore de decizie, Random Forest, SVM, KNN) Conceptul de statistică pentru interpretarea rezultatelor Algoritmi simpli de clusterizare / grupare (K-Means, DBScan) cu avantaje și dezavantaje Modalități de prezentare a rezultatelor și tipuri simple de grafice Soft skills: lucru cu informații, gestionarea atenției și înțelegerea propriei sarcini într-un mediu de lucru în echipă