Продвинутое программирование на Python

#	Название лабораторной работы	Описание работы
1	Повторение работы в командной строке Linux	Работа в командной строке Linux
2	Повторение материала прошлого года	Повторение материала прошлого года
3	Работа с файлами	Работа с файлами
4	Обработка аргументов командной строки. Библиотеки sys и argparse. Декораторы	Обработка аргументов командной строки. Библиотека sys и argparse. Декораторы
5	ООП и диаграммы классов UML	ООП и диаграммы классов UML
6	Объектно-ориентированное программирование. Специальные методы.	ООП. Специальные методы.
7	ООП. Абстрактный класс. Декомпозиция программы.	ООП. Абстрактный класс. Декомпозиция программы.
8	Генераторы и цикл for	Генераторы и цикл for.
9	Итераторы и сопроцессы	Итераторы и сопроцессы.
10	Асинхронное программирование. Библиотека asyncio.	Работа с асинхронными операциями.
11	Многопоточность в Python. Библиотеки threading и multiprocessing.	Работа с потоками и подпроцессами в Python
12	Регулярные выражения	Git, Изучение регулярных выражений и их использование
13	Библиотека pickle	Сериализация и десериализация объектов.
14	Работа с сокетами.	Работа с сокетами
15	Краткий справочник Git	Краткий справочник Git
16	`NumPy`: матрицы и операции над ними	Библиотека NumPy
17	Библиотека Pandas для работы с данными	Библиотека Pandas
18	Визуализация в Python	Визуализация
19	Базы данных	Работа с sqlite3
20	sqlite3 в Python	Работа с sqlite3 в Python
21	Машинное обучение (Machine Learning)	Классические методы машинного обучения, ч.1
22	Scikit-learn : основные структуры	Классические методы машинного обучения, ч.2, модуль scikit-learn
23	Предобработка данных	Классические методы машинного обучения, ч.2, модуль scikit-learn
24	Постобработка. Выбор модели (Model Evaluation)	Классические методы машинного обучения, ч.2, модуль scikit-learn
25	Проверка гипотез и анализ правдоподобия	Классические методы машинного обучения, ч.2, модуль scikit-learn
26	Нейросети и глубинное обучение (Deep Learning)	Классические методы машинного обучения, ч.2, модуль scikit-learn