Algorytmika i programowanie w języku Python 1000-I1AiPPython

Podczas laboratoriów omawiane są i implementowane algorytmy będące uzupełnieniem zagadnień poruszanych na przedmiocie Podstawy programowania, analizowane są również problemy, w których mają one zastosowanie. Przy rozwiązywaniu problemów wprowadzane są potrzebne do implementacji elementy języka Python z uwzględnieniem złożoności obliczeniowej i efektywności. W opisie poniżej podano kolejne tematy zajęć wraz z rozważanymi podczas nich algorytmami i problemami. Kolokwium I powinno obejmować tematy 1)-7), kolokwium II – tematu 8)-12).
1) Oprogramowanie dla języka Python, tryb interaktywny, edycja, uruchamianie i testowanie programów. Reprezentacja liczb i tekstów w języku Python, konwersja typów.
2) Wprowadzenie do języka programowania Python, syntaktyka i semantyka instrukcji, struktura programu, zmienne, instrukcje (podstawienia, warunkowa i iteracji), korzystanie z funkcji dodatkowych bibliotek programistycznych – algorytmy dotyczące badania różnorodnych własności liczb i tekstów (podzielność, pierwszość, sito Eratostenesa, palindromy). 
3) Funkcje, przekazywanie parametrów, biblioteka funkcji użytkownika (zastosowanie algorytmu Euklidesa, działania na ułamkach, przelewanie wody, punkty kratowe, systemy liczbowe, generowanie liczb o zdanych własnościach). 
4) Listy, krotki - właściwości oraz operacje, jakie można przeprowadzać na tego typu strukturach (zastosowanie algorytmów wyszukiwania i porządkowania, dwa pakowania, problem sumy w ciągach uporządkowanych, przykłady algorytmów z preprocessingiem, np. liczba par AB, szukanie idola, zadanie kajaki i przedziały z OI i ich testowanie).
5) Pobieranie danych i przechowywanie wyników algorytmów w plikach (dane i wyniki liczbowe oraz tekstowe, scalanie plików, występowanie wzorca w tekście).
6) Rekurencja w języku Python (szybkie podnoszenie do potęgi, jednoczesne szukanie elementu najmniejszego i największego, wieże Hanoi, przeszukiwanie z nawrotami, wychodzenie z labiryntu).
7) Słowniki, zbiory – właściwości oraz operacje, jakie można przeprowadzać na tego typu strukturach (reprezentacja rzymska liczb, reprezentacje: macierz sąsiedztwa i lista sąsiadów dla grafów i digrafów).
8) Optymalizacja algorytmów w praktyce (sumy prefiksowe, zapytania o przedziały na sumach prefiksowych, metoda gąsienicy, maksymalny segment, najbliższy mniejszy sąsiad w ciągu, najdalszy mniejszy sąsiad w permutacji, generowanie permutacji, najdłuższy malejący podciąg, równoważność cykliczna ciągów, liczba inwersji permutacji). 
9) Struktury dynamiczne w języku Python: stos, kolejka, lista ich zastosowanie w rozwiązywanych problemach (ONP, sortowanie leksykograficzne, problem Flawiusza, sortowanie topologiczne z wykorzystaniem stopni wierzchołków).
10) Obiektowość języka Python - obiekty, klasy, dziedziczenie, polimorfizm, hermetyzacja, przeciążanie operatorów (biblioteki dla kopca, grafów, drzew poszukiwań binarnych).
11) Grafika. Ilustracja algorytmów geometrycznych, fraktale, moduł matplotlib (zbiór Cantora, drzewo binarne, płatek Kocha, smok Heighway’a, trójkąt i dywan Sierpińskiego, krzywa Hilberta, kostka Mengera, zbiory Julii, Mandelbrota, i wizualizacja metody Monte Carlo, ruchy Browna). 
12) Podstawy uczenie maszynowego, pakiet pandas i scikit-learn - przykładowy projekt dla uczenia maszynowego: import i wyczyszczenie danych, zbiór treningowy i testowy, wybór modelu uczącego (prognozowanie wyniku, ewaluacja i mierzenie dokładności prognozy, korzystanie z wyuczonych modeli).