Skip to content

Repositório para o Introdução ao Machine Learning com Python.

License

Notifications You must be signed in to change notification settings

joaocassianox7x/intro_python

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Repositório de Exercícios e Notebooks de Python

Este repositório contém uma série de exercícios e notebooks para aprender e praticar Python, cobrindo conceitos de fundamentos, controle de fluxo, estrutura de dados e programação intermediária. A estrutura do repositório está organizada em pastas por aula, cada uma contendo exercícios e notebooks ilustrativos.

Estrutura do Repositório

.
├── LICENSE
├── README.md
├── aula_1
│   ├── exercicios
│   │   ├── README.md
│   │   ├── py1_ex1.py
│   │   ├── py1_ex10.py
│   │   ├── py1_ex2.py
│   │   ├── py1_ex3.py
│   │   ├── py1_ex4.py
│   │   ├── py1_ex5.py
│   │   ├── py1_ex6.py
│   │   ├── py1_ex7.py
│   │   ├── py1_ex8.py
│   │   └── py1_ex9.py
│   └── notebooks
│       ├── condicional.ipynb
│       ├── estrutura_dados.ipynb
│       └── tipos_python.ipynb
├── aula_2
│   └── exercicios
│       ├── README.md
│       ├── py2_ex1.py
│       ├── py2_ex2.py
│       ├── py2_ex3.py
│       ├── py2_ex4.py
│       └── py2_ex5.py
└── aula_3
    └── exercicios
        ├── README.md
        ├── py3_ex1.py
        ├── py3_ex2.py
        ├── py3_ex3.py
        └── py3_ex4.py

Descrição das Aulas

Aula 1

A primeira aula aborda conceitos básicos de Python e introduz exercícios para consolidar o aprendizado. Os principais tópicos cobertos incluem tipos de dados, estruturas condicionais e manipulação de estruturas de dados fundamentais.

  • Notebooks:

    • tipos_python.ipynb: Apresenta os tipos de dados em Python, como inteiros, floats, strings e listas.
    • condicional.ipynb: Aborda o uso de estruturas condicionais (if, elif, else) para controle de fluxo.
    • estrutura_dados.ipynb: Introduz as principais estruturas de dados como listas, dicionários, tuplas e sets.
  • Exercícios:

    • py1_ex1.py a py1_ex10.py: Cada arquivo implementa exercícios específicos, abordando temas como:
      • Operações em listas e strings.
      • Manipulação de variáveis e controle de fluxo.
      • Estruturas de dados e cálculos matemáticos simples.

Aula 2

A segunda aula avança para conceitos intermediários de Python, incluindo o uso de decoradores, argumentos variáveis e métodos privados. Os exercícios focam em práticas comuns na criação de funções avançadas e classes mais robustas.

  • Exercícios:
    • py2_ex1.py a py2_ex5.py: Exercícios de nível intermediário abordando:
      • Funções com número variável de argumentos (*args e **kwargs).
      • Criação e manipulação de arquivos com a classe FileManager.
      • Uso de decoradores (log_function_calls e cache_results) para registro e cache de funções.
      • Encapsulamento e controle de acesso em classes com a classe ContaBancaria.

Aula 3

A terceira aula explora técnicas avançadas de cálculo numérico, gradiente descendente e backpropagation. Os exercícios são mais desafiadores e ideais para quem já possui uma boa base de Python e deseja praticar habilidades matemáticas e computacionais.

  • Exercícios:
    • py3_ex1.py: Encontrar o mínimo de um polinômio de segundo grau utilizando o método do gradiente descendente.
    • py3_ex2.py: Soma dos elementos de uma matriz ( N \times M ) utilizando broadcasting e loops.
    • py3_ex3.py: Cálculo e visualização gráfica de um polinômio de terceiro grau e sua derivada.
    • py3_ex4.py: Implementação de backpropagation em uma função de ativação ReLU para aprendizado de redes neurais simples.

Como Executar

  1. Clone o repositório:

    git clone https://github.com/usuario/repositorio_exercicios_python.git
    cd repositorio_exercicios_python
  2. Navegue até a pasta de um exercício específico e execute o script:

    python aula_3/exercicios/py3_ex1.py
  3. Explore os notebooks interativos utilizando Jupyter Notebook ou JupyterLab:

    jupyter notebook

About

Repositório para o Introdução ao Machine Learning com Python.

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published