Programmeren II

Object Oriented Programming, Algoritmen, Datastructuren & Design Patterns. Kies een week om te beginnen.

Leeruitkomsten

1 Kan de basisbeginselen van OOP, waaronder het gebruiken van klassen, toepassen op Data Science vraagstukken.
2 Kan een eenvoudig Data Science algoritme zelf definiëren en aanpassen gebruik makend van OOP.
3 Kan de efficiëntie van Python-algoritmen beoordelen op basis van Big-O-analyse.
4 Kan werken met de basis datastructuren zoals stacks, queues en dequeues.
5 Kan de basisprincipes van recursief programmeren toepassen.
6 Kan een complex Data Science algoritme zelf definiëren en aanpassen gebruik makend van OOP inclusief Design Patterns.
Periode 1 — OOP Fundamentals LU 1 & 2
Week 1 9 feb

Intro OOP Fundamentals

Introductie tot Object Georiënteerd Programmeren. Verschil procedureel vs OOP, classes, objecten, attributen, methoden en constructors.

A: OOP Theorie B: OOP in Praktijk Notebooks
Week 2 23 feb

OOP in Data Science

Data preprocessing met OOP. Klassen opbouwen van scratch, missende waarden visualiseren en verwerken met behulp van OOP.

A: Data Preprocessing + OOP B: Klasse bouwen + Missing Values Herkansing Prog I
Week 3 2 mrt

Inheritance & Polymorphism

Class attributes, class methods, overerving (inheritance) en polymorfisme. Toepassing in Data Science context.

A: Class Attr/Methods + Overerving B: Polymorfisme + DS Context Notebooks
Week 4 9 mrt

OOP in KNN

KNN-algoritme begrijpen en stap-voor-stap bouwen. Euclidische afstand, accuracy, confusion matrix. KNN ombouwen naar OOP klasse.

A: KNN Algoritme + Accuracy B: KNN Blueprint + OOP Oefentoets
Week 5 16 mrt

Toetsmoment 1

Toets over LU 1 & 2: OOP fundamentals en eenvoudig DS algoritme met OOP. 20% van eindcijfer, 45 minuten, Remindo.

20% eindcijfer 45 min Remindo
Periode 2 — Algoritmen & Datastructuren LU 3, 4 & 5
Week 6 23 mrt

Algoritme Efficiëntie & Big-O

Big-O notatie bepalen. Efficiëntie van Python-algoritmen beoordelen.

A: Big-O Intro B: Big-O Bepalen
Week 7 30 mrt

Complexere Big-O Analyses

Geavanceerde Big-O analyse. Complexere algoritmen beoordelen op efficiëntie.

A: Geavanceerde Big-O B: Analyse Oefeningen
Week 8 6 apr

Datastructuren

Stack, queue en dequeue. Werken met basis datastructuren.

A: Stack & Queue B: Dequeue + Oefeningen
Week 9 13 apr

Datastructuren & Recursie

Verdere datastructuren en introductie tot recursief programmeren.

A: Datastructuren verdieping B: Intro Recursie
Week 10 20 apr

Recursie

Basisprincipes van recursief programmeren toepassen. Oefentoets voorbereiding.

A: Recursie Verdieping B: Recursie Oefeningen Oefentoets
Week 11 4 mei

Toetsmoment 2

Toets over LU 3, 4 & 5: Big-O, Datastructuren en Recursie.

Toets
Periode 3 — Beslisbomen & Design Patterns LU 2 & 6
Week 12 11 mei

Intro tot Beslisbomen

Introductie tot het Decision Tree algoritme. Begrippen en fundamenten.

A: Beslisboom Theorie B: Oefeningen
Week 13 18 mei

Voorspellen in Beslisbomen

Voorspellingen maken met beslisbomen. Classificatie en regressie.

A: Voorspellen B: Implementatie
Week 14 25 mei

Maken van een Beslisboom

Zelf een beslisboom algoritme bouwen en implementeren in Python.

A: Bouwen B: Testen & Verfijnen
Week 15 1 jun

Design Patterns — Template Method

Introductie tot Design Patterns. Template Method Pattern leren en toepassen.

A: Template Method B: Implementatie
Week 16 8 jun

Strategy Pattern

Strategy Pattern leren en toepassen. Oefentoets voorbereiding voor toetsmoment 3.

A: Strategy Pattern B: Oefeningen Oefentoets
Week 17 15 jun

Toetsmoment 3

Toets over LU 2 & 6: Beslisbomen en Design Patterns.

Toets