Menu
Java Full Stack
01-02 July
- Java
- Front End
- Backend
- Full Stack
- HTML/CSS
- JavaScript
- Databases
- MySql
- Oracle
16hrs
150 €
Μάθε τις βασικές έννοιες του front end και backend προγραμματισμού καθώς και ολόκληρης της διαδικασίας ανάπτυξης web εφαρμογών.
Προΰποθέσεις παρακολούθησης:
- Βασικές γνώσεις προγραμματισμού θα βοηθήσουν αλλά δεν είναι απαραίτητες Αλγοριθμική σκέψη
Για αυτούς που θέλουν να:
- Front End Developers που θέλουν να μάθουν να προγραμματίζουν backend
- Σε Backend Developers που θέλουν να μάθουν να προγραμματίζουν front end
- Σε νέους προγραμματιστές που επιθυμούν να γίνουν Full Stack Web Developers
Java Full Stack?
Ένας Full Stack Developer είναι σε θέση να σχεδιάσει ολοκληρωμένα mobile apps και websites. Για το λόγο αυτό εμπλέκεται σε όλη τη διαδικασία ανάπτυξης των εφαρμογών (frontend, backend, databases, debugging and testing).
Το πρόγραμμα δίνει την ευκαιρία στους προγραμματιστές να αποκτήσουν εμπειρία στον σχεδιασμό και την ανάπτυξη web εφαρμογών σε Java. Θα μάθουν βασικές αρχές του αντικειμενοστραφούς προγραμματισμού (object oriented programing), ενώ παράλληλα θα μάθουν να χρησιμοποιούν εργαλεία για την ανάπτυξη Android εφαρμογών.
benefits
- Εξειδίκευση σε τεχνολογίες προγραμματισμού
- Εισηγητές developer από την αγορά εργασίας
- Networking μεταξύ των μαθητών, των εισηγητών και των εταιρειών
- Πρακτική εκπαίδευση
- Ομαδικά group project
- Πιστοποιητικό παρακολούθησης
syllabus
HOURS
75
- Java Basics: Ecosystem, Classes, Interfaces, design principles, Java Code Best Practices, Lamda Expressions
- Version Control Systems, GIT & GIT Workflows| Build Tools | Relational Databases | ER models
- JEE Web Technologies & Web Development | Bootstrap | JavaScript libraries
- Spring Framework | MVC Controllers | Teams Coding Project
- Rest Services, Hibernate, Spring Repositories, Angular
- Testing, SQL Generators, NoSQL
- UX, Agile Methodology | Teams Coding Project
- Security | Microservices Architecture | Performance | Delivery & Deployment
- Teams Coding Project
- Digitalization & Innovation | Projects Presentations | Certifications Ceremony
Τεταρτή 20/06
10:00 – 13:00
- Version Control Systems, GIT & GIT Workflows| Build Tools | Relational Databases | ER models
Τεταρτή 20/06
10:00 – 13:00
- JEE Web Technologies & Web Development | Bootstrap | JavaScript libraries
Κυριακή 20/06
10:00 – 13:00
- Machine Learning and Artificial Intelligence
- Machine Learning and Artificial Intelligence
instructors
Σωκράτης Σοφιανόπουλος
Ο Σωκράτης Σοφιανόπουλος αποφοίτησε από το τμήμα Computer Science του Πανεπιστημίου Ιωαννίνων (2002) και είναι κάτοχος του μεταπτυχιακού διπλώματος Distributed & Multimedia Information Systems από το Dept. of Computer Science of Heriot-Watt University, Edinburgh (2003). Έχει PhD δίπλωμα από το Electrical και Computer Engineering από το National Technical University of Athens (NTUA) όπου αποφοίτησε τον Ιούνιο του 2010, σε μια έρευνα του ILSP on Language Modelling for Machine Translation Systems and multi-objective optimisation techniques. Από το 2005 είναι ερευνητικός συνεργάτης και μηχανικός λογισμικού στο ILSP. Η έρευνά του περιλαμβάνει Language Processing, machine translation, machine learning with emphasis on evolutionary computation approaches, data modeling etc. Έχει εργαστεί σε πολλά European R&D programs (METIS-II (FP6-IST-003768), PRESEMT (FP7-ICT-248307)), QTLaunchPad (FP7-ICT-296347), ELRC (European Language Resource Coordination). Από τον Οκτώβριο 2016 είναι βοηθός λέκτορα στο Ελληνοαμερικάνικο Κολέγιο.
Πέτρος Ευθυμίου
As an individual, I am thrilled about working with cutting edge technologies and I am willing to work very hard. I am delighted about broadening my knowledge and improving my skills. Furthermore I am committed to deliver high quality maintainable and extendable code. I always found software engineering and high quality code one of the most essential and important principles of a professional developer.
in a nutshell
Με την ολοκλήρωση του προγράμματος οι συμμετέχοντες θα έχουν μάθει Όλα τα απαραίτητα βήματα που πρέπει να ακολουθήσει ένας data scientist για την ανάλυση των δεδομένων του, Βασικές έννοιες μηχανικής μάθησης και ανάλυσης δεδομένων, Βασικές γνώσεις προγραμματισμού με την Python.