Trei ani ai construit algoritmi care prelucrează date ținute în memorie. Acum datele ies din program: se așază în baze de date interogate cu SQL și, mai apoi, încep să învețe singure. Azi verificăm bagajul din IX–XI și punem primele punți.
Eticheta îți arată modulul-sursă. Fiecare noțiune de aici devine o piesă din baze de date sau din ML.
Modelul mixt din clasa a X-a (M09) e deja o bază de date în miniatură: fiecare dicționar e un RÂND, fiecare cheie e o COLOANĂ. Anul acesta îl facem persistent și îl interogăm cu SQL.
# în Python (X·M09) — o listă de dicționare
# aceleași date, ca TABELĂ — „elevi"
Nimic nu e de la zero. Fiecare temă nouă se sprijină pe ceva ce știi deja.
O cheie identifică un rând fără ambiguitate — în dicționar era cheia, în tabelă e PRIMARY KEY.
Structura „listă de înregistrări" devine o tabelă persistentă, salvată pe disc.
Alăturarea a două seturi ordonate pe o cheie comună e exact ceea ce face un JOIN între tabele.
„Câte valori distincte" din set devine SELECT DISTINCT.
Constructorul și metodele unei clase vor împacheta conexiunea și operațiile CRUD pe baza de date.
„Vecinul cel mai apropiat" cu distanțe devine algoritmul K-Nearest-Neighbors din machine learning.
14 module, 3 ore pe săptămână (1 teorie + 2 laborator), cu „colțul BAC" păstrat constant.
Entitate-relație, forme normale, model fizic, SQL (SELECT, agregate, JOIN, DML, DDL), Python + BD cu CRUD și tranzacții.
Ce înseamnă „a învăța", pregătirea datelor, cei trei algoritmi (regresie, KNN, K-means) și bibliotecile: Matplotlib, Pandas, Scikit-learn.
Examenul e în C++ pe algoritmica anilor IX–XI. La fiecare laborator rezolvăm subiecte oficiale; Modulul 13 conține fișa de drum completă.