1. Python notebook installálás, alapok, python bevezető
2. Adattípusok
3. Függvények, hibakezelés, fájlműveletek
4. numpy, vektor és mátrixműveletek, lineáris algebra
5. scipy, műveletek ritka mátrixokkal, sajátérték, sajátvektor
6. Közönséges differenciálegyenletek numerikus megoldása, peremfeltételek
7. Parciális differenciálegyenletek numerikus megoldása 1.
8. Parciális differenciálegyenletek numerikus megoldása 2.
9. Adatfájlok (json, xml) kezelése
10. Adatok analízise, hierarchikus csoportosítás
11. Sztochasztikus optimalizálás
12. Neurális hálózat tanítása, képfeldolgozás

1.Installing a Python notebook, basics, introduction to Python
2.Data types
3.Functions, error handling, file operations
4.NumPy, vector and matrix operations, linear algebra
5.SciPy, operations with sparse matrices, eigenvalues, eigenvectors
6.Numerical solution of ordinary differential equations, boundary conditions
7.Numerical solution of partial differential equations I
8.Numerical solution of partial differential equations II
9.Handling data files (JSON, XML)
10.Data analysis, hierarchical clustering
11.Stochastic optimization
12.Training neural networks, image processing