Plan de învățare

Programa Olimpiada Națională de Inteligență Artificială

Plan calendaristic – Noiembrie 2025

Obiectiv general: punerea fundației: recapitulare Python și concepte de bază.
Timp estimat: 8–12 ore/săptămână (1–2 ore/zi + weekend).
Început: 10 noiembrie 2025

Principii de organizare și recomandări

• Fiecare modul urmează structura: teorie → implementare → exerciții.
  Este important să „pui mâna pe cod”.
• Folosește platforma platform.olimpiada-ai.ro pentru probleme reale de concurs.
• La fiecare 3–4 săptămâni → alocă timp de recapitulare și consolidare.
• În ultimele luni → fă simulări de concurs (seturi de probleme + timp limită).
• Ține un jurnal de greșeli și concepte neînțelese și revino periodic asupra lor.

Noiembrie 2025 (10 – 30 noiembrie)

Săptămâna 1 (10–16 noiembrie)

Temă: Introducere + recapitulare concepte de bază în Python.

• Instalare mediu: Python 3.x, Jupyter Notebook / VSCode / PyCharm.
• Tipuri de date fundamentale: int, float, str, bool, liste, tupluri, dicționare, seturi.
• Exerciții simple:
  • Manipulare liste și stringuri (ex: inversare, substring, count, split).
  • Mini-probleme de pe HackerRank / CSES.

Săptămâna 2 (17–23 noiembrie)

Temă: Controlul fluxului și structuri mai avansate.

• Instrucțiuni condiționale: if / elif / else.
• Bucle: for, while, break, continue.
• List comprehensions & generator comprehensions.
• Exerciții integrate: probleme mici de manipulare de date.

Săptămâna 3 (24–30 noiembrie)

Temă: Funcții, module, OOP și proiect integrator.

• Funcții: parametri, valori returnate, recursivitate simplă.
• Module standard: math, itertools, functools.
• Clase și obiecte: constructor, metode, atribute, moștenire simplă.
• Citire / scriere fișiere text (.txt, .csv).
• Proiect final de lună:
  • Citire fișier CSV → procesare date → generare output (statistici / transformări).
  • Include o problemă de concurs simplă pentru autoevaluare.

✅ La finalul lunii:

• Recapitulare generală + verificare progres.
• Notează în jurnalul personal ce concepte mai necesită clarificare.

Decembrie 2025

Obiectiv: consolidare Python, manipulare matricială și pregătire pentru module IA.

Săptămâna 5 (1–7 dec)

• Manipularea datelor sub formă de matrice / tabele (liste de liste)
• Operații de bază pe matrici:
  • sumă pe linie / coloană
  • transpus
  • filtrare
• Exerciții pe date tabulare

Săptămâna 6 (8–14 dec)

• Biblioteci Python utile:
  • NumPy (vectori, matrici, operații algebrice de bază)
• Pandas:
  • DataFrame
  • selecție rânduri / coloane
  • filtrare
  • agregare
• Exerciții practice pe seturi mici de date (CSV)

Săptămâna 7 (15–21 dec)

• Operații pe imagini:
  • citire imagine (PIL, OpenCV)
  • transformări simple (grayscale, resize, flip)
• Reprezentarea unei imagini ca matrice de pixeli
• Exerciții de transformare imagini

Săptămâna 8 (22–31 dec)

• Proiect mic integrator:
  • date tabulare + imagini
  • generare output
• Recapitulare:
  • Python
  • NumPy
  • Pandas
  • procesare imagini

Ianuarie 2026

Obiectiv: noțiuni de bază din IA / ML, metrici, feature engineering.

Săptămâna 9 (1–7 ian)

• Introducere IA / ML:
  • învățare supervizată
  • învățare nesupervizată
• Metrici de evaluare:
  • acuratețe
  • precizie
  • recall
  • F1
  • matrice de confuzie

Săptămâna 10 (8–14 ian)

• Funcții de loss:
  • MSE
  • MAE
  • cross-entropy
• Optimizare:
  • gradient descent
• Preprocesare:
  • scalare (min-max, standard)
  • normalizare
  • codificare (one-hot)

Săptămâna 11 (15–21 ian)

• Split date:
  • train
  • validation
  • test
• Validare încrucișată (k-fold)
• Exerciții pe dataset-uri:
  • Iris
  • Titanic
  • Digits (scikit-learn)

Săptămâna 12 (22–31 ian)

• Proiect mic:
  • pipeline complet
  • preprocesare
  • model simplu (ex: regresie)
  • evaluare metrici
• Compararea variantelor de preprocesare

Februarie 2026

Obiectiv: modele de învățare automată de bază și comparații.

Săptămâna 13 (1–7 feb)

• Regresie liniară
• Regresie logistică
• Implementare:
  • de la zero
  • cu scikit-learn
• Regularizare:
  • L1 (Lasso)
  • L2 (Ridge)

Săptămâna 14 (8–14 feb)

• Naive Bayes:
  • Gaussian
  • Bernoulli
• KNN (k-nearest neighbors)

Săptămâna 15 (15–21 feb)

• Clustering:
  • K-means
  • DBSCAN
• Arbori de decizie:
  • entropie
  • Gini

Săptămâna 16 (22–28 feb)

• Random Forest
• Bagging
• Voting ensemble
• Compararea performanțelor pe același dataset
• Probleme ML pe Nitro AI Judge

Martie 2026

Obiectiv: preprocesare avansată, NLP de bază, imagini simple, concurs județean.

Săptămâna 17 (1–7 mart)

• Revizuire generală ML
• Exerciții mixte

Săptămâna 18 (8–14 mart)

• Preprocesare avansată:
  • imputare valori lipsă
  • transformări logaritmice
  • target encoding
• Regularizare
• Tuning hiperparametri (Grid Search)

Săptămâna 19 (15–21 mart)

• NLP:
  • tokenizare
  • stop words
  • stemming / lemmatizare (NLTK)
• Reprezentări text:
  • Bag-of-Words
  • TF-IDF

Săptămâna 20 (22–31 mart)

• Proiect NLP:
  • clasificare text (spam/ham, sentiment)
• Procesare imagini:
  • augmentare (flip, rotație, zoom)
• Etapa județeană:
  • participare
  • analiză subiecte și greșeli

Aprilie 2026

Obiectiv: embedding-uri, NLP avansat, CNN, simulări.

Săptămâna 21 (1–7 apr)

• Embedding-uri statice:
  • Word2Vec
  • GloVe
  • FastText
• Compararea embedding-urilor:
  • dimensiune
  • similaritate vectorială

Săptămâna 22 (8–14 apr)

• Pipeline NLP complet:
  • preprocesare
  • embeddings
  • clasificator
  • evaluare
• Experimente cu hiperparametri

Săptămâna 23 (15–21 apr)

• CNN:
  • straturi convoluționale
  • pooling
  • arhitectură de bază
• Implementare simplă:
  • TensorFlow / Keras / PyTorch

Săptămâna 24 (22–30 apr)

• Aplicare CNN:
  • cifre
  • imagini mici
• Proiect mixt:
  • text + imagine
• Simulări de concurs tematice

Mai 2026

Obiectiv: modele avansate, ultimele simulări, pregătire finală.

Săptămâna 25 (1–7 mai)

• Boosting:
  • Gradient Boosting
  • AdaBoost
• Bagging
• Stacking / Voting
• SVM:
  • kerneluri
  • margini
  • cost

Săptămâna 26 (8–14 mai)

• Reducerea dimensionalității:
  • PCA
  • LDA
• Gaussian Mixture Models (GMM)
• Optimizare hiperparametri:
  • GridSearch
  • RandomSearch
  • Optuna

Săptămâna 27 (15–21 mai)

• Recapitulare finală:
  • concepte teoretice
  • coduri uzuale
  • pipeline-uri
• Simulare completă de concurs:
  • 3–4 probleme
  • timp limitat
• Analiza și corectarea greșelilor

Concurs

• ONIA – Mai 2026
  • aplicarea tuturor cunoștințelor

Sumar compact