SylabUZ
Nazwa przedmiotu | Języki skryptowe w analizie danych |
Kod przedmiotu | 11.3-WF-FizD-JSwAD-L-S14_genJ4MW8 |
Wydział | Wydział Fizyki i Astronomii |
Kierunek | Fizyka |
Profil | ogólnoakademicki |
Rodzaj studiów | drugiego stopnia z tyt. magistra |
Semestr rozpoczęcia | semestr zimowy 2017/2018 |
Semestr | 2 |
Liczba punktów ECTS do zdobycia | 3 |
Typ przedmiotu | obowiązkowy |
Język nauczania | polski |
Sylabus opracował |
|
Forma zajęć | Liczba godzin w semestrze (stacjonarne) | Liczba godzin w tygodniu (stacjonarne) | Liczba godzin w semestrze (niestacjonarne) | Liczba godzin w tygodniu (niestacjonarne) | Forma zaliczenia |
Laboratorium | 30 | 2 | - | - | Zaliczenie na ocenę |
W przypadku tego przedmiotu podstawowym językiem programowania jest Python i przy jego pomocy studenci powinni nabyć umiejętności analizy danych na przykładach konkretnych zadań. Studenci powinni zapoznać się z dostępnymi bibliotekami Pythona analiz danych i umieć korzystać z nich.
Zakłada się elementarną umiejętność programowania w dowolnym języku programowania oraz znajomość podstawowych metod matematycznych analizy danych.
- Wstęp do programowania w języku Pyton.
- Biblioteki NumPy, pandas, matplotlib, SciPy.
- Podstawy NumPy (przetwarzanie danych korzystając z tablic, metody matematyczne i statystyczne, zapis i odczyt danych na dysku w formacie binarnym i tekstowym).
- Podstawy Matplotlib: wykresy, wizualizacja.
- Szeregi czasowe (metody analizy).
Ćwiczenia laboratoryjne, praca indywidualna i praca w grupie, giełda pomysłów, praca z dokumentacją, samodzielne pozyskiwanie wiedzy, projekt.
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
Ocena końcowa: średnia ocen uzyskanych w trakcie laboratoriów z aktywności i krótkich testów sprawdzających postępy w nauce ( 50% oceny końcowej) oraz oceny projektu semestralnego (50 % oceny końcowej). Warunkiem zaliczenia projektu semestralnego jest jego wykonanie, przygotowanie i oddanie w przewidzianym terminie sprawozdania z projektu oraz jego prezentacja.
[1] Allen Downey, Think Python. How to Think Like a Computer Scientist, Green Tea Press, Needham, Massachusetts, 2013.
[2] Wes McKinney, Python for Data Analysis, O'Reilly Media Inc. (2013).
[3] Każdorazowo ustalana przez prowadzącego
1] Internet
[2] Każdorazowo ustalana przez prowadzącego
Zmodyfikowane przez prof. dr hab. Mirosław Dudek (ostatnia modyfikacja: 01-10-2017 18:26)