SylabUZ

Wygeneruj PDF dla tej strony

Python dla analityków danych - opis przedmiotu

Informacje ogólne
Nazwa przedmiotu Python dla analityków danych
Kod przedmiotu 11.3-WK-IDD-PAD-S18
Wydział Wydział Matematyki, Informatyki i Ekonometrii
Kierunek Inżynieria danych
Profil ogólnoakademicki
Rodzaj studiów drugiego stopnia z tyt. magistra
Semestr rozpoczęcia semestr letni 2018/2019
Informacje o przedmiocie
Semestr 1
Liczba punktów ECTS do zdobycia 4
Typ przedmiotu obowiązkowy
Język nauczania polski
Sylabus opracował
  • dr hab. Krzysztof Przesławski, prof. UZ
Formy zajęć
Forma zajęć Liczba godzin w semestrze (stacjonarne) Liczba godzin w tygodniu (stacjonarne) Liczba godzin w semestrze (niestacjonarne) Liczba godzin w tygodniu (niestacjonarne) Forma zaliczenia
Wykład 15 1 - - Zaliczenie na ocenę
Laboratorium 15 1 - - Zaliczenie na ocenę

Cel przedmiotu

Zapoznanie studentów z elementami języka Python oraz środowiskiem przeznaczonym do przetwarzania danych. 

Wymagania wstępne

Znajomość podstawowych pojęć w zakresie matematyki dyskretnej i teorii prawdopodobieństwa.

Zakres tematyczny

Wykład: 

Środowisko IPython. Podstawy języka Python: struktury danych, instrukcje warunkowe, funkcje, moduły, drukowanie, wczytywanie i sczytywanie danych. Platforma Anaconda. Omówienie podstawowych pakietów przeznaczonych do przetwarzania danych.

Laboratorium:   

Obsługa narzędzia JupyterLab: tworzenie notatników, interaktywne obliczenia. Obsługa pakietów NumPy, SciPy, Matplotlib, Pandas. 

Metody kształcenia

Wykład z prezentacją multimedialną. Ćwiczenia laboratoryjne przy komputerze: rozwiązywanie zadań, prezentacja rozwiązań zadań domowych, dyskusja. 

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu Symbole efektów Metody weryfikacji Forma zajęć

Warunki zaliczenia

Warunkiem zaliczenia przedmiotu jest uzyskanie zaliczenia zarówno z wykładu, jak i laboratorium. Ocena końcowa jest średnią  ocen z obu form  zajęć. Ocena z wykładu jest wypadkową ocen z zadań domowych dotyczących głównie ‘czystego’  Pythona. Ocena z laboratorium zależy od aktywności i umiejętności rozwiązywania zleconych zadań praktycznych. 

Literatura podstawowa

1.  Zed A. Shaw, Python 3: proste wprowadzenie do fascynującego świata programowania, Helion 2018, ISBN 978-83-283-4141-8.

2.  Wes McKinney, Python w analizie danych, Helion 2018, ISBN 978-83-283-4081-7.

Literatura uzupełniająca

1. Guido van Rossum, Fred L. Drake, Jr., editor,   Python Tutorial, Release 3.7.0, Python Software Foundation 2018.

2. Guido van Rossum, Fred L. Drake, Jr.,  Przewodnik po języku Python Wydanie 2.3, PythonLabs 2004.

3. https://pl.wikibooks.org/wiki/Zanurkuj_w_Pythonie

4.  Dokumentacja i przewodniki on-line do pakietów i aplikacji NumPy, SciPy, Pandas, Matplotlib, Jupyter Notebook, JupyterLab.

Uwagi


Zmodyfikowane przez dr Maciej Niedziela (ostatnia modyfikacja: 26-09-2018 22:45)