Анализ данных в Python

2025/2026

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент организационного развития

Статус:

Курс обязательный

Когда читается:

3-й курс, 1, 2 модуль

Преподаватель

Привалов Игорь Васильевич

Программа дисциплины

Аннотация

Курс по анализу данных на Python представляет собой обширное обучение, нацеленное на развитие навыков работы с данными и аналитическими методами с помощью языка программирования Python. Курс включает в себя теоретические аспекты анализа данных, практические занятия и реальные проекты, которые помогут студентам приобрести необходимые навыки для решения задач анализа данных в различных областях.В ходе курса студенты изучают основы работы с данными, такие как обработка и преобразование данных, визуализация данных, статистический анализ и машинное обучение. Они также ознакомятся с различными библиотеками Python, такими как Pandas, NumPy, Matplotlib и Scikit-learn, которые являются основными инструментами для анализа данных на этом языке программирования.

Цель освоения дисциплины

• Научить студентов основным навыкам программирования на языке Python. Научить студентов основным методам извлечения и обработки данных, необходимым для дальнейшего обучения и работы по специальности. Познакомить студентов с основными концепциями и методами анализа данных, статистики и машинного обучения.

Планируемые результаты обучения

• Знает, чем наука о данных отличается от машинного обучения и статистики
• Владеть: навыками применения библиотеки Pandas при решении практических задач.
• Знать особенности работы с современными дистрибутивами Python
• Понимать принципы визуализация данных и построения эффективных панелей индикаторов
• Владеет базовыми навыками работы с данными: агрегированием, фильтрацией, созданием новых переменных, работой со сводными таблицами.
• Владеет процедурой обнаружения пропущенных значений. Умеет работать с пропущенными значениями: удаление и стратегии замены.
• Знает типы переменных. Знает меры центральной тенденции и разброса. Знает процедуру обнаружения выбросов. Умеет обрабатывать выбросы.
• Уметь применять машинное обучение для решения задач анализа данных
• Студент понимает роль Data Science в стратегическом развитии бизнеса.

Содержание учебной дисциплины

• Интро
• Инструменты для работы с данными в Python
• Типы переменных
• Работа с данными
• Визуализация
• Машинное обучение

Элементы контроля

• ТЕСТ
  Тест из курса по подготовке к экзамену
• Практическое задание
  Создание аналитического отчета по датасету и ответ на вопросы Критерии оценивания: Точность кода, оформление, полноту выполненных заданий, адекватность визуализаций и глубину аналитики. Важно, каждый ваш шаг снабжать текстом, чтобы не было голого кода, объясняйте что вы делаете и если вы получили что-то, что нужно анализировать, то дайте мне этот анализ в виде текста.

Промежуточная аттестация

• 2025/2026 1st module
  1 * ТЕСТ
• 2025/2026 2nd module
  1 * Практическое задание

Список литературы

Рекомендуемая основная литература

• Data Science : наука о данных с нуля, Грас, Дж., 2018
• Data Science. Наука о данных с нуля: Пер. с англ. — 2-е изд., перераб. и доп. - 978-5-9775-6731-2 - Грас Д. - 2021 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/bookshelf/356414 - 356414 - iBOOKS
• Маккинни, У. Python и анализ данных. Первичная обработка данных с применением pandas, NumPy и Jupiter : справочник / У. Маккинни , перевод с английского А. А. Слинкина. — 3-е изд. — Москва : ДМК Пресс, 2023. — 536 с. — ISBN 978-5-93700-174-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/348086 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Теоретический минимум по Big Data : все, что нужно знать о больших данных, Ын, А., 2019

Авторы

• Привалов Игорь Васильевич
• Белохлебова Наталья Александровна