Data Analysis in Python

2024/2025

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Department of Applied Mathematics and Informatics (Faculty of Informatics, Mathematics, and Computer Science (HSE Nizhny Novgorod))

Course type:

Compulsory course

When:

4 year, 1, 2 module

Instructor

Larin, Alexander V.

Программа дисциплины

Аннотация

Курс "Анализ данных на Python" нацелен на изучение языка программирования Python и получение базовых знаний и навыков для обработки, визуализации и статистического анализа данных, а также дальнейшего прохождения более специализированных курсов в этой области (например, машинного обучения). Первая часть дисциплины отведена на изучение основ языка Python, по итогам которой слушатели узнают о типах и структурах данных и освоят такие базовые понятия программирования, как условные операторы, функции, рекурсии и циклы. В рамках курса будут пройдены основы различных парадигм программирования: процедурное, функциональное и объектно-ориентированное программирование. Слушатели научатся решать задачи по парсингу, препроцессингу и визуализации данных с помощью стандартных и внешних библиотек Python. С использованием онлайн-курса "Основы программирования на Python" [URL:https://ru.coursera.org/learn/python-osnovy-programmirovaniya].

Цель освоения дисциплины

• Ознакомление студентов с основами программирования на языке Python
• Получение навыков обработки и анализа данных с применением библиотек языка Python

Планируемые результаты обучения

• Знать основные структуры данных и парадигмы программирования
• Знать синтаксис и семантику основных конструкций языка программирования Python
• Уметь собирать, предобрабатывать и визуализировать данные и выводить их описательные статистики
• Уметь формулировать аналитическую задачу и реализовывать ее выполнение на Python

Содержание учебной дисциплины

• Введение в язык программирования. Условные операторы. Вещественные числа.
• Кортежи, цикл for, списки.
• Функции и рекурсия.
• Множества и словари. Функциональное программирование.
• Объектно-ориентированное программирование.
• Обработка данных.
• Визуализация данных.
• Парсинг данных
• Работа с внешними API различных сервисов.

Элементы контроля

• Контрольная работа 1
• Контрольная работа 2
• Индивидуальный проект
• Работа на семинарах

Промежуточная аттестация

• 2024/2025 2nd module
  0.25 * Индивидуальный проект + 0.25 * Контрольная работа 1 + 0.25 * Контрольная работа 2 + 0.25 * Работа на семинарах

Список литературы

Рекомендуемая основная литература

• Hastie, T., Tibshirani, R., Friedman, J. The elements of statistical learning: Data Mining, Inference, and Prediction. – Springer, 2009. – 745 pp.
• Lutz, M. (2008). Learning Python (Vol. 3rd ed). Beijing: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=415392
• McKinney, W. (2012). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython. Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=495822

Рекомендуемая дополнительная литература

• 9781491912140 - Vanderplas, Jacob T. - Python Data Science Handbook : Essential Tools for Working with Data - 2016 - O'Reilly Media - https://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1425081 - nlebk - 1425081
• Митчелл, Р. Скрапинг веб-сайтов с помощю Python : руководство / Р. Митчелл , перевод с английского А. В. Груздев. — Москва : ДМК Пресс, 2016. — 280 с. — ISBN 978-5-97060-223-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100903 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Авторы

• Ларин Александр Владимирович