Работа с BigData

2026/2027

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент организационного развития

Статус:

Курс обязательный

Когда читается:

1-й курс, 3 модуль

Преподаватель

Привалов Игорь Васильевич

Программа дисциплины

Аннотация

Курс предназначен для подготовки специалистов, обладающих знаниями и навыками в области обработки, анализа и интерпретации больших объемов данных, которые имеют критическое значение для принятия обоснованных решений в современном бизнесе и научных исследованиях. В рамках курса студенты освоят основные концепции и методы работы с большими данными, включая технологии хранения и обработки, а также языки программирования, используемые для анализа данных. Курс также охватывает аспекты визуализации данных, машинного обучения и статистического анализа, что позволит обучающимся извлекать ценные инсайты из больших наборов данных.

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

• Применяет библиотеку Pandas при решении практических задач
• Описывает особенности работы с современными дистрибутивами Python
• Называет типы переменных и применяет их для хранения различных данных
• Формулирует понятие Data Science и объясняет необходимость перехода к новой форме аналитики
• Даёт определения, описывает, импортирует, анализирует, обрабатывает, производит трансформацию и агрегацию данных
• Загружает и обрабатывает данные различных форматов
• Выявляет и обрабатывает пропущенные значения, дубликаты и выбросы в наборе данных
• Рассчитывает описательные статистики (среднее, медиану, дисперсию, квартили) для набора данных

Содержание учебной дисциплины

• Интро
• Инструменты для работы с данными в Python
• Основы синтаксиса Python
• Работа с данными
• Визуализация
• Машинное обучение

Элементы контроля

• ТЕСТ
• 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

• 2026/2027 3rd module
  0.5 * ТЕСТ + 0.5 * Практическое задание

Список литературы

Рекомендуемая основная литература

• Конкина, В. В. Введение в большие данные и анализ информации : учебное пособие / В. В. Конкина, А. Б. Борисенко, И. Л. Коробова. — Тамбов : ТГТУ, 2024. — 82 с. — ISBN 978-5-8265-2749-8. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/472331 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Чернышев, С. А.  Основы программирования на Python : учебник для вузов / С. А. Чернышев. — 2-е изд., перераб. и доп. — Москва : Издательство Юрайт, 2025. — 349 с. — (Высшее образование). — ISBN 978-5-534-17139-6. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/567821 (дата обращения: 02.07.2026).

Рекомендуемая дополнительная литература

• Python: Искусственный интеллект, большие данные и облачные вычисления - 978-5-4461-1432-0 - Пол Дейтел, Харви Дейтел - 2021 - Санкт-Петербург: Питер - https://ibooks.ru/products/371701 - 371701 - iBOOKS
• Коротеев, М. В., Основы машинного обучения на Python : учебник / М. В. Коротеев. — Москва : КноРус, 2024. — 431 с. — ISBN 978-5-406-12673-8. — URL: https://book.ru/book/952751 (дата обращения: 09.12.2025). — Текст : электронный.
• Основы Data Science и Big Data. Python и наука о данных - 978-5-496-02517-1 - Дэви С., Арно М., Мохамед А. - 2017 - Санкт-Петербург: Питер - https://ibooks.ru/products/354390 - 354390 - iBOOKS

Авторы

• Привалов Игорь Васильевич