Python для извлечения и обработки данных

Бакалавриат 2020/2021

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Клеточная и молекулярная биотехнология)

Направление: 06.03.01. Биология

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет биологии и биотехнологии

Когда читается: 1-й курс, 1, 2 модуль

Формат изучения: с онлайн-курсом

Преподаватели: Дейниченко Ксения Александровна, Широкова Лари Дмитриевна

Язык: русский

Кредиты: 5

Контактные часы: 20

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Курс «Python для извлечения и обработки данных» имеет целью обучить студентов не только работе в Python, но и основам программирования вообще, поскольку наиболее базовые принципы являются схожими почти во всех языках программирования. При решении ряда задач исследователи часто сталкиваются с необходимостью работать с большими массивами данных. Характер данных может быть очень разным: последовательности нуклеиновых кислот (ДНК, РНК), аминокислот (белки). Для того чтобы эффективно работать с разными типами данных, необходимо знать основы программирования, так как именно навыки программирования позволяют автоматически собирать необходимую информацию за достаточно быстрое время. В качестве языка программирования в данном курсе используется Python. Язык Python на данный момент является очень популярным, в том числе в исследованиях в рамках естественных наук. Дисциплина подразделяется на два блока. Первый блок посвящен основам программирования и включает необходимые для дальнейшей работы в Python темы: переменные и типы данных, списки и кортежи, словари, условные конструкции, циклы и функции. Второй блок посвящен решению прикладных задач в Python и включает темы, связанные со сбором и анализом данных: выгрузка данных с сайтов, парсинг веб-страниц, работа с таблицами, визуализация и разведывательный анализ данных. Студентам будет предложен проект, при выполнении которого они смогут применить полученные знания для анализа генома. Базовые навыки программирования позволят работать с биологическими данными различного уровня и размеров эффективнее и уже сегодня являются достаточно востребованными навыками у специалистов естественнонаучного профиля.

Цель освоения дисциплины

Овладение навыками программирования на языке Python, овладение методами сбора и обработки данных для решения задач анализа биологических последовательностей и биологической статистики

Планируемые результаты обучения

Умеет работать в среде Jupyter Notebook, умеет создавать переменные разных типов
Умеет решать прикладные задачи с применением условных конструкций и циклов
Умеет писать функции на Python и тестировать их
Умеет загружать файлы с данными разных форматов (cvs, txt и основанных на них биологических FASTA, genbank)
Умеет выполнять операции с массивами NumPy
Умеет выгружать информацию из веб- страниц на примере NCBI
Умеет выгружать информацию с помощью API
Умеет выполнять базовые операции с табличными данными средствами Python
Знает этапы предварительной обработки текста и умеет реализовывать их на практике
Знает особенности типов и структур данных: словарь, список, вложенные структуры, float, int, строка

Содержание учебной дисциплины

Начало работы в Python.
Установка Python 3 (дистрибутив Anaconda). Знакомство с интерфейсом Jupyter Notebook. Элементы языка разметки Markdown. Установка и импортирование библиотек. Элементарные вычисления в Python. Переменные в Python. Типы данных в Python: числовой, целочисленный, логический, строковый. Преобразование типов.
Управляющие конструкции в Python.
Понятие управляющих конструкций. Построение блок-схемы для понимания структуры кода. Условные конструкции и операторы if-else. Особенности использования оператора elif
Циклы в Python
Циклы for и while. Применение циклов к строкам, спискам, кортежам и словарям. Альтернатива коду с циклами: списковые включения.
Структуры данных в Python
Списки, кортежи, множества, словари. Изменяемые и неизменяемые типы данных.
Функции в Python
Устройство функций в Python. Написание простейших функций. Lambda-функции. Исключения. Поиск ошибок в коде и отладка.
Работа с файлами
Работа с файлами в Python: открытие, изменение, сохранение. Разные форматы хранения данных: csv-файлы, json-файлы, txt-файлы.
Работа с текстами
Регулярные выражения
Массивы NumPy
Массивы vs списки в Python. Работа с массивами NumPy. Применение массивов в анализе данных.
Работа с таблицами
Обзор возможностей библиотеки pandas. Преобразование датафреймов pandas: добавление строк и столбцов в таблицу, фильтрация строк по условиям. Группировка и агрегирование данных. Объединение таблиц.
Работа с html-файлами
Введение в HTML и элементы веб-дизайна. Извлечение данных из веб-страниц. Парсинг html-файлов в Python с помощью библиотек requests и BeautifulSoup.
Работа с API
Знакомство с API. API как источник данных.

Элементы контроля

Контрольная работа
Контрольная работа проводится в письменной форме с использованием синхронного прокторинга. Контрольная работа проводится на платформе Онлайн-образование в НИУ ВШЭ (https://online.hse.ru/), прокторинг на платформе Экзамус (https://hse.student.examus.net). На платформе Экзамус доступно тестирование системы (https://lms.demo.examus.net/syscheck_st). Компьютер студента должен удовлетворять требованиям: https://elearning.hse.ru/data/2020/05/07/1544135594/Технические%20требования%20к%20ПК%20студента.pdf.
Тесты
Онлайн-курс
Онлайн-курс "Python для извлечения и обработки данных" [URL: https://openedu.ru/course/hse/PYTHON/].
Проект
Защита проекта

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.15 * Защита проекта + 0.2 * Контрольная работа + 0.2 * Онлайн-курс + 0.25 * Проект + 0.2 * Тесты

Программа дисциплины

Программа дисциплины

Программа дисциплины

Аннотация

Цель освоения дисциплины

Планируемые результаты обучения

Содержание учебной дисциплины

Элементы контроля

Промежуточная аттестация

Список литературы

Рекомендуемая основная литература

Рекомендуемая дополнительная литература