Магистратура
2024/2025





Программирование для анализа данных
Статус:
Курс обязательный (Цифровые коммуникации и продуктовая аналитика)
Направление:
42.04.01. Реклама и связи с общественностью
Кто читает:
Школа коммуникаций
Где читается:
Факультет креативных индустрий
Когда читается:
1-й курс, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Пеньков Антон Андреевич
Прогр. обучения:
Цифровые коммуникации и продуктовая аналитика
Язык:
русский
Кредиты:
3
Программа дисциплины
Аннотация
Дисциплина «Программирование для анализа данных» направлена на получение студентами практических навыков программирования на Python, работы в среде интерактивной разработки Jupyter Notebook, обработки, анализа и визуализации данных с помощью библиотеки Pandas, необходимых для дальнейшего изучения и применения машинного обучения и искусственного интеллекта при решении задач профессиональной деятельности в области цифровых коммуникаций.
Цель освоения дисциплины
- Целями освоения дисциплины «Программирование для анализа данных» являются: - овладение навыками программирования на языке Python; - овладение навыками работы в среде интерактивной разработки Jupyter Notebook; - овладение методами обработки, анализа и визуализации качественных и количественных данных для решения прикладных задач, возникающих в сфере управления интегрированными коммуникациями и маркетинга.
Планируемые результаты обучения
- Использует библиотеку pandas для анализа данных
- Работает в интерфейсе Jupyter Notebook, использует переменные и базовые объекты в Python
- Выполняет анализ и визуализацию данных в Python
- Парсит данные с веб-страниц
Содержание учебной дисциплины
- Тема 1. Введение в работу с Python и Jupyter Notebook.
- Тема 2. Основы работы с библиотекой Pandas.
- Разведывательный анализ данных в Python. Визуализация количественных и качественных данных в Python. Визуализация данных с помощью Pandas.
- Работа с API. Парсинг HTML-страниц.
Элементы контроля
- Групповое заданиеГрупповое задание на парсинг данных
- Домашние задания
- Практическая работаВыполнение упражнений на занятии
Промежуточная аттестация
- 2024/2025 2nd module0.4 * Групповое задание + 0.4 * Домашние задания + 0.2 * Практическая работа
Список литературы
Рекомендуемая основная литература
- Python для data science. - 978-5-4461-2392-6 - Васильев Юлий - 2023 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/390133 - 390133 - iBOOKS
Рекомендуемая дополнительная литература
- Hajba G.L. Website Scraping with Python: Using BeautifulSoup and Scrapy / G.L. Hajba, Berkeley, CA: Apress, 2018.
- McKinney, W. (2018). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython (Vol. Second edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1605925
- Seppe vanden Broucke, & Bart Baesens. (2018). Practical Web Scraping for Data Science : Best Practices and Examples with Python. Apress.