• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2024/2025

Язык программирования Python

Статус: Курс по выбору (Современный социальный анализ)
Направление: 39.04.01. Социология
Когда читается: 1-й курс, 3 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Прогр. обучения: Современный социальный анализ
Язык: русский
Кредиты: 3

Программа дисциплины

Аннотация

Курс знакомит студентов с языком программирования Python и анализом данных. В рамках курса будут рассмотрены такие важные темы, как основы языка программирования Python, виртуальные среды, предобработка, анализ и визуализация данных (включая различные виды моделирования и алгоритмы машинного обучения), организация аналитического проекта.
Цель освоения дисциплины

Цель освоения дисциплины

  • освоить базовые понятия языка программирования Python
  • научиться работе с библиотеками Python
Планируемые результаты обучения

Планируемые результаты обучения

  • Устанавливает интерпретатор языка Python и пакеты для работы с данными. Устанавливает и настраивает среду разработки Python. Вызывает интерпретатор в командной строке и взаимодействует с ним.
  • Организует вычислительный проект. Создает и использует виртуальные среды Python.
  • Называет, различает и использует разные типы данных. Различает и использует операторы и ключевые слова. Создает классы и методы. Форматирует и проверяет код, обрабатывает ошибки.
  • Реализует загрузку данных, обрабатывает данные, используя пакеты numpy и pandas, и экспортирует данные в различные форматы.
  • Реализует сбор данных в сети с помощью парсинга или обращения к API.
  • Реализует визуализацию данных с помощью различных пакетов (matplotlib, seaborn и других).
  • Выполняет предобработку данных. Строит регрессионные и тематические модели. Объясняет основные понятия машинного обучения.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Язык программирования Python: введение
  • Основы и синтаксис языка Python
  • Обработка данных на языке Python
  • Визуализация данных
  • Разведочный анализ данных
  • Статистические тесты
  • Моделирование на языке Python
Элементы контроля

Элементы контроля

  • неблокирующий Упражнения
    Для закрепления навыков по работе с инструментарием студентам предлагается выполнить упражнения по работе на языке Python.
  • неблокирующий Проект по основам машинного обучения
    Проект по основам машинного обучения. Данные для задания предоставляются преподавателем или обсуждаются в индивидуальном порядке. Работа выполняется индивидуально. Студенты должны применить на конкретных данных методы машинного обучения, такие как регрессионный анализ, классификация и кластеризация, для решения поставленных задач. Проект должен быть написан с ориентацией на “заказчика”, то есть понятен потенциальному клиенту, содержать все необходимые пояснения и интерпретации. Результаты представляются в виде 1) отчета с таблицами / графиками, построением моделей, их выбором и оценкой для его обоснования, а также пояснениями, какие выводы должен сделать пользователь и какие элементы фокусируют внимание именно на этих выводах, 2) презентации ключевых моментов исследования с ответами на вопросы преподавателя/комиссии.
  • неблокирующий Проект по анализу данных
    Проект по анализу данных. Данные для задания предоставляются преподавателем или обсуждаются в индивидуальном порядке. Работа выполняется индивидуально. Студенты должны применить на конкретных данных методы обработки и визуализации данных, изученные на семинарах. Проект должен быть написан с ориентацией на “заказчика”, то есть понятен потенциальному клиенту, содержать все необходимые пояснения и интерпретации. Результаты представляются в виде 1) отчета с таблицами / графиками и пояснениями, какие выводы должен сделать пользователь и какие элементы фокусируют внимание именно на этих выводах, 2) презентации ключевых моментов исследования с ответами на вопросы преподавателя/комиссии.
  • неблокирующий Контрольная работа по курсу
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 3rd module
    0.25 * Контрольная работа по курсу + 0.35 * Проект по анализу данных + 0.25 * Проект по основам машинного обучения + 0.15 * Упражнения
Список литературы

Список литературы

Рекомендуемая основная литература

  • 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
  • Python for data analysis : data wrangling with pandas, numPy, and IPhython, Mckinney, W., 2017

Рекомендуемая дополнительная литература

  • Bernard, J. (2016). Python Recipes Handbook : A Problem-Solution Approach. [United States]: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1174476
  • Downey, A. (2012). Think Python. Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=477161

Авторы

  • Ярошенко Евгения Игоревна
  • Ильина Мария Ивановна