Информация о курсе

О курсе

Основной целью курса является формирование у обучающихся определенного ООП  (п. 5.4 Общей характеристики ООП) состава компетенций для подготовки к профессиональной деятельности.

Курс посвящен дисциплине "Аналитика данных в Python", изучаемой в 5-м семестре бакалавриата "Прикладная информатика".
В курсе раскрываются вопросы алгоритмизации и основы программирования на языке Python, курс также знакомит студентов со стандартными возможностями языка и его библиотеками на уровне, достаточном для решения задач обработки и анализа данных. Рассматриваются базовые элементы и синтаксические конструкции языка Python 3. Описываются основные методы и приемы работы с рядами и табличными данными с применением популярных Python-библиотек.

Особое внимание уделяется самостоятельной проработке тем, связанных с основными анализа данных на языке Python.

1. Уверенное пользование языком Python для решения различных задач анализа данных, включая обработку, очистку и преобразование данных с использованием популярных библиотек (pandas, numpy), а также эффективно визуализировать полученные результаты средствами matplotlib и seaborn.

2. Умение проводить полный разведочный анализ набора данных, включающий выявление зависимостей между переменными, обнаружение аномалий и подготовку отчетов с подробной визуализацией результатов исследований.

3. Умение самостоятельно разрабатывать сценарии для анализа данных, выбирать подходящие алгоритмы для их обработки, применять статистические тесты и готовить структурированные презентации полученных выводов.

Компетенции, формируемые в курсе:

1. Способен применять естественнонаучные и общеинженерные знания, методы математического анализа и моделирования, теоретического и экспериментального исследования в профессиональной деятельности.

- Владеет навыками анализа данных.

- Умеет строить автоматизированные модели анализа данных.

- Знает основные технологии анализа данных.

2. Способен разрабатывать алгоритмы и программы, пригодные для практического применения.

- Владеет языками процедурного и объектно-ориентированного программирования.

- Умеет работать с современными системами программирования, включая объектно-ориентированные.

- Знает технологии разработки алгоритмов и программ, основы объектно- ориентированного подхода к программированию.

Направления подготовки бакалавриата:

09.03.03 "Прикладная информатика"

Модуль 1: Основы программирования на Python. Базовая статистика

Темы лекций:

1. Основы программирования на Python. Среда разработки Google Colaboratory.
2. Базовая статистика.

Темы практических занятий:

1. Математический аппарат языка Python. Введение в модуль NumPy.
2. Статистика и комбинаторика. Математическая библиотека Python – SymPy.
3. Анализ данных. Основы работы с Pandas.

Модуль 2: Библиотека NumPy и векторизованные вычисления

Темы лекций:

1. Введение в NumPy.
2. Операции с массивами.

Темы практических занятий:

1. Работа с текстовыми данными. Сбор данных из открытых источников. Предварительная обработка текстовых данных.
2. Построение и анализ сетей графов. Библиотека Networkx.

Модуль 3. Библиотека Pandas

Темы лекций:

1. Основы работы с Pandas.
2. Манипуляции с данными.

Темы практических занятий:

1. Модели и алгоритмы машинного обучения. Оценка алгоритмов машинного обучения. Прогнозирование данных. Библиотека SciPy, Sklearn.
2. Иерархическая кластеризация. Деревья решений. Случайный лес. Ансамбли моделей. Модуль Sklearn.
3. Обучение без учителя. Алгоритм кластеризации. Метод k-средних.

Продолжительность курса – 18 недель
Трудоемкость освоения курса – 144 часа
Трудоемкость курса – 4 зачетные единицы
Форма контроля – экзамен

Разумников Сергей Викторович, кандидат технических наук, доцент