Analiza danych w języku Python 2100-CB-M-D2PYTH
* Przegląd i porównanie środowisk do pracy w Pythonie.
* Narzędzia do zarządzania kodem projektu.
* Zaawansowane struktury danych (listy, krotki, słowniki, zbiory) i ich zastosowanie do przetwarzania danych.
* Testowanie programów.
* Rozszerzone elementy programowania obiektowego.
* Elementy programowania funkcyjnego w analizie danych.
* Moduły i biblioteki.
* Przetwarzanie plików tekstowych.
* Przetwarzanie plików binarnych.
* Przetwarzanie wybranych popularnych formatów plików.
* Elementy analiza wydajności programów.
* Wykorzystanie wyrażeń regularnych do czyszczenia i przetwarzania danych.
* Biblioteka NumPy.
* Biblioteka pandas.
* Przykłady pozyskiwania danych z sieci (ang. web scraping).
Tryb prowadzenia
Założenia (lista przedmiotów)
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza:
* Metody pozyskiwania i analizowania poprawności danych (K_W05)
Umiejętności:
* Metody zapewniania bezpieczeństwa tworzonego oprogramowania (K_U02)
* Metody zapewniania jakości tworzonego oprogramowania (K_U06)
Kompetencje:
* Analizowania poprawności pozyskiwanych danych (K_K03)
Kryteria oceniania
Projekty programistyczne pisanie w trakcie semestru.
Literatura
* "Python Crash Course: A Hands-On, Project-Based Introduction to Programming.", Eric, Matthes, 3. wyd., no starch press, 2023.
* "Python for Data Analysis: Data Wrangling with Pandas, NumPy, and Jupyter." Wes McKinney, 3. wyd., O'Reilly Media, 2022.
Dodatkowo:
* "Serious Python: Black-Belt Advice on Deployment, Scalability, Testing, and More.", Julien Danjou, no starch press, 2018.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: