Wprowadzenie do programowania w języku Python 2400-EM2WPJP
Plan kursu:
• Podstawy Pythona. Anaconda Navigator, środowiska wirtualne, edytory kodu, Jupyter Notebook
• Typy zmiennych, podstawowe struktury danych (lista, krotka, zbiór, słownik), kontrola przepływu (instrukcje warunkowe, pętle, wyjątki)
• Funkcje: argumenty, wartości lokalne i globalne, funkcje lambda, rekurencja
• Numpy: wektory, macierze, liczby losowe, funkcje matematyczne
• Pandas: DataFrame, praca z danymi (filtrowanie, grupowanie, łączenie danych)
• Pandas w praktyce: praca z większymi zbiorami danych (czyszczenie, statystki opisowe, dane tekstowe, daty, tworzenie własnych funkcji)
• Importowanie danych: pliki csv, excel, pickle
• Praca ze zbiorami statystycznymi: Eurostat, World Bank, OECD
• Wizualizacja danych: Matplotlib i Seaborn, przygotowanie atrakcyjnych wykresów
• Konsultacje dot. projektów zaliczeniowych
• Prezentacja projektu (2 zajęcia)
Zaliczenie kursu oparte jest na przygotowaniu projektu w ramach pracy zespołowej. Projekt będzie się skupiał na wykorzystaniu języka Python do analizy danych, np. analizy wybranego zjawiska społecznego na podstawie empirycznego badania.
Szacunkowy nakład pracy studenta: 2ECTS x 25h = 50h
(K) - godziny kontaktowe (S) - godziny pracy samodzielnej
wykład (zajęcia): 0h (K) 0h (S)
ćwiczenia (zajęcia): 30h (K) 0h (S)
egzamin: 0h (K) 0h (S)
konsultacje: 2h (K) 0h (S)
przygotowanie do ćwiczeń: 0h (K) 6h (S)
praca z materiałami dodatkowymi umieszczanymi na platformie Moodle : 0h (K) 2h (S)
przygotowanie projektu zaliczeniowego: 0h (K) 10h (S)
Razem: 32h (K) + 18h (S) = 50h
|
W cyklu 2025Z:
Plan kursu: • Podstawy Pythona. Anaconda Navigator, środowiska wirtualne, edytory kodu, Jupyter Notebook Zaliczenie kursu oparte jest na przygotowaniu projektu w ramach pracy zespołowej. Projekt będzie się skupiał na wykorzystaniu języka Python do analizy danych, np. analizy wybranego zjawiska społecznego na podstawie empirycznego badania. Szacunkowy nakład pracy studenta: 2ECTS x 25h = 50h |
Rodzaj przedmiotu
Koordynatorzy przedmiotu
W cyklu 2025Z: | W cyklu 2024Z: |
Efekty kształcenia
WIEDZA
Student/ka umie wyjaśnić różnicę między zintegrowanym środowiskiem programistycznym a edytorem tekstu
Student/ka ma świadomość istnienia różnych struktur danych, w tym innych niż podstawowe i wie, która jest odpowiednia do rozwiązania konkretnych problemów
Student/ka wie, do jakich zastosowań użyć podstawowych bibliotek języka Python oraz jak wyszukiwać biblioteki potrzebne mu do konkretnych zastosowań
Student/ka rozróżnia powszechne formaty danych i wie, jakiego narzędzia należy użyć do ich wczytania
Student/ka wie, jak przygotować analizę empiryczną na podstawie statystycznych zbiorów
Student/ka wie, gdzie szukać informacji dotyczących programowania
UMIEJĘTNOŚCI
Student/ka potrafi skonfigurować środowisko wirtualne oraz wybrać narzędzie, w którym będzie pisać kod, odpowiednio do swoich potrzeb
Student/ka potrafi przeanalizować dane samodzielnie pobrane ze źródeł internetowych do wykorzystania w jej/jego pracy licencjackiej lub magisterskiej
Student/ka potrafi napisać kod, który rozwiązuje problem w sposób efektywny
Student/ka umie wyszukiwać rozwiązania problemów w wyszukiwarce internetowej i dostosować znalezione rozwiązania
Student/ka umie korzystać z narzędzi generatywnej sztucznej inteligencji do wspomagania pisania kodu i dostosować znalezione rozwiązania
Student/ka potrafi przygotować atrakcyjnych wykresów i wizualizacji danych
KOMPETENCJE
Student/ka rozumie, że potrzebna jest zarówno praca własna, jak i stałe poszerzanie swojej wiedzy w komunikacji z innymi, aby osiągnąć sukces w programowaniu
Student/ka ma świadomość, że prawdopodobnie rozwiązanie problemu stojącego przed nią/nim zostało już znalezione i należy korzystać z doświadczenia innych
Student/ka potrafi prezentować swoją pracę i przedstawiać wnioski oparte na analizie danych
Kryteria oceniania
Wymagane są:
1) rozwiązanie zbioru zadań sprawdzających podstawową wiedzę i umiejętności
2) projekt końcowy
3) obecność (dopuszczalna liczba nieobecności: 2)
Jeśli warunki zaliczenia są spełnione, ocena końcowa zależy wyłącznie od projektu końcowego.
Zaliczenie kursu oparte jest na przygotowaniu projektu w ramach pracy zespołowej. Projekt będzie się skupiał na wykorzystaniu języka Python do analizy danych, np. analizy wybranego zjawiska z zakresu gospodarki międzynarodowej na podstawie empirycznego badania. Projekt składa się ze skryptu w języku Python oraz krótkiej prezentacji.
Literatura
Własne materiały dydaktyczne przygotowane na podstawie różnych źródeł (np. z dokumentacji z bibliotek)
VanderPlas, J. (2016), Python Data Science Handbook: Essential Tools for Working with Data, O’Reilly
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: