Introduction to Python 2400-MIKRO-AIBF-IP
Kurs jest realizowany asynchronicznie za pośrednictwem internetowej platformy edukacyjnej i ma przygotować uczestników do korzystania z języka Python podczas Szkoły Letniej SPINAKER. Jest przeznaczony zarówno dla osób początkujących, jak i dla uczestników, którzy mają już pewne doświadczenie w pracy z Pythonem, ale potrzebują odświeżyć lub usystematyzować swoją wiedzę. Kurs rozpoczyna się testem poziomującym, który pozwala uczestnikom ocenić aktualny poziom umiejętności oraz określić zakres pracy przygotowawczej, jaką powinni wykonać przed rozpoczęciem szkoły letniej.
Kurs prowadzi od konfiguracji środowiska pracy w Pythonie po podstawową manipulację danymi i ich wizualizację, przygotowując uczestników do dalszych, bardziej zaawansowanych zastosowań Pythona w analizie danych.
Kurs obejmuje osiem tematów:
● Wprowadzenie do Pythona i środowisk pracy (VS Code / Jupyter)
● Poznanie typów i struktur danych w Pythonie
● Podstawy analizy danych i modelowania statystycznego w Pythonie
● Wizualizacja danych z wykorzystaniem Matplotlib i Seaborn
● Pętle i funkcje w Pythonie
● Manipulacja danymi z wykorzystaniem Pandas
● Praca z Jupyter Notebook i dokumentacją
● Zajęcia dodatkowe: jak pisać czysty, czytelny i powtarzalny kod w Pythonie
Każdy moduł obejmuje nagrany wykład, prezentację, skrypt w Pythonie (Jupyter Notebook) zawierający przykłady i ćwiczenia praktyczne oraz zadania do samodzielnego wykonania. Po zakończeniu każdego modułu uczestnicy rozwiązują krótki, podlegający ocenie quiz. Quizy można rozwiązywać wielokrotnie, a do oceny zapisywany jest najlepszy uzyskany wynik. Po ukończeniu modułów dydaktycznych uczestnicy wykonują końcowe studium przypadku z zakresu analizy danych, które pozwala im ocenić, na ile samodzielnie i swobodnie potrafią wykorzystać Pythona do realizacji kompletnego zadania analitycznego.
Projekt Application of Artificial Intelligence in Business and Finance (nr BPI/SPI/2024/1/00078) realizowany przez Uniwersytet Warszawski w ramach programu Spinaker organizowanego przez Narodową Agencję Wymiany Akademickiej (w ramach projektu Wsparcie tworzenia i realizacji międzynarodowych programów kształcenia, finansowanego ze środków Funduszy Europejskich dla Rozwoju Społecznego 2021-2027).
Koordynatorzy przedmiotu
Certyfikat mikropoświadczenia
Efekty uczenia się
Po zakończeniu przedmiotu uczestnik:
w zakresie wiedzy:
zna i rozumie podstawowe środowisko pracy w Pythonie oraz jego narzędzia (interpreter Pythona, pip, VS Code, Jupyter Notebook); zna i rozumie podstawowe typy i struktury danych w Pythonie (int, float, str, bool, list); zna i rozumie podstawy analizy danych i modelowania statystycznego, wizualizacji danych, pętli, funkcji oraz manipulacji danymi w Pandas; zna i rozumie podstawowe zasady pisania czystego, czytelnego i powtarzalnego kodu.
w zakresie umiejętności:
potrafi zainstalować i skonfigurować środowisko pracy w Pythonie; potrafi napisać i uruchomić proste skrypty Python (.py) oraz notatniki Jupyter; potrafi definiować i wykorzystywać zmienne, podstawowe typy danych oraz listy; potrafi pisać proste pętle i funkcje; potrafi wykonać podstawową manipulację danymi w Pandas oraz stworzyć proste wizualizacje w Matplotlib i Seaborn; potrafi korzystać z oficjalnej dokumentacji i wbudowanej pomocy w celu samodzielnego rozwiązywania prostych problemów.
w zakresie kompetencji społecznych:
jest gotów do metodycznego podejścia do problemów programistycznych oraz do debugowania kodu z wykorzystaniem komunikatów o błędach i dokumentacji; jest gotów do dalszego samodzielnego uczenia się z wykorzystaniem oficjalnych zasobów Pythona (dokumentacja, PyPI, zasoby społecznościowe).
Kryteria oceniania
Zaliczenie pisemne (post-test)
Literatura
1. Oficjalna dokumentacja Pythona — https://docs.python.org
2. Python Package Index (PyPI) — https://pypi.org
3. W3Schools Python Tutorial — https://www.w3schools.com/python/