Python w analizie danych ekonomicznych 2400-ZEWW1010
• Nauka programowanie w erze LLM
• Konfiguracja środowiska (IDE) – np. Zed.
• “Debugowanie błędów”
• Operacje na danych: Pandas
• Czas i daty
• Wizualizacje: Seaborn, matplotlib
• Python w internecie: korzystanie z API, JSON, XML,
• Web scraping: requests, webdriver
• Wykorzystanie wirtualnych środowisk
• Bazy danych a Python
• Proste aplikacje webowe: flask.
Szacunkowy nakład pracy studenta: 4ECTS x 25h = 100h
(K) - godziny kontaktowe (S) - godziny pracy samodzielnej
konwersatorium (zajęcia): 30h (K) 0h (S)
ćwiczenia (zajęcia): 0h (K) 0h (S)
egzamin: 2h (K) 0h (S)
konsultacje: 8h (K) 0h (S)
przygotowanie do ćwiczeń: 0h (K) 18h (S)
przygotowanie do wykładów: 0h (K) 0h (S)
przygotowanie do kolokwium: 0h (K) 0h (S)
przygotowanie do egzaminu: 0h (K) 18h (S)
Przygotowanie projektu zaliczeniowego: 0h (K) 24h (S)
Razem: 40h (K) + 60h (S) = 100h
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
WIEDZA
Uczestnik zna sposób wykorzystania języka Python oraz podstawowych jego pakietów w przygotowaniu, obróbce i przeprowadzeniu wybranych analiz danych w szczególności z zakresu zjawisk ekonomii.
Uczestnik zna możliwości aplikacyjne przedstawionych metod transformacji i analizy danych.
UMIEJĘTNOŚCI
Student potrafi przygotować środowisko programistyczne Python wraz z niezbędnymi do tego pakietami.
Student potrafi sczytywać i przekształcać dane, będące podstawą analizy ekonomicznej.
Uczestnik potrafi wyczytać dane, określić jakość danych, dokonać podstawowych manipulacji na danych, agregować dane warunkowo
Student potrafi przygotować złożone wizualizacje danych ilustrujące zjawiska ekonomiczno-społeczne
Student potrafi stworzyć prostą aplikację webową w języku Python.
KOMPETENCJE SPOŁECZNE
Uczestnik rozumie, że biegłe posługiwanie się językiem Python wymaga ciągłego praktykowania i doskonalenia własnych umiejętności, a niniejszy kurs daje mu umiejętności poszukiwania wiedzy.
Student rozumie, że język programowania oraz biblioteki, którymi się posługują podlegają ciągłym zmianą.
Student rozumie, że programowanie w Pythonie daje szereg uniwersalnych kompetencji, a dzięki wielu dostępnym bibliotekom swoje umiejętności może zastosować w wielu obszarach ekonomii jak również innych dziedzinach wiedzy.
Kryteria oceniania
Zaliczenie odbywać się będzie na podstawie egzaminu końcowego (pytania otwarte) oraz pracy zaliczeniowej/projektu, którego celem jest wykorzystanie umiejętności zdobytych w trakcie semestru poprzez stworzenie aplikacji webowej.
Projekt końcowy musi być realizowany w grupach 2-3 osobowych.
Egzamin końcowy 40%
Projekt (realizowany poza zajęciami) 60%
Literatura
Przedmiot dotyczy dynamicznie zmieniającego się środowiska programistycznego. W związku z tym zajęcia opierać się będą o materiały przygotowane, uaktualniane i udostępnione przez prowadzącego. Nie ma literatury obowiązkowej.
Literatura nieobowiązkowa.
Jake VanderPlas,Python Data Science Handbook Essential Tools for Working with Data, O'Reilly Media, 2016
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: