Język programowania Python dla analityków danych 2400-ZEWW750
• Podstawa Pythona. Sposoby instalacji środowiska. Wykorzystanie Ipython Notebook.
• Podstawy programowania: struktury danych, kontrola przepływu, funkcje, obiekt, metoda
• “Debugowanie błędów”
• Algebra liniowa: Numpy
• Operacje na danych: Pandas
• Czas i daty
• Bazy danych a Python.
• Wizualizacje: Seaborn, matplotlib
• Animacje w Pythonie
• Python w internecie: korzystanie z API, JSON, XML, geokodowanie.
• Web scraping: requests, webdriver
• Proste aplikacje webowe: bottle.
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
WIEDZA
Student po zakończeniu kursu zna podstawy programowania w języku Python.
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 R 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
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.
SU05, SU06, SK01, SK03, SU04, SU03, SU02, SU01, SW03, SW02, SW01, SW04, SW05, SK02, SK04
Kryteria oceniania
Zaliczenie odbywać się będzie na podstawie testu końcowego (test jednokrotnego wyboru) oraz pracy zaliczeniowej/projektu, którego celem jest wykorzystanie umiejętności zdobytych w trakcie semestru w analizie interesującego zbioru danych lub rozwiązania problemu analitycznego.
Test 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: