Introduction to Python for Data Science

2023/2024

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Department of Humanities (Faculty of Computer Science, Economics, and Social Sciences)

Course type:

Compulsory course

When:

2 year, 1, 2 module

Instructor

Senina, Anna

Программа дисциплины

Аннотация

Данный курс представляет собой адаптацию общеуниверситетского курса по анализу данных на Python для студентов образовательной программы «История» и направлен на формирование компетенций в области понимания кода и написания собственных программ. В курсе будут рассмотрены темы, которые необходимы для успешного освоения базовых типов данных и синтаксических конструкций Python. Также будут рассматриваться более специализированные вопросы, связанные с профилем ОП «История», такие как использование Python для анализа исторических источников и литературы, сбор корпуса источников для исследования, применение алгоритмов для проектов на основе исторического нарратива — ботов, игр и др.

Цель освоения дисциплины

• Научиться использовать пайтон для решения стандартных задач
• Уметь анализировать табличные данные с помощью пайтон

Планируемые результаты обучения

• Студент освоил базовый синтаксис Python и научился писать простые программы, использовать стандартные библиотеки для решения типовых задач
• Студент умеет читать и записывать файлы, анализировать информацию в текстовой и табличной форме с помощью Python
• Знать основы статистики, уметь выбирать инструменты для исторических исследований и интерпретировать полученные результаты

Содержание учебной дисциплины

• Базовые элементы синтаксиса Python. Основные типы данных
• Работа с файлами
• Базовая статистика в гуманитарных исследованиях

Элементы контроля

• Контрольная работа по программированию
• Проектное предложение
• Контрольная работа по анализу данных
• Проектное предложение
• Учебный хакатон
• Самостоятельная работа с онлайн-курсом
  Дисциплина реализуется в дистанционном формате, студент самостоятельно решает задания и оправляет преподавателю в SmartLMS скриншот выполненных заданий
• Учебный хакатон
• Самостоятельная работа с онлайн-курсом
  Дисциплина реализуется в дистанционном формате, студент самостоятельно решает задания и оправляет преподавателю в SmartLMS скриншот выполненных заданий
• Домашнее задание
  Домашнее задание по анализу данных (мини-проект)
• Мини-тесты
  Мини-тесты по пройденным темам

Промежуточная аттестация

• 2023/2024 учебный год 1 модуль
  0.5 * Контрольная работа по программированию + 0.2 * Мини-тесты + 0.3 * Учебный хакатон
• 2023/2024 учебный год 2 модуль
  0.3 * Домашнее задание + 0.5 * Контрольная работа по анализу данных + 0.2 * Мини-тесты

Список литературы

Рекомендуемая основная литература

• Data Science : наука о данных с нуля, Грас, Дж., 2018
• Златопольский, Д. М. Основы программирования на языке Python / Д. М. Златопольский. — 2-ое изд., испр. и доп. — Москва : ДМК Пресс, 2018. — 396 с. — ISBN 978-5-97060-641-4. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131683 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Маккинни, У. Python и анализ данных / У. Маккинни , перевод с английского А. А. Слинкина. — 2-ое изд., испр. и доп. — Москва : ДМК Пресс, 2020. — 540 с. — ISBN 978-5-97060-590-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131721 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Миркин, Б. Г.  Введение в анализ данных : учебник и практикум / Б. Г. Миркин. — Москва : Издательство Юрайт, 2020. — 174 с. — (Высшее образование). — ISBN 978-5-9916-5009-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/450262 (дата обращения: 27.08.2024).
• Северенс, Ч. Введение в программирование на Python : учебное пособие / Ч. Северенс. — 2-е изд. — Москва : ИНТУИТ, 2016. — 231 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100703 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Бизли, Д. Python. Книга рецептов / Д. Бизли, Б. К. Джонс , перевод с английского Б. В. Уварова. — Москва : ДМК Пресс, 2019. — 646 с. — ISBN 978-5-97060-751-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131723 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Бонцанини, М. Анализ социальных медиа на Python. Извлекайте и анализируйте данные из всех уголков социальной паутины на Python / М. Бонцанини , перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2018. — 288 с. — ISBN 978-5-97060-574-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/108129 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Митчелл, Р. Скрапинг веб-сайтов с помощю Python : руководство / Р. Митчелл , перевод с английского А. В. Груздев. — Москва : ДМК Пресс, 2016. — 280 с. — ISBN 978-5-97060-223-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100903 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Основы Data Science и Big Data. Python и наука о данных - 978-5-496-02517-1 - Дэви С., Арно М., Мохамед А. - 2017 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/354390 - 354390 - iBOOKS
• Практическая статистика для специалистов Data Science : 50 важнейших понятий: пер. с англ., Брюс, П., 2018

Авторы

• Сенина Анна Васильевна