Data Analysis in Python

2024/2025

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Department of Information Technologies in Business (Faculty of Computer Science, Economics, and Social Sciences)

Course type:

Compulsory course

When:

3 year, 1 module

Instructor

Senina, Anna

Программа дисциплины

Аннотация

Курс «Анализ данных в Python» направлен на формирование у студентов компетенций, необходимых для решения основных задач анализа экономических данных с применением современных инструментальных средств (язык программирования Python и его библиотеки). Курс включает в себя знакомство с основами применения Python для манипуляций с рядами и табличными данными, выявления закономерностей в данных, построения моделей машинного обучения и решения иных задач анализа данных и Data Science в целом.

Цель освоения дисциплины

• Целью освоения дисциплины «Анализ данных» является овладение студентами основами статистики и анализа данных для применения в решении различных практических задач.

Планируемые результаты обучения

• Понимать и корректно использовать основные статистические понятия
• Фильтровать данные по нескольким условиям
• Создавать сводные таблицы
• Вычислять коэффициент корреляции Пирсона и интерпретировать полученные результаты
• Вычислять релевантные описательные статистики и интерпретировать полученные результаты
• Визуализировать данные с помощью простейших видов диаграмм: линейной, точечной, столбчатой
• Сортировать данные
• Переводить значения признака в z-оценки
• Обрабатывать пропущенные значения и выбросы
• Строить уравнение линейной регрессии с использованием метода наименьших квадратов
• Корректно открывать табличные данные различных форматов
• Использовать собственноручно написанные функции для обработки данных, создания новых переменных
• Вычислять описательные статистики и интерпретировать полученные результаты
• Использовать Excel или Python в применении к анализу данных

Содержание учебной дисциплины

• Введение в инструменты
• Введение в статистику. Базовые манипуляции с данными
• Типы данных. Создание новых переменных
• Генеральная совокупность и выборка. Частотные таблицы и распределения
• Описательные статистики: меры центральной тенденции и разброса
• Z-оценка. Выбросы.
• Корреляция
• Введение в визуализацию данных
• Линейная регрессия

Элементы контроля

• Контрольная работа (НЭ)_ 2
• Исследовательский проект
• Практические работы на семинарах
• Мини-тесты на лекциях
• Контрольная работа (НЭ)_ 1

Промежуточная аттестация

• 2024/2025 1st module
  0.2 * Исследовательский проект + 0.25 * Контрольная работа (НЭ)_ 1 + 0.25 * Контрольная работа (НЭ)_ 2 + 0.1 * Мини-тесты на лекциях + 0.2 * Практические работы на семинарах

Список литературы

Рекомендуемая основная литература

• Elementary statistics : a step by step approach, Bluman, A. G., 2007
• Frederick J Gravetter, Larry B. Wallnau, Lori-Ann B. Forzano, & James E. Witnauer. (2020). Essentials of Statistics for the Behavioral Sciences, Edition 10. Cengage Learning.
• Python — это просто. Пошаговое руководство по программированию и анализу данных: Пер. с англ. - 978-5-9775-6849-4 - Нисчал Н. - 2022 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/bookshelf/386516 - 386516 - iBOOKS
• Python для data science. - 978-5-4461-2392-6 - Васильев Юлий - 2023 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/390133 - 390133 - iBOOKS
• Маккинни, У. Python и анализ данных. Первичная обработка данных с применением pandas, NumPy и Jupiter : справочник / У. Маккинни , перевод с английского А. А. Слинкина. — 3-е изд. — Москва : ДМК Пресс, 2023. — 536 с. — ISBN 978-5-93700-174-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/348086 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Статистика и котики, Савельев, В. В., 2018

Авторы

• Карпович Марина Валерьевна
• Сенина Анна Васильевна