Python w analizie danych ekonomicznych

nieobowiązkowe

Studenci zapisujący się na przedmiot muszą znać podstawy programowania (wiedzieć co to są zmienne, instrukcje do kontroli przepływu, pętle oraz funkcje).

Wymaganiem wstępnym jest umiejętność samodzielnej instalacji środowiska Python oraz Jupyter Notebook.

Celem zajęć jest nauczenie uczestników szybkiego i efektywnego wykorzystywania języka programowania Python na potrzeby przetwarzania i analizy danych w kontekście ekonomicznym. Studentom przedstawione zostaną najważniejsze biblioteki Pythona, które umożliwiają wykonywanie typowych zadań analityka biznesowego.

UWAGA!

Studenci zapisujący się na przedmiot muszą znać podstawy programowania (wiedzieć co to są zmienne, instrukcje do kontroli przepływu, pętle oraz funkcje).

Wymaganiem wstępnym jest umiejętność samodzielnej instalacji środowiska Python oraz Jupyter Notebook.

Zalecane jest posiadanie sprawnej instalacji Python na komputerze osobistym aby możliwa byłą samodzielna praca w domu.

Zajęcia realizowane w ramach projektu „Zintegrowany Program Rozwoju Dydaktyki ZIP 2.0”, współfinansowanego ze środków Europejskiego Funduszu Społecznego Program Fundusze Europejskie dla Rozwoju Społecznego 2021 2027 (FERS) (nr umowy: FERS.01.05 IP.08 0365/23 00).

• 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

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

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.

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%