Uniwersytet Warszawski - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Przetwarzanie i analiza danych w języku Python

Informacje ogólne

Kod przedmiotu: 2400-ZEWW779 Kod Erasmus / ISCED: 14.3 / (0311) Ekonomia
Nazwa przedmiotu: Przetwarzanie i analiza danych w języku Python
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Przedmioty kierunkowe do wyboru - studia II stopnia EM - grupa 1 (3*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia EM - grupa 2 (1*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia EP - grupa 1 (3*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia EP - grupa 3 (1*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia FR - grupa 2 (2*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia FR - grupa 3 (4*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 1 (6*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 2 (2*30h)
Przedmioty kierunkowe do wyboru- studia I stopnia EP
Przedmioty wyboru kierunkowego dla studiów licencjackich EM
Przedmioty wyboru kierunkowego dla studiów licencjackich FIR
Przedmioty wyboru kierunkowego dla studiów licencjackich IE
Punkty ECTS i inne: 3.00
zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

nieobowiązkowe

Skrócony opis:

Celem zajęć jest wprowadzenie uczestników do programowania w języku Python, szczególnie w kontekście analizy i wizualizacji danych. W trakcie zajęć przedstawione zostaną odpowiednie narzędzia umożliwiające sprawne przygotowanie i obróbkę danych, a także metody wykorzystywane do analizy ekonomicznej. Dzięki temu każdy z uczestników będzie przygotowany do podjęcia bardziej zaawansowanych kursów programowania w przyszłości. Tempo zajęć i zakres materiału dopasowane zostaną do potrzeb uczestników. Wcześniejsza znajomość języka Python nie jest wymagana do udziału w zajęciach.

Pełny opis:

1. Wprowadzenie do programowania obiektowego. Instalacja środowiska, zapoznanie z Ipython Notebook. (1.5 h)

2. Struktury danych (string, lista, krotka, słownik, zbiór, data-frame) (1.5 h)

3. Kontrola przepływu (if-then-else, pętle) (1.5 h)

4. Operacje na danych: zastosowanie metod do obiektów (1.5 h)

5. Podstawy NumPy – operacje na macierzach (1.5 h)

6. Funkcje (1.5 h)

7. Przygotowanie i podstawowe przetwarzanie danych: importowanie zbiorów danych, ‘czyszczenie’, zapisywanie danych (3 h)

8. Przetwarzanie ‘wyczyszczonych’ zbiorów danych z wykorzystaniem biblioteki Pandas (4.5 h)

9. Wizualizacja danych (1.5 h)

10. Zastosowanie metod analizy danych (w zależności od potrzeb uczestników i pozostałego czasu) (3h)

11. Rozpoznawanie błędów i odnajdywanie sposobów ich naprawienia/rozwiązania (sukcesywnie w trakcie kursu)

Literatura:

W. McKinney, 2012, Python for Data Analysis, O’Reilly Media [tytuł PL: Python w analizie danych]

J. Grus, 2015, Data Science from Scratch, O’Reilly Media [tytuł PL: Data Science od podstaw]

Efekty uczenia się:

Student rozumie czym jest programowanie obiektowe.

Student potrafi przygotować środowisko potrzebne do korzystania z języka Python.

Student zna podstawy programowania w języku Python.

Student potrafi rozpoznawać błędy i odnaleźć sposób ich rozwiązania.

Student potrafi zaimportować dane i określić ich jakość.

Student rozumie problemy związane z koniecznością „czyszczenia” danych o niskiej jakości i potrafi te problemy rozwiązać.

Student potrafi przetwarzać dane, w zależności od jego potrzeb i postaci do jakiej potrzebuje je przetransformować na potrzeby dalszej analizy.

Student zna podstawowe metody do analizy i wizualizacji danych.

Student nabiera świadomości w jak dużym stopniu programowanie usprawnia pracę z danymi.

Metody i kryteria oceniania:

1. Kolokwium sprawdzające wiedzę nabytą w pierwszej części zajęć (50%).

2. Przygotowanie własnego projektu na podstawie przerobionego materiału (50%). Główne kryterium oceniania to poziom wykorzystania narzędzi i metod poznanych w trakcie zajęć. Możliwość wykorzystania narzędzi do publikowania stworzonego projektu (github, nbviewer), pozwalających na udowodnienie nabytych umiejętności w CV. Koncepcja projektu, w miarę potrzeb, w konsultacji z prowadzącym. Możliwe wskazówki od prowadzącego na temat koncepcji, na podstawie zainteresowań studenta.

Zajęcia w cyklu "Semestr zimowy 2021/22" (zakończony)

Okres: 2021-10-01 - 2022-02-20
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Konwersatorium, 30 godzin, 25 miejsc więcej informacji
Koordynatorzy: Damian Zięba
Prowadzący grup: Damian Zięba
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2021/22" (w trakcie)

Okres: 2022-02-21 - 2022-06-15
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Konwersatorium, 30 godzin więcej informacji
Koordynatorzy: Damian Zięba
Prowadzący grup: Damian Zięba
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr zimowy 2022/23" (jeszcze nie rozpoczęty)

Okres: 2022-10-01 - 2023-01-29
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Konwersatorium, 30 godzin więcej informacji
Koordynatorzy: Damian Zięba
Prowadzący grup: Damian Zięba
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.