Uniwersytet Warszawski, Wydział Nauk Ekonomicznych - Centralny System Uwierzytelniania
Strona główna

Zastosowanie języka Python

Informacje ogólne

Kod przedmiotu: 2400-ZEWW842
Kod Erasmus / ISCED: 14.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0311) Ekonomia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Zastosowanie języka Python
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Przedmioty ścieżki Gospodarka cyfrowa
Punkty ECTS i inne: 3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

nieobowiązkowe

Założenia (opisowo):

Uczestnictwo w zajęciach “Wprowadzenie do programowania w języku Python” lub w innym kursie z zbliżonym programem



Skrócony opis:

W ramach zajęć studentki i studenci poznają popularne zastosowania języka Python obejmujące: bazy danych,

web scraping, text mining oraz wizualizację danych. Nabyte umiejętności umożliwią im samodzielną pracę z

wykorzystaniem metod data science na studiach licencjackich/magisterskich

Zajęcia prowadzone są formie zdalnej

Pełny opis:

- Przegląd zastosowań języka Python: pozyskiwanie danych, analiza, wizualizacja

- Podstawowe operacje na danych z wykorzystaniem pakietów numpy i pandas

- Tworzenie i zarządzanie bazami danych w języku Python z wykorzystaniem BigQuery

- Webscraping I: zastosowanie biblioteki requests do zapytań poprzez interfejs API; dobre praktyki scrapowania

- Webscraping II: samodzielne pozyskiwanie nieustrukturyzowanych danych tekstowych przy użyciu biblioteki selenium

- Wizualizacja danych I: wykorzystanie biblioteki matplotlib do podstawowych wizualizacji danych

- Wizualizacja danych II: tworzenie wykresów w bibliotece seaborn

- Wizualizacja danych III: tworzenie interaktywnych wizualizacji z wykorzystaniem plotly

- Text mining: identyfikacja słów kluczowych, analiza ich częstotliwości i współwystępowania

- Konsultacje wyboru tematu i metodologii do case study

- Prezentacja case study wykorzystującego wybraną technikę poznaną w trakcie kursu (2 zajęcia)

Literatura:

Zajęcia opierać się będą na materiałach przygotowanych przez prowadzącego lub źródłach internetowych.

Literatura obowiązkowa nie jest przewidziana

Efekty uczenia się:

WIEDZA

- Student zna popularne zastosowania języka Python w różnych obszarach badawczych

- Student zna podstawowe sposoby zautomatyzowanego pobierania danych z internetu

- Student zna popularne metody analizy tekstu stosowane przy użyciu języka Python

- Student zna najważniejsze techniki wizualizacji danych

UMIEJĘTNOŚCI

- Student potrafi stworzyć i zarządzać bazą danych w języku Python

- Student potrafi zebrać internetowe dane tekstowe przy użyciu API lub samodzielnie napisanego skryptu

- Student umie przeanalizować duży zbiór tekstowy przy użyciu technik text miningowych

- Student umie sprawnie wizualizować dane z wykorzystaniem dobrych praktyk prezentacji

KOMPETENCJE SPOŁECZNE

- Student jest zaznajomiony z zasadami etycznego oraz legalnego pozyskiwania danych przy użyciu webscrapingu

Metody i kryteria oceniania:

Prezentacja końcowa

Zajęcia w cyklu "Semestr letni 2025/26" (jeszcze nie rozpoczęty)

Okres: 2026-02-16 - 2026-06-07
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 30 godzin więcej informacji
Koordynatorzy: Kristóf Gyódi, Satia Rożynek
Prowadzący grup: Kristóf Gyódi, Satia Rożynek
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę
Skrócony opis:

Zajęcia mają na celu rozwijanie praktycznych umiejętności związanych z analizą danych i programowania w języku Python. Kurs stanowi kontynuację kursu „Wprowadzenie do programowania w języku Python” oraz innych kursów wprowadzających do Pythona.

W ramach zajęć studentki i studenci poznają popularne zastosowania języka Python obejmujące: web scraping i praca z API, wizualizacja danych (tworzenie wykresów oraz interaktywnych wizualizacji), machine learning oraz przetwarzania danych tekstowych.

Nabyte umiejętności umożliwią im samodzielną pracę z wykorzystaniem metod data science na studiach licencjackich/magisterskich.

Pełny opis:

Plan kursu:

Przegląd zastosowań języka Python: pozyskiwanie danych, analiza, wizualizacja

Webscraping I: zastosowanie biblioteki requests do zapytań poprzez interfejs API; dobre praktyki scrapowania

Webscraping II: samodzielne pozyskiwanie nieustrukturyzowanych danych przy użyciu biblioteki Selenium

Wizualizacja danych I: wykorzystanie biblioteki Matplotlib

Wizualizacja danych II: tworzenie wykresów w bibliotece Seaborn

Wizualizacja danych III: tworzenie interaktywnych wizualizacji z wykorzystaniem Plotly

Wizualizacja danych IV: tworzenie interaktywnych aplikacji z Dash

Mapy i Dane przestrzenne: Folium i GeoPandas

Wstęp do Text Mining: dane tekstowe, identyfikacja słów kluczowych, analiza ich częstotliwości i współwystępowania

Wstęp do Machine Learning: przygotowanie danych, ML pipeline, pakiet sklearn, podstawowe metody (drzewo decyzyjne, support vektor machine)

Konsultacje wyboru tematu i metodologii do case study

Prezentacja case study wykorzystującego wybraną technikę poznaną w trakcie kursu (2 zajęcia)

Zaliczenie kursu oparte jest na przygotowaniu projektu w ramach pracy zespołowej. Projekt będzie się skupiał na wykorzystaniu języka Python do analizy danych, np. analizy wybranego zjawiska społecznego na podstawie empirycznego badania.

Szacunkowy nakład pracy studenta: 2ECTS x 25h = 50h

(K) - godziny kontaktowe (S) - godziny pracy samodzielnej

wykład (zajęcia): 0h (K) 0h (S)

ćwiczenia (zajęcia): 30h (K) 0h (S)

egzamin: 0h (K) 0h (S)

konsultacje: 2h (K) 0h (S)

praca z materiałami dodatkowymi umieszczanymi na platformie Moodle : 0h (K) 2h (S)

przygotowanie projektu zaliczeniowego: 0h (K) 10h (S)

Razem: 32h (K) + 18h (S) = 50h

Literatura:

Zajęcia będą opierać się na materiałach przygotowanych przez prowadzącego oraz na źródłach internetowych.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.
ul. Długa 44/50
00-241 Warszawa
tel: +48 22 55 49 126 https://www.wne.uw.edu.pl/
kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.2.0-7 (2025-06-25)