Zastosowanie języka Python
Informacje ogólne
| Kod przedmiotu: | 2400-ZEWW842 |
| Kod Erasmus / ISCED: |
14.3
|
| Nazwa przedmiotu: | Zastosowanie języka Python |
| Jednostka: | Wydział Nauk Ekonomicznych |
| Grupy: |
Przedmioty ścieżki Gospodarka cyfrowa |
| Punkty ECTS i inne: |
3.00
|
| 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 |
 
PN WT ŚR CZ PT |
| Typ zajęć: |
Konwersatorium, 30 godzin
|
|
| 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. |
|
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.
