Анализ данных на Python: различия между версиями
| Строка 77: | Строка 77: | ||
* Списки vs массивы (ipynb). | * Списки vs массивы (ipynb). | ||
* Описание выборки, сохранённой в массив (ipynb). | * Описание выборки, сохранённой в массив (ipynb). | ||
| + | |||
| + | ===Лабораторная работа 2. Работа с массивами, ввод и вывод === | ||
| + | |||
| + | Для выполнения лабораторной работы помимо материалов недели 2 необходимо понимать<br> | ||
| + | устройство ввода и вывода в Python и быть знакомыми с методами .split() и .join(). Для этого можно: | ||
| + | |||
| + | * Прочитать [https://github.com/allatambov/ICEF24/blob/main/02-input-output-format.ipynb конспект] лекции ''Ввод-вывод и форматирование строк''. | ||
| + | * Прочитать [https://github.com/allatambov/PyAll23/blob/main/06-split-join.ipynb конспект] лекции ''Методы .split() и .join()'' и [разбор] задач по этой теме. | ||
| + | |||
| + | {| class="wikitable" | ||
| + | |- | ||
| + | ! Лабораторная работа !! Задания !! Дедлайн !! Куда сдавать | ||
| + | |- | ||
| + | | Лабораторная работа 2 || [https://github.com/allatambov/PyPerm24/blob/main/pyperm-lab02.ipynb ipynb] || 20 апреля 11:30 || [https://www.dropbox.com/request/VJTXjM1sQvWQDihEV6Ww ссылка] на Dropbox | ||
| + | |- | ||
| + | |} | ||
Версия 19:17, 14 апреля 2024
Дорогие студенты!
Это страница обязательного курса «Анализ данных на Python», читаемого на программе «Разработка информационных систем для бизнеса»
2 курса бакалавриата в 4 модуле 2023-2024 учебного года.
Занятия ведёт: Тамбовцева Алла Андреевна.
Содержание
Правила игры
Формула оценки: 0.4 × Лабораторные работы + 0.2 × ДЗ1 + 0.25 × ДЗ2 + 0.15 × ДЗ3.
Пояснения:
- Лабораторные работы: небольшие домашние задания, обязательные к выполнению к следующему занятию.
Могут включать задачи на закрепление пройденного материала или задачи, предполагающие самостоятельное
изучение небольших блоков по основам Python по предложенных материалам (конспекты или видео).
Всего запланировано 8 лабораторных работ с одинаковым весом. - Домашние задания: объёмные домашние задания по итогу нескольких пройденных тем. Представляют собой
индивидуальные мини-проекты, в которых необходимо поработать с предложенными данными по инструкции
и проинтерпретировать предложенные результаты. - Поздняя сдача лабораторных работ не предусмотрена.
- Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов:
опоздание в пределах часа – штраф 10% от полученной оценки, в пределах суток – штраф 30%.
Домашние задания, сданные позже, не принимаются и не оцениваются.
Среда для работы
Перед занятиями необходимо установить дистрибутив Anaconda (скачать можно здесь), который включает в себя
интерпретатор языка Python, библиотеки для обработки, анализа и визуализации данных, а также среду для работы
Jupyter Notebook. Также есть возможность работать в Jupyter Notebook онлайн, используя ресурс Google Colab
(для создания и редактирования файлов нужен аккаунт Gmail).
Подробности по установке и работе – см. ниже в неделе 0.
Материалы курса
Неделя 0. Напоминания про Python и Jupyter Notebook
Для подготовки к работе на курсе можно ознакомиться со следующими материалами онлайн-курса:
- Видео. Подготовка рабочего места, инструкция по открытию файлов в Jupyter Notebook.
- Видео. Первая программа, задачи для тренировки.
А также с материалами по работе в Jupyter Notebook и Google Colab:
- Запуск Jupyter без Anaconda Navigator (инструкция).
- Работа в Jupyter Notebook (видео), работа в Google Colab (видео).
Дополнительно:
- Набор текста в Jupyter (видео, ipynb).
- Markdown: больше про Markdown, знакомство с Jupyter Notebook и Markdown (читать, ipynb).
- LaTeX: Overleaf, документация, материалы других курсов по LaTeX.
Неделя 1. Индексируемые структуры данных в Python
- «Сырые» ipynb-файлы с занятий: группа 1, группа 2, группа 3, группа 4.
- Обзор индексируемых структур данных в Python: строки, кортежи, списки (ipynb).
- Цикл for и его аналоги: списковые включения и функция map() (ipynb).
Дополнительно:
- Визуализатор кода от Pythontutor.
- Методы на списках (ipynb), методы на строках (ipynb).
Лабораторная работа 1. Условные конструкции и индексируемые структуры
Для выполнения лабораторной работы необходимо знать формулировку логических выражений
и конструкцию if-elif-else в Python. Для этого (на выбор) можно:
- Прослушать материал темы 2 Условия и логические выражения онлайн-курса «Python как иностранный».
- Прочитать конспект лекции Логические выражения и условные конструкции.
- Изучить материалы онлайн-учебника Pythontutor.
Также могут пригодиться дополнительные материалы по методам на списках из недели 1.
| Лабораторная работа | Задания | Дедлайн | Куда сдавать |
|---|---|---|---|
| Лабораторная работа 1 | ipynb | 13 апреля 11:30 | ссылка на Dropbox |
Неделя 2. Знакомство с массивами NumPy
- «Сырые» ipynb-файлы с занятий: пара 1, пара 2.
- Списки vs массивы (ipynb).
- Описание выборки, сохранённой в массив (ipynb).
Лабораторная работа 2. Работа с массивами, ввод и вывод
Для выполнения лабораторной работы помимо материалов недели 2 необходимо понимать
устройство ввода и вывода в Python и быть знакомыми с методами .split() и .join(). Для этого можно:
- Прочитать конспект лекции Ввод-вывод и форматирование строк.
- Прочитать конспект лекции Методы .split() и .join() и [разбор] задач по этой теме.
| Лабораторная работа | Задания | Дедлайн | Куда сдавать |
|---|---|---|---|
| Лабораторная работа 2 | ipynb | 20 апреля 11:30 | ссылка на Dropbox |
