Анализ данных на Python: различия между версиями
Перейти к навигации
Перейти к поиску
(Новая страница: «Дорогие студенты! Это страница обязательного курса «Анализ данных на Python», читаемого на...») |
|||
| Строка 1: | Строка 1: | ||
Дорогие студенты! | Дорогие студенты! | ||
| − | Это страница обязательного курса «Анализ данных на Python», читаемого на программе '''«Разработка информационных систем для бизнеса»''' | + | Это страница обязательного курса '''«Анализ данных на Python»''', читаемого на программе '''«Разработка информационных систем для бизнеса»''' |
<br>2 курса бакалавриата в 4 модуле '''2024-2025''' учебного года. | <br>2 курса бакалавриата в 4 модуле '''2024-2025''' учебного года. | ||
| Строка 8: | Строка 8: | ||
== Правила игры == | == Правила игры == | ||
| − | + | Формула оценки: '''0.6 × ДЗ + 0.15 × Активность + 0.25 × Тест'''. | |
Пояснения: | Пояснения: | ||
| − | * ДЗ | + | * '''ДЗ''': мини-проекты, посвященные анализу и визуализации данных, а также сбору и обработке данных. |
| − | * Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов: <br>опоздание в пределах часа – штраф 10% от | + | * '''Активность''': участие в квизах, опросах и групповых заданиях на семинарах. |
| − | * | + | * '''Тест''': итоговый тест с закрытыми и открытыми вопросами по обработке, визуализации и анализу данных. |
| − | * | + | * Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов: <br>опоздание в пределах часа – штраф 10% от оценки, в пределах суток – штраф 30%. <br>Домашние задания, сданные позже, не принимаются и не оцениваются. |
| + | |||
| + | == Среда для работы == | ||
| + | |||
| + | Писать код Python на занятиях и рамках домашних заданий можно в любой среде (PyCharm, Jupyter Notebook, VS и другие).<br>На занятиях мы будем демонстрировать работу в Jupyter Notebook и PyCharm. Конспекты занятий с кодом будут опубликованы в виде ipynb-файлов на Github. Читать их можно онлайн, открывать с возможностью редактировать – преимущественно через Jupyter Notebook (в PyCharm их поддерживает только платная версия Professional). | ||
| + | |||
| + | * Если вы планируете работать в '''Jupyter Notebook''', проще всего установить дистрибутив '''Anaconda''' (скачать можно [https://www.anaconda.com/download здесь]), который включает в себя интерпретатор языка Python, библиотеки для обработки, анализа и визуализации данных, а также среду разработки Jupyter Notebook. Также есть возможность работать в Jupyter Notebook онлайн, используя ресурс [https://colab.research.google.com/ Google Colab] (для создания и редактирования файлов нужен аккаунт Gmail). Подробности по работе – см. ниже в неделе 0. | ||
| + | |||
| + | * Если вы планируете работать в '''PyCharm''', эту среду можно скачать по [https://www.jetbrains.com/pycharm/ ссылке], бесплатная версия Community. | ||
| + | |||
| + | == Материалы курса == | ||
| + | |||
| + | === Неделя 0. Про Python и Jupyter Notebook === | ||
| + | |||
| + | * Запуск Jupyter без Anaconda Navigator ([https://disk.yandex.ru/i/w6yPaRbPcm8yyg инструкция]). | ||
| + | * Работа в Jupyter Notebook ([https://disk.yandex.ru/i/2NYAqowJjmS2SA видео]), отличия Google Colab от Jupyter ([https://disk.yandex.ru/i/cGbacX28YtR08g видео]). | ||
| + | |||
| + | Дополнительно: | ||
| + | |||
| + | * Markdown: [https://gist.github.com/Jekins/2bf2d0638163f1294637 больше] про Markdown, знакомство с Jupyter Notebook и Markdown ([https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/icef/seminars/intro-jupyter.ipynb читать], [http://allatambov.github.io/icef/seminars/intro-jupyter.ipynb ipynb]). | ||
| + | |||
| + | <!--- | ||
| + | === Неделя 1. Про Python и Jupyter Notebook === | ||
| + | ---> | ||
Версия 00:14, 4 апреля 2025
Дорогие студенты!
Это страница обязательного курса «Анализ данных на Python», читаемого на программе «Разработка информационных систем для бизнеса»
2 курса бакалавриата в 4 модуле 2024-2025 учебного года.
Занятия ведут: Николаев Ян Андреевич, Тамбовцева Алла Андреевна.
Содержание
Правила игры
Формула оценки: 0.6 × ДЗ + 0.15 × Активность + 0.25 × Тест.
Пояснения:
- ДЗ: мини-проекты, посвященные анализу и визуализации данных, а также сбору и обработке данных.
- Активность: участие в квизах, опросах и групповых заданиях на семинарах.
- Тест: итоговый тест с закрытыми и открытыми вопросами по обработке, визуализации и анализу данных.
- Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов:
опоздание в пределах часа – штраф 10% от оценки, в пределах суток – штраф 30%.
Домашние задания, сданные позже, не принимаются и не оцениваются.
Среда для работы
Писать код Python на занятиях и рамках домашних заданий можно в любой среде (PyCharm, Jupyter Notebook, VS и другие).
На занятиях мы будем демонстрировать работу в Jupyter Notebook и PyCharm. Конспекты занятий с кодом будут опубликованы в виде ipynb-файлов на Github. Читать их можно онлайн, открывать с возможностью редактировать – преимущественно через Jupyter Notebook (в PyCharm их поддерживает только платная версия Professional).
- Если вы планируете работать в Jupyter Notebook, проще всего установить дистрибутив Anaconda (скачать можно здесь), который включает в себя интерпретатор языка Python, библиотеки для обработки, анализа и визуализации данных, а также среду разработки Jupyter Notebook. Также есть возможность работать в Jupyter Notebook онлайн, используя ресурс Google Colab (для создания и редактирования файлов нужен аккаунт Gmail). Подробности по работе – см. ниже в неделе 0.
- Если вы планируете работать в PyCharm, эту среду можно скачать по ссылке, бесплатная версия Community.
Материалы курса
Неделя 0. Про Python и Jupyter Notebook
- Запуск Jupyter без Anaconda Navigator (инструкция).
- Работа в Jupyter Notebook (видео), отличия Google Colab от Jupyter (видео).
Дополнительно:
