Введение в регрессионный анализ: интенсив по Python

Дорогие студенты!

Это страница первой части обязательного курса «Введение в регрессионный анализ», читаемого на ОП «Политология» 2 курса бакалавриата в 1-2 модулях 2025-2026 учебного года. На этой странице будут публиковаться материалы по первой части курса (1-29 сентября), которая представляет собой интенсив по обработке данных в Python. Дальнейшие материалы будут доступны в SmartLMS и в рассылке на корпоративные почты.

Занятия в рамках интенсива по Python ведет Тамбовцева Алла Андреевна, далее лекции по курсу читает Стукал Денис Константинович, семинары ведет – Конча Валерия.

Ссылка на программу курса.

Правила игры

Формула оценки: 0.1 * Контрольная работа 1 + 0.15 * Практикум 1 + 0.1 * Контрольная работа 2 + 0.15 * Практикум 2 + 0.3 * Проверочные работы + 0.2 * Экзамен.

• Контрольная работа 1: письменная работа, состоит из вопросов с выбором ответа или кратким ответом. Предполагает выбор верных или неверных утверждений о базовых конструкциях и структурах данных Python, запись результата, получаемого после запуска представленного фрагмента кода, указание ошибок в коде или выбор безошибочных вариантов решений предложенной задачи. Запускать код на компьютере и пользоваться материалами во время работы запрещено.
• Практикум 1: практическая работа по загрузке и обработке данных по итогам интенсива в Python.
• Контрольная работа 2: письменная работа, охватывает материал всего курса.
• Практикум 2: практическая работа по обработке и анализу данных ближе к концу курса.
• Проверочные работы: небольшие письменные работы на лекциях.
• Экзамен: письменная работа в конце курса, экзамен является блокирующим.

Контрольная работа 1 и Практикум 1 – работы по итогам интенсива по Python, ориентировочные даты работ: контрольная работа – лекция 23 сентября, практикум – предпоследний семинар в сентябре (26 сентября).

Программное обеспечение

Для работы на курсе необходимо установить дистрибутив Anaconda (скачать можно здесь, регистрацию можно пропустить), 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 аналоге Jupyter Notebook онлайн, используя ресурс Google Colab (для создания и редактирования файлов нужен аккаунт Gmail).

Для подготовки к работе необходимо ознакомиться с материалами онлайн-курса:

• Видео. Подготовка рабочего места, инструкция по открытию файлов в Jupyter Notebook.
• Видео. Первая программа.

А также с материалами по работе в Jupyter Notebook и Google Colab:

• Запуск Jupyter без Anaconda Navigator (инструкция).
• Работа в Jupyter Notebook (видео), отличия Google Colab от Jupyter (видео).

Дополнительно для желающих:

• Набор текста в Jupyter Notebook (видео, ipynb), больше о Markdown.
• LaTeX: Overleaf, документация, материалы по LaTeX.

Материалы

Неделя 1. Введение в Python. Массивы NumPy

• Лекция 1. Введение в Python: написание кода, переменные, списки и массивы (слайды, код)
• Семинар 1. Операции с массивами NumPy: часть 1 (ipynb), решения (ipynb)
• Немного теории перед семинаром 2: о представлении чисел и более сложных условиях (ipynb)
• Семинар 2. Операции с массивами NumPy: часть 2 (ipynb), решения (ipynb)
• Задачи для тренировки по итогам недели 1 (ipynb)

Неделя 2. Описательные статистики. Датафреймы Pandas

• Лекция 2. Описательные статистики (слайды). Датафреймы Pandas и описание данных (код).
• Семинар 3. Операции с датафреймами Pandas: часть 1 (ipynb).
• Семинар 4. Операции с датафреймами Pandas: часть 2

Learning outcomes

Что нужно знать/уметь:

Неделя 1: импортировать библиотеку numpy, создавать массивы numpy из чисел или текстовых значений; выполнять векторные операции (умножение/деление массива на число, сложение/вычитание/умножение/деление нескольких массивов и подобные преобразования), проверять условия и фильтровать элементы массивов.

Основные операторы, функции и методы недели 1:

• операторы >, <, >=, <=, ==, !=, & и |;
• функция array() и метод .astype() из numpy();
• базовые функции sum() и len().