Научно-исследовательский семинар: Основы анализа данных в Python

Дорогие студенты!

Это страница курса «НИС: Основы анализа данных в Python», читаемого в 2-3 модулях 2025-2026 учебного года.
Курс является обязательным для студентов бакалаврской программы «Политология».

Преподаватель: Тамбовцева Алла Андреевна.

Программа курса.

Правила игры

Итоговая оценка = 0.2 × Квизы + 0.24 × Лабораторные работы + 0.16 × КР + 0.4 × Экзамен.

• Квизы: небольшие письменные работы на 10 минут. В квиз входят теоретические вопросы в формате независимого экзамена
  по анализу данных, а также практические вопросы по коду Python и интерпретации его выдач. Запускать код и пользоваться
  материалами во время квиза не разрешается. Оценка за квизы в 10-балльной шкале формируется на основе нормировки
  суммарного балла за все квизы на курсе.
• Лабораторные работы: наборы небольших практических задач в Python, для выполнения которых требуется вспомнить
  изучаемые на предыдущих курсах темы, необходимые для успешной работы на семинарах (материалы предоставляются
  преподавателем). Дедлайны по лабораторным работам жесткие, так как их выполнение привязано к занятиям по определенной
  теме. Оценка за них считается как неокругленное среднее арифметическое за все работы на курсе.
• КР: письменная работа (80 мин) в формате независимого экзамена по анализу данных по темам 2 модуля, состоит
  из теоретической части (часть А) и практической (части B и С). Практическая часть выполняется на компьютере
  в Python, ответы на вопросы переносятся в бумажные бланки.
• Экзамен: письменная работа в формате независимого экзамена по анализу данных, состоящую из частей А, B и C.
  Задания в части А теоретические, во время их выполнения нельзя пользоваться никакими материалами.
  Задачи в частях B, С практические, для их решения необходимо написать код Python и зафиксировать
  результат. Во время выполнения частей B и C разрешается пользоваться официальной памяткой.

Подготовка к НЭ по анализу данных

• Одна из целей курса – подготовка к независимому экзамену по анализу данных.
• Демоверсию экзамена и тренировочные варианты можно найти здесь в разделе
  Материалы для подготовки – Анализ данных. Базовый уровень (запись на курс в SmartLMS).
• Курс включает темы, пройденные ранее в рамках обязательных курсов по ТВиМС и регрессионному анализу,
  поэтому частично теория изучается (=повторяется) самостоятельно по предложенным материалам и в рамках
  онлайн-учебника «Анализ данных (Базовый)».

Некоторые материалы из LMS, а также разбор заданий для тренировки доступны в папке (пароль в рассылке).

Программное обеспечение

В рамках этого курса мы будем использовать язык Python и среду разработки Jupyter Notebook.
Также есть возможность работать в аналоге Jupyter Notebook онлайн, используя ресурс Google Colab
(для создания и редактирования файлов нужен аккаунт Gmail).

NB. На независимом экзамене не разрешается использовать облачные ресурсы, включая Google Colab.

Если у вас ничего не установлено или вы успели «удалить весь Python», перед занятиями 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.

Материалы 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]).

Материалы курса

Неделя 1. Шкалы данных. Датафреймы pandas: часть 1

• Шкалы данных и выбор способа описания данных в зависимости от шкалы
• Практикум 1. Датафреймы pandas: часть 1 (ipynb)