Кто читает:: Департамент экономики

Статус:: Курс по выбору

Когда читается:: 2-й курс, 3 модуль

Abstract

Настоящая рабочая программа дисциплины устанавливает минимальные требования к зна-ниям и умениям студента, а также определяет содержание и виды учебных занятий и отчет-ности. Программа предназначена для преподавателей, ведущих дисциплину «Введение в науку о данных Python», учебных ассистентов и студентов направления подготовки 38.04.01. Эко-номика, обучающихся по образовательной программе «Прикладная экономика и математи-ческие методы».

Learning Objectives

Изучение основ программирования на языке Python для проведения статистических исследований
Знакомство с средой Jupyter
Получения навыков самостоятельного образования
Закрепления навыков статистического и модельного мышления

Expected Learning Outcomes

Владеет методами исследования моделей в области экономики
Умеет принимать решения при выборе того или иного алгоритма и может объяснить свой выбор
Умеет обобщать результаты, составлять программу исследований для решения профессиональных задач
Демонстрирует умение подготовить результаты своей научной работы в виде алгоритма
Может оценить разработанные алгоритмы с точки зрения эффективности
Демонстрирует умение применять современные методы и методики в преподавании в вузе на основании методов, показанных при онлайн обучении

Course Contents

Введение в Python
Введение в Jupyter
Библиотека NumPy
Работа с датасетами
Сводные таблицы
Группировка и шкалирование данных
Распределения
Тестирование гипотез в Python

Assessment Elements

самостоятельная работа
Преподаватель оставляет за собой право контроля аутентичности распечатки, попросив войти в личный кабинет студента на образовательном портале. Оценка за текущий контроль нормируется до 10 балльной шкалы и округляется по правилам арифметического округления по итогам прохождения онлайн курса.
экзамен
Итоговая оценка за экзамен выставляется как сумма балов по всем задачам. Максимальная оценка за экзамен нормируется до 10 балльной шкалы и округляется по правилам арифметического округления по итогам экзамена.

Interim Assessment

Interim assessment (3 module)
0.5 * самостоятельная работа + 0.5 * экзамен

Bibliography

Recommended Core Bibliography

Guttag, J. (2013). Introduction to Computation and Programming Using Python (Vol. Rev. and expanded ed). Cambridge, MA: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=622711
Hetland, M. L. (2017). Beginning Python : From Novice to Professional (Vol. Third edition). New York: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1174463

Recommended Additional Bibliography

Vanderplas, J.T. (2016). Python data science handbook: Essential tools for working with data. Sebastopol, CA: O’Reilly Media, Inc. https://proxylibrary.hse.ru:2119/login.aspx?direct=true&db=nlebk&AN=1425081.
Федоров Д. Ю. - ПРОГРАММИРОВАНИЕ НА ЯЗЫКЕ ВЫСОКОГО УРОВНЯ PYTHON 2-е изд. Учебное пособие для СПО - М.:Издательство Юрайт - 2019 - 161с. - ISBN: 978-5-534-11961-9 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/programmirovanie-na-yazyke-vysokogo-urovnya-python-446505

Магистерская программа «Прикладная экономика и математические методы»

Контакты

Introduction to Data Science in Python

Course Syllabus