• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Практическое программирование и анализ данных в специализированных средах

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
6
Кредиты
Статус:
Курс обязательный
Когда читается:
1-й курс, 1-3 модуль

Программа дисциплины

Аннотация

Целями освоения дисциплины "Практическое программирование и анализ данных в специализированных средах" являются: • приобретение студентами практического навыка построения и анализа алгоритмов, а также навыка самостоятельной их реализации посредством программирования на современных языках программирования (на примере Python) и в специализированных пакетах (R). • формирование понимания технологии работы со сложными структурами программ и данных. • формирование представления о парадигмах программирования в специализированных средах. • развитие навыков практического программирования и анализа данных как на примере стандартных задач программирования (работа с деревьями, графами, обработка списков и массивов, символьное преобразование), так и в приложении к решению практических задач. • формирование основы для дальнейшего применения в области математического и компьютерного моделирования сложных социально-экономических систем и процессов.
Цель освоения дисциплины

Цель освоения дисциплины

  • приобретение студентами практического навыка построения и анализа алгоритмов, а также навыка самостоятельной их реализации посредством программирования на современных языках программирования (на примере Python) и в специализированных пакетах (R)
  • формирование понимания технологии работы со сложными структурами программ и данных
  • формирование представления о парадигмах программирования в специализированных средах
  • развитие навыков практического программирования и анализа данных как на примере стандартных задач программирования (работа с деревьями, графами, обработка списков и массивов, символьное преобразование), так и в приложении к решению практических задач
  • формирование основы для дальнейшего применения в области математического и компьютерного моделирования сложных социально-экономических систем и процессов
Планируемые результаты обучения

Планируемые результаты обучения

  • Демонстрирует знание особенностей синтаксиса Python
  • Умеет работать с файловой системой в Python
  • Имеет понимание объектно-ориентированного программирования в Python
  • Демонстрирует знание распространенного ПО для работы на удаленных серверах
  • Знает средства загрузки веб-страниц и файлов и системы управления версиями
  • Умеет работать с разреженными матрицами с помощью scipy
  • Умеет работать со структурированными / полуструктурированными данными в распространенных форматах
  • Умеет строить цепочки обработки данных для решения задач предсказания
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основы программирования на языке Python
    История создания языка Python. Понятие о Python как динамически типизированном интер-претируемом языке программирования высокого уровня. Особенности синтаксиса Python. Предло-жение о стиле форматирования программного кода PEP8. REPL и исполнение записанного в файл программного кода. Краткий обзор средств разработки на Python. Понятие о синтаксисе Python. Встроенные типы данных. Условный оператор. Циклы. Операторы безусловного перехода. Встроенные коллекции в Python. Работа с файловой системой в Python. Функции. Элементы функционального программирования в Python. Понятие об объектно-ориентированном программировании в Python.
  • Основы технологического обеспечения анализа данных
    Командная строка Linux. GNU coreutils. Распространённое ПО для работы на удалённых серверах. Средства загрузки веб-страниц и файлов (по протоколу HTTP). Системы управления версия-ми (git).
  • Основы сбора, предварительной обработки и анализа данных в Python
    Библиотека numpy. Работа с разреженными матрицами с помощью scipy. Основы работы с табличными данными средствами pandas. Введение в работу с реляционными базами данных. Работа со структурированными/полуструктурированными данными в распространённых форматах. Регулярные выражения в Python. Библиотека scikit-learn, обзор решаемых задач. Построение цепочки обработки данных для решения задач предсказания. Библиотека nltk. Обзор решаемых библиотекой за-дач.
Элементы контроля

Элементы контроля

  • неблокирующий Домашняя работа
  • неблокирующий Контрольная работа 1
  • неблокирующий Контрольная работа 2
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (3 модуль)
    Оценка за промежуточную аттестацию (3 модуль) равна 100% оценки за промежуточную аттестацию (2 модуль).
Список литературы

Список литературы

Рекомендуемая основная литература

  • Hetland, M. L. (2014). Python Algorithms : Mastering Basic Algorithms in the Python Language (Vol. Second edition). [New York, N.Y.]: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1174465

Рекомендуемая дополнительная литература

  • Garreta, R., & Moncecchi, G. (2013). Learning Scikit-learn : Machine Learning in Python: Experience the Benefits of Machine Learning Techniques by Applying Them to Real-world Problems Using Python and the Open Source Scikit-learn Library. Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=673033