Основы обработки, визуализации и анализа данных

Первый модуль направлен на освоение обучающимися основных методов обработки, визуализации и анализа данных и овладение практическими навыками программирования на языке Python, решения задач из области анализа данных с помощью библиотек языка программирования. Первый модуль включает в себя следующие темы:
1.1 Основные понятия и определения
1.2 Элементы Python
1.3 Библиотека Pandas для обработки и анализа данных. Библиотека NumPy
1.4 Визуализация данных. Визуализация с помощью библиотеки Matplotlib и Seaborn
1.5 Элементы статистики. Подготовка и исследование данных
1.6 Введение в машинное обучение

Часов в программе

18,00 часов

лекции

72,00 часа

практика

52,00 часа

самостоятельная

2,00 часа

промежуточная аттестация

144,00 часа

всего

Материально-технические условия реализации программы:

Вид занятий: Лекции
Требуемое ПО:
браузер Google Chrome, дистрибутив Anaconda

Вид занятий: Практические занятия
Требуемое ПО:
Браузер Google Chrome, дистрибутив Anaconda.

Вид занятий: Самостоятельная работа
Требуемое ПО:
Браузер Google Chrome, дистрибутив Anaconda.

Информационные ресуры

Электронный курс на открытом образовательном портале АлтГУ: https://public.edu.asu.ru/course/view.php?id=982
Google Colaboratory: https://colab.research.google.com/notebooks/intro.ipynb

Образовательные ресуры

Электронный курс на открытом образовательном портале АлтГУ: https://public.edu.asu.ru/course/view.php?id=982

Учебно-методические материалы

Методы, формы и технологии

Лекции, практические задания, материалы для самостоятельной работы

Методические разработки

Представлены в электронном курсе на открытом образовательном портале АлтГУ https://public.edu.asu.ru/course/view.php?id=982

Материалы курса

Материалы модуля представлены в электронном курсе на открытом образовательном портале АлтГУ https://public.edu.asu.ru/course/view.php?id=982

Учебная литература

1. Доусон М. Программируем на Python. – СПб: Питер, 2014. – 416 с.
2. Грас Дж. Data Science. Наука о данных с нуля. – СПб: БХВ-Петербург, 2017. – 336 с.
3. Силен Д., Мейсман А., Али М. Основы Data Science и Big Data. Python и наука о данных. – СПб: Питер, 2017. – 336 с.
4. Рашка С. Python и машинное обучение. – М.: ДМК Пресс, 2017. – 418 с.
5. Хейдт М. Изучаем pandas. – М.: ДМК Пресс, 2018. – 438 с.
6. Вандер П. Python для сложных задач: наука о данных и машинное обучение. – СПб.: Питер, 2018. – 576 с.

Темы

Основные понятия и определения Элементы Python Библиотека Pandas для обработки и анализа данных. Библиотека NumPy Визуализация данных. Визуализация с помощью библиотеки Matplotlib и Seaborn Элементы статистики. Подготовка и исследование данных Введение в машинное обучение

Лекции
2,00ч

Практические занятия
2,00ч

Самостоятельная работа
2,00ч

Всего
6,00ч

Промежуточная аттестация 2,00 часа

Промежуточная аттестация проводится путем оценивания отчетов по практическим заданиям