Модуль 2. Python как инструмент работы с данными

Темы модуля:
2.1. Python для анализа данных
2.2 Работа с массивами данных
2.3 Статистика в Python

Часов в программе

27,00 часов

лекции

33,00 часа

практика

61,00 час

самостоятельная

6,00 часов

промежуточная аттестация

127,00 часов

всего

Материально-технические условия реализации программы:

Вид занятий: лекция, практическая, СР, промежуточная аттестация
Требуемое ПО:
Компьютер должен соответствовать следующим техническим характеристикам:
Процессор:
• Intel Core 2 DUO или более поздней версии с поддержкой SSE2 или AMD Athlon x2 и выше;
• 2 ядра и выше;
• 1,8 ГГц и выше;
Операционная система (одна из перечисленных):
• Windows 7 и выше;
• OS X Yosemite 10.10 или более поздней версии;
• Ubuntu 14.04 (x64) или более поздней версии,
• Debian 8 или более поздней версии
• OpenSUSE 13.3 или более поздней версии,
• Fedora Linux 24 или более поздней версии.
Оперативная память: 3 Гб и более;
Свободное место на жестком диске 500 Мб;
Стабильное интернет-соединение:
• Скорость интернет-соединения не менее 1 Мбит/сек.
Веб-камера с разрешением не менее 640х480 px.
Разрешена передача данных по сетевым портам: 80 TCP, 443 TCP, 3478 TCP/UDP
В случае несоответствия компьютера требуемым техническим характеристикам Университет не может гарантировать прохождение обучения.

Информационные ресуры

1. TrueConf Group https://trueconf.ru/
2. Miro https://miro.com/
3. Гугл Документы https://drive.google.com/drive/
4. Гугл диаграммы https://www.diagrams.net/
5. И ещё для опросов https://www.menti.com/
6. Zoom

Образовательные ресуры

Образовательная платформа АНО ВО Университета Иннополис - LMS (Робокод)
CRM
Google forms
https://github.com/

Учебно-методические материалы

Методы, формы и технологии

● лекции;
● практические занятия;
● самостоятельная работа;
● промежуточная аттестация

Методические разработки

Университет Иннополис обеспечен необходимым комплектом лицензионного программного обеспечения.
Каждый слушатель в течение всего периода обучения обеспечен индивидуальным неограниченным доступом к электронно-библиотечной системе (электронной библиотеке) и к электронной информационно-образовательной среде Университета (https://my.university.innopolis.ru). Электронно-библиотечная система и электронная информационно-образовательная среда обеспечивают возможность доступа, слушателя из любой точки, в которой имеется доступ к информационно-телекоммуникационной сети «Интернет» (далее - сеть «Интернет»), как на территории Университета, так и вне ее.
Также слушателям обеспечен доступ (удаленный доступ) к современным профессиональным базам данных и информационным справочным системам.
Для самостоятельной работы слушателей специальные помещения оснащены компьютерной техникой с возможностью подключения к сети «Интернет» и обеспечением доступа в электронную информационно-образовательную среду Университета.

Материалы курса

Материалы модуля расположены на странице курса LMS https://learn.innopolis.university/

Учебная литература

1. Воронов В. И., Воронова Л.И., Усачев В.А. Data Mining – технологии обработки больших данных. Учебное пособие /В. И. Воронов, Л.И. Воронова, В.А. Усачев. – М.: Московский технический университет связи и информатики, 2018 г. - Режим доступа: http://www.iprbookshop.ru/81324.html;
2. Воронова, Л. И. Интеллектуальные базы данных [Электронный ресурс]: учебное пособие / Л. И. Воронова. — Электрон. текстовые данные. — М.: Московский технический университет связи и информатики, 2013. — 35 c. — 2227-8397. — Режим доступа: http://www.iprbookshop.ru/63324.html;
3. Мирошников, А. И. Архитектура систем управления базами данных [Электронный ресурс]: учебное пособие / А. И. Мирошников. — Электрон. текстовые данные. — Липецк: Липецкий государственный технический университет, ЭБС АСВ, 2018. — 94 c. — 978-5-88247-879-6. — Режим доступа: http://www.iprbookshop.ru/83189.html;
4. Молдованова, О. В. Информационные системы и базы данных [Электронный ресурс]: учебное пособие / О. В. Молдованова. — Электрон. текстовые данные. — Новосибирск: Сибирский государственный университет телекоммуникаций и информатики, 2014. — 178 c. — 2227-8397. — Режим доступа: http://www.iprbookshop.ru/45470.html;
5. Мухина, Ю. Р. Управление данными. Ч. 2 [Электронный ресурс]: учебное пособие / Ю. Р. Мухина. — 2-е изд. — Электрон. текстовые данные. — Челябинск, Саратов: Южно-Уральский институт управления и экономики, Ай Пи Эр Медиа, 2019. — 144 c. — 978-5-4486-0710-3. — Режим доступа: http://www.iprbookshop.ru/81501.html;
6. Пальмов С. В. Интеллектуальный анализ данных [Электронный ресурс]: учебное пособие/ Пальмов С. В.— Электрон. текстовые данные. — Самара: Поволжский государственный университет телекоммуникаций и информатики, 2017.— 127 c.— Режим доступа: http://www.iprbookshop.ru/75376.html. — ЭБС «IPRbooks»;
7. Уэс Маккинли Python и анализ данных [Электронный ресурс]/ Уэс Маккинли— Электрон. текстовые данные.— Саратов: Профобразование, 2017.— 482 c.— Режим доступа: http://www.iprbookshop.ru/64058.html. — ЭБС «IPRbooks».

Темы

2.1. Python для анализа данных 2.2 Работа с массивами данных 2.3 Статистика в Python

Лекции
9,00ч

Практические занятия
11,00ч

Самостоятельная работа
20,00ч

Всего
40,00ч

Промежуточная аттестация 6,00 часов

зачет в форме выполнения практического задания