Модуль 4.Алгоритмы и структуры данных на Python

Введение в алгоритмизацию и реализация простых алгоритмов на Python
Циклы. Рекурсия. Функции.
Массивы. Кортежи. Множества. Списки.
Эмпирическая оценка алгоритмов на Python
Коллекции. Список. Очередь. Словарь.
Работа с динамической памятью
Алгоритмы сортировки
Деревья. Хэш-функция

Часов в программе

20,00 часов

лекции

6,00 часов

практика

14,00 часов

самостоятельная

2,00 часа

промежуточная аттестация

42,00 часа

всего

Материально-технические условия реализации программы:

Вид занятий: лекция
Требуемое ПО:
Любая современная операционная система и настроенная в зависимости от языка программирования среда разработки: любая привычная IDE, для Python — установленный интерпретатор с python.org и любая привычная IDE.

Вид занятий: практическая работа
Требуемое ПО:
Любая современная операционная система и настроенная в зависимости от языка программирования среда разработки: любая привычная IDE, для Python — установленный интерпретатор с python.org и любая привычная IDE.

Вид занятий: самостоятельная работа
Требуемое ПО:
Любая современная операционная система и настроенная в зависимости от языка программирования среда разработки: любая привычная IDE, для Python — установленный интерпретатор с python.org и любая привычная IDE.

Информационные ресуры

 [Электронный ресурс]//URL.: https://www.sqlbi.com/articles/calculated-columns-and-measures-in-dax/ - Calculated Columns and Measures in DAX
 [Электронный ресурс]//URL.: https://insightsoftware.com/blog/calculated-columns-vs-measures/ - Calculated Columns vs Measures
 [Электронный ресурс]//URL.: https://www.bluegranite.com/blog/understanding-the-differences-between-calculated-columns-measures-in-power-bi - Understanding the Differences Between Calculated Columns & Measures in Power BI

Образовательные ресуры

 [Электронный ресурс]//URL.: https://docs.microsoft.com/en-us/power-bi/visuals/power-bi-visualization-types-for-reports-and-q-and-a - Visualization types in Power BI
 [Электронный ресурс]//URL.: https://coolinfographics.com/dataviz-guides - DataViz Reference Guides

Учебно-методические материалы

Методы, формы и технологии

Технология машинного обучения
Метод проектного обучения

Методические разработки

Методические рекомендации по выполнению итогового проекта
Методические рекомендации по выбору языка программирования

Материалы курса

Дополнительные материалы - data-driven подход, CPD программиста, выбор языка программирования.

Учебная литература

• Бек К. Экстремальное программирование. Разработка через тестирование TDD. Питер СПб, 2020. - 224 с.
• Вайсфельд М. Объектно-ориентированное мышление. — СПб.: Питер, 2014. — 304 с.: ил.
• Дейт Крис Дж. Введение в системы баз данных Издательство Вильямс 2019 г
• Таненбаум Э., Уэзеролл Д. Компьютерные сети. Пер. с англ.– СПб.:Питер, 2019. – 960 с.
• Рамальо Л. Python. К вершинам мастерства / Пер. с англ. Слинкин А. А. – М. ДМК Пресс, 2016. – 768 с.: ил.
• Федоров, Д. Ю. Программирование на языке высокого уровня Python : учебное пособие для прикладного бакалавриата / Д. Ю. Федоров. – 2-е изд., перераб. и доп. – Москва : Издательство Юрайт, 2019. – 161 с.
• Штайн К., Кормен Томас Х. Алгоритмы. Построение и анализ. – Москва: Вильямс, 2019. – 1328 с.

Темы

Введение в алгоритмизацию и реализация простых алгоритмов на Python Циклы. Рекурсия. Функции. Массивы. Кортежи. Множества. Списки. Коллекции. Список. Очередь. Словарь. Работа с динамической памятью Алгоритмы сортировки Деревья. Хэш-функция

Лекции
4,00ч

Практические занятия
2,00ч

Всего
6,00ч

Промежуточная аттестация 2,00 часа

Промежуточная аттестация проводится в форме отчета по результатам выполнения практического задания по дисциплинам и проверки преподавателем.