Модуль 4. Библиотеки Python для Data Science

Numpy, Matplotlib, Scikit-learn
Pandas
SciPy

Часов в программе

8,00 часов

лекции

16,00 часов

практика

22,00 часа

самостоятельная

2,00 часа

промежуточная аттестация

48,00 часов

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://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
 [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

Образовательные ресуры

 [Электронный ресурс]//URL.: https://www.sqlbi.com/ref/power-bi-visuals-reference/ - Power BI Visuals Reference
 [Электронный ресурс]//URL.: https://www.softcrylic.com/blogs/data-visualization-with-powerbi/ - Выбор подходящей визуализации данных с помощью Power BI.
 Документация Python [Электронный ресурс]//URL.:https://www.python.org/
 MySQL 5.7 Reference Manual [Электронный ресурс]//URL.: https://dev.mysql.com/doc/refman/5.7/en/tutorial.html
 MySQL 5.7 Reference Manual / Language Structure / Literal Values [Электрон-ный ресурс]//URL.: https://dev.mysql.com/doc/refman/5.7/en/literals.html
 The Redis Documentation [Электронный ресурс]//URL.: https://redis.io/documentation
 Что такое ClickHouse [Электронный ресурс]//URL.: https://clickhouse.yandex/docs/ru/
 Русскоязычное сообщество Ubuntu Linux [Электронный ресурс]. https://help.ubuntu.ru/wiki/vim

Учебно-методические материалы

Методы, формы и технологии

Метод проблемного обучения
Технология питчинга - защита проектов

Методические разработки

Методические рекомендации по промежуточной аттестации
Методические рекомендации по организации питчинга

Материалы курса

Дополнительные материалы модуля - Сложные запросы к SQLite. Поиск в базе данных.
Библиотеки - 10 лучших библиотек

Учебная литература

• Нархид Н. Apache Kafka. Потоковая обработка и анализ данных / Н. Нар-хид. — СПб.: Питер, 2019. — 320 c.
• Чаллавала Ш., Лакхатария Дж., Мехта Ч., Патель К. MySQL 8 для больших данных. — М.: ДМК Пресс, 2018. — 226с.
• Редмонд Эрик , Уилсон Джим Р. Семь баз данных за семь недель. Введе-ние в современные базы данных и идеологию NoSQL. — М: ДМК Пресс — 384с.
• Феррари А., Руссо М. Анализ данных при помощи Microsoft Power BI и Power Pivot для Excel. ДМК Пресс, 2020. - 288 с.
• Робинсон Ян, Вебер Джим, Эифрем Эмиль. Графовые базы данных: новые возможности для работы со связанными данными. — 2-е изд. — М.: ДМК Пресс, 2016. — 256 с.
• Шварц Б., Зайцев П., Ткаченко В., Заводны Дж., Ленц А., Бэллинг Д. MySQL. Оптимизация производительности, 2-е издание. — Пер. с англ. — СПб.: Символ-Плюс, 2010. — 832 с.
• Чарльз Белл, Мэтс Киндал и Ларс Талманн. Обеспечение высокой доступ-ности систем на основе MySQL / Пер. с англ. — М. : Издательство "Русская ре-дакция"; СПб. : БХВ-Петербург, 2012. — 624 с.
• Чашкин, Ю.Р. Математическая статистика. Анализ и обработка данных: Учебное пособие / Ю.Р. Чашкин; Под ред. С.Н. Смоленский. — Рн/Д: Феникс, 2017. — 236 c.
• Фаулер, Мартин, Садаладж, Прамодкумар Дж. NoSQL: новая методология разработки нереляционных баз данных. — Пер. с англ. — М.: ООО "И.Д. Виль-ямс", 2013. — 192 с.
• Халафян А. А., Боровиков В. П., Калайдина Г. В. Теория вероятностей, ма-тематическая статистика и анализ данных. Основы теории и практика на компь-ютере. Statistica. Excel. Более 150 примеров решения задач. Учебное пособие. — М.: Ленанд. 2017. 320 с.

Темы

Вычисления с помощью Numpy. Работа с данными в Pandas Визуализация данных в Matplotlib. Обучение с учителем в Scikit-learn Обучение без учителя в Scikit-learn.

Лекции
6,00ч

Практические занятия
4,00ч

Самостоятельная работа
6,00ч

Всего
16,00ч

Промежуточная аттестация 2,00 часа

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