Модуль 4
14,00ч

Библиотека Pandas

Чтение и запись Excel и CSV файлов
Часов в программе
11,00 часов
практика
2,00 часа
самостоятельная
1,00 час
промежуточная аттестация
14,00 часов
всего
Материально-технические условия реализации программы:
Вид занятий: Лекции, практика и самостоятельные работы
Требуемое ПО:
Web приложение Zoom
Информационные ресуры
Python-библиотека для научных и инженерных расчётов - http://scipy.org/
библиотека pandas для анализа данных - http://pandas.pydata.org/
библиотека для эффективной работы с многомерными массивами данных -
http://www.numpy.org/
библиотека на языке программирования Python для визуализации данных - https://matplotlib.org
дистрибутив Python вместе с основными библиотеками для анализа данных и пакетным
менеджером conda - http://www.anaconda.com/
Образовательные ресуры
Python-библиотека для научных и инженерных расчётов - http://scipy.org/
библиотека pandas для анализа данных - http://pandas.pydata.org/
библиотека для эффективной работы с многомерными массивами данных -
http://www.numpy.org/
библиотека на языке программирования Python для визуализации данных - https://matplotlib.org
дистрибутив Python вместе с основными библиотеками для анализа данных и пакетным
менеджером conda - http://www.anaconda.com/

Учебно-методические материалы

Методы, формы и технологии

Лекции, практика и самостоятельные работы

Методические разработки

1. Эдвард Тафти (1983). Визуальное представление больших объемов информации.
2. Марк Лутц (2011). Изучаем Python.
3. Дж. Вандер Плас (2017). Python для сложных задач. Наука о данных и машинное обучение.

Курс “Introduction to Python for Data Science”
https://www.datacamp.com/courses/intro-to-python-for-data-science

Материалы курса

1. Эдвард Тафти (1983). Визуальное представление больших объемов информации.
2. Марк Лутц (2011). Изучаем Python.
3. Дж. Вандер Плас (2017). Python для сложных задач. Наука о данных и машинное обучение.

Курс “Introduction to Python for Data Science”
https://www.datacamp.com/courses/intro-to-python-for-data-science

Учебная литература

1. Эдвард Тафти (1983). Визуальное представление больших объемов информации.
2. Марк Лутц (2011). Изучаем Python.
3. Дж. Вандер Плас (2017). Python для сложных задач. Наука о данных и машинное обучение.

Курс “Introduction to Python for Data Science”
https://www.datacamp.com/courses/intro-to-python-for-data-science

Темы

Чтение и запись Excel и CSV файлов
Практические занятия
11,00ч
Самостоятельная работа
2,00ч
Всего
13,00ч
Промежуточная аттестация 1,00 час
Межмодульная диагностика по окончанию первого модуля представляет собой контрольное тестирование с 10 вопросами по изученным темам, с целью определения уровня полученных и усвоенных знаний слушателей.

Тестирование проводится с использованием единой информационной среды с электронными формами контроля и оценки, с возможностью фиксации цифрового следа.
У каждого слушателя есть три попытки на прохождение тестирования. Время на одну попытку - 60 минут. Для перехода к обучению на следующий модуль необходимо верно ответить на 50% вопросов.