Модуль 7
23,00ч

Библиотека Numpy

7.1 Массивы Numpy
7.2 Операции над массивами Numpy
Часов в программе
4,00 часа
лекции
16,00 часов
практика
2,00 часа
самостоятельная
1,00 час
промежуточная аттестация
23,00 часа
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

Массивы Numpy Операции над массивами Numpy
Лекции
2,00ч
Практические занятия
7,00ч
Самостоятельная работа
1,00ч
Всего
10,00ч
Лекции
2,00ч
Практические занятия
9,00ч
Самостоятельная работа
1,00ч
Всего
12,00ч
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.