Бакалавриат
2025/2026





Программирование на языке Python
ID 1071799
Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс обязательный (Вычислительные социальные науки)
Кто читает:
Департамент психологии
Где читается:
Факультет социальных наук
Когда читается:
1-й курс, 1 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Горденко Мария Константиновна
Язык:
русский
Кредиты:
4
Контактные часы:
56
Программа дисциплины
Аннотация
Язык программирования Python является одним из самых простых в освоении и популярных языков программирования. Данный язык является мощным инструментом анализа данных и может повысить эффективность практически любой деятельности в науке и индустрии. С помощью языка Python можно автоматизировать рутинные операции и обрабатывать объемы данных, на несколько порядков превышающие объемы, доступные для обработки вручную или с помощью электронных таблиц.Данный курс направлен на формирование компетенций в области понимания кода и написания собственных программ. В нем будут рассмотрены темы, которые необходимы для успешного освоения базовых типов данных и синтаксических конструкций Python, а также для подготовки к независимому экзамену по программированию начального и базового уровня.Дисциплина реализуется с помощью учебника «Python как иностранный» https://edu.hse.ru/course/view.php?id=133389
Цель освоения дисциплины
- Овладение студентами основами языка программирования Python, достаточными для понимания чужого кода и реализации собственных несложных программ.
Планируемые результаты обучения
- Создавать переменные, считывать информацию в переменные, обращаться к переменным.
- Работать со строками, применять индексацию и форматирование строк.
- Понимать ошибки, выданные программой, и исправлять их.
- Находить ошибки в чужом коде и исправлять их.
- Использовать логический тип данных, операторы сравнения, логические операторы.
- Писать собственные условные конструкции.
- Использовать циклы для обработки повторяющихся действий, прекращать работу цикла по условию.
- Использовать циклы для перебора последовательностей.
- Понимать логику работы цикла.
- Различать изменяемые и неизменяемые типы данных, понимать, какие методы работают с ними.
- Проводить операции над множествами, содержательно интерпретировать результаты.
- Создавать словарь и добавлять в него информацию, осуществлять поиск по словарю.
- Хранить и обращаться к данным внутри вложенных структур.
- Сортировать последовательности, сортировать словари по ключам и по значениям.
- Импортировать готовые функции и применять их.
- Писать собственные функции и применять их.
- Находить ошибки в чужих функциях и справлять их.
- Открывать и создавать текстовые файлы.
- Считывать, обрабатывать и анализировать информацию из файлов.
- Умеет работать в pandas
- Знает, как фильтровать, сортировать и группировать данные
- Умеет считать и интерпретировать описательные статистики
Содержание учебной дисциплины
- Введение в программирование. Основные типы данных. Создание переменных. Основные ошибки.
- Логический тип данных. Условные конструкции.
- Цикл while. Операторы break и continue. Использование else в цикле.
- Цикл for. Списки и кортежи. Функция map()
- Методы строк и списков. Срезы.
- Множества. Операции над множествами. Методы множеств.
- Словари. Методы словарей. Вложенные структуры данных.
- Сортировки, функция .sorted().
- Работа с функциями.
- Работа с текстовыми и табличными файлами.
- Основы работы в pandas
- Работа с pandas.
- Работа с текстовыми и табличными файлами
- Использование библиотеки NumPy для хранения и анализа данных
- Функциональное программирование.
- Основы объектно-ориентированного программирования, атрибуты, классы, наследование классов, взаимодействие классов.
- Работа с данными
- Морфология, лемматизация, распознавание именованных сущностей
- Регулярные выражения
- Тематическое моделирование
- Визуализация данных
- Введение в обработку естественного языка (NLP)
- Тематическое моделирование
- Регулярные выражения
- Визцализация текстовых данных
Элементы контроля
- ЭкзаменЭкзамен проходит дистанционно онлайн с прокторингом, используя две камеры (одна с компьютера, вторая со смартфона).
- Проект и защита проектаВыполняется в группах из 3 человек. Группу из 1-2 человек организовать можно, но только в исключительных случаях по согласованию с преподавателем. Проект представляет собой написание корректно работающей программы прикладного назначения с последующей обязательной устной защитой. Критерии и дедлайн сдачи проекта определяются преподавателем в начале курса и доводятся до студентов в первую неделю реализации дисциплины. Дедлайн является жестким. Не допускается сдача работы после установленного дедлайна. При этом студент может явиться на защиту и показать проект, однако в таком случае может получить оценку не выше 6 баллов. Защита проекта является *обязательной* для выставления оценки за проект. Формат проведения защиты определяет преподаватель не позднее, чем за семь дней до защиты.
- Мини-тестыАктивность на лекциях предусматривает участие в мини-тестах, которые проводятся на лекциях, если на них не запланирована другая форма текущего контроля. Мини-тесты проводятся на платформе SmartLMS в конце каждой лекции. В каждой викторине может быть от 3 до 5 вопросов, длительность — не более 10 минут. Вопросы могут быть как с одним вариантом ответа, так и с несколькими.
- Контрольная работаЗадания представляют собой написание кода. Задание студента проверяется на открытых и скрытых данных. Со штрафным режимом в 10% за каждую неверную попытку. С каждой неверной попыткой штраф увеличивается еще на 10%. Примеры заданий аналогичны примерам самостоятельных работ. Демоверсия контрольной работы размещается в открытом доступе не позднее семи дней до активности. Контрольная работа проходит дистанционно онлайн с прокторингом, используя две камеры (одна с компьютера, вторая со смартфона).
- Самостоятельные работыНа курсе предусмотрено 4 самостоятельных работы, рассчитанных на 20-30 минут. Работы размещаются на платформе SmartLMS и проводятся либо в конце, либо в начале лекции / семинара. Подробнее о дате, времени, точном количестве и темах заданий оповещает преподаватель не позднее, чем за неделю до активности. В каждой работе 2-3 задания на написание собственного кода. Задание студента проверяется на открытых и скрытых данных.
Промежуточная аттестация
- 2025/2026 1st module**Формула оценивания по дисциплине выглядит следующим образом.** - 0.1 х активность на лекциях / семинарах - 0.2 х самостоятельные работы - 0.2 х контрольная работа - 0.3 х проект и защита проекта - 0.2 х экзамен Оценка по формуле домножается на 0.9. Затем округляется по правилам арифметического округления (например, 3.49 округляется до 3, а 3.50 — до 4). В качестве итоговой оценки студенту выставляется минимум из полученной оценки и 8. Получение автоматов по курсу не предусмотрено.
Список литературы
Рекомендуемая основная литература
- 9781491962992 - Bengfort, Benjamin; Bilbro, Rebecca; Ojeda, Tony - Applied Text Analysis with Python : Enabling Language-Aware Data Products with Machine Learning - 2018 - O'Reilly Media - https://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1827695 - nlebk - 1827695
- 9781839216077 - Artasanchez, Alberto; Joshi, Prateek - Artificial Intelligence with Python : Your Complete Guide to Building Intelligent Apps Using Python 3.x and TensorFlow 2, 2nd Edition - 2020 - Packt Publishing - http://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=2366457 - nlebk - 2366457
- Learning Python : [covers Python 2.5], Lutz, M., 2008
- Nelli, F. (2015). Python Data Analytics : Data Analysis and Science Using Pandas, Matplotlib and the Python Programming Language. [Berkeley, CA]: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1056488
- Python - к вершинам мастерства : лаконичное и эффективное программирование, Рамальо, Л., 2022
- Python for data analysis : data wrangling with pandas, numPy, and IPhython, Mckinney, W., 2017
- Schneider, D. I. (2016). An Introduction to Programming Using Python, Global Edition: Vol. Global edition. Pearson.
- Изучаем Python. Т.1: ., Лутц, М., 2020
- Обработка данных в Python. Основы работы с библиотекой Pandas - Титов А. Н., Тазиева Р. Ф. - Казанский национальный исследовательский технологический университет - 978-5-7882-3164-8 - 2022 - русский - https://e.lanbook.com/book/331013 - ЛАНЬ - 331013
Рекомендуемая дополнительная литература
- Изучаем Python. Т.2: ., Лутц, М., 2020