Бакалавриат
2026/2027
Анализ данных, искусственный интеллект и генеративные модели
ID 1171347
Статус:
Курс обязательный (Филология)
Кто читает:
Кафедра фундаментальной математики
Когда читается:
3-й курс, 3 модуль
Онлайн-часы:
20
Охват аудитории:
для своего кампуса
Преподаватели:
Левченко Мария Александровна
Язык:
русский
Кредиты:
3
Контактные часы:
40
Программа дисциплины
Аннотация
Курс "Анализ данных на Python" нацелен на изучение языка программирования Python и получение базовых знаний и навыков для обработки, визуализации и статистического анализа данных, а также дальнейшего прохождения более специализированных курсов в этой области (например, машинного обучения). Первая часть дисциплины отведена на изучение основ языка Python, по итогам которой слушатели узнают о типах и структурах данных и освоят такие базовые понятия программирования, как условные операторы, функции, рекурсии и циклы. В рамках курса будут пройдены основы различных парадигм программирования: процедурное, функциональное и объектно-ориентированное программирование. Слушатели научатся решать задачи по парсингу, препроцессингу и визуализации данных с помощью стандартных и внешних библиотек Python. С использованием онлайн-курса "Основы программирования на Python" [URL:https://ru.coursera.org/learn/python-osnovy-programmirovaniya].
Цель освоения дисциплины
- Ознакомление студентов с основами программирования на языке Python
- Получение навыков обработки и анализа данных с применением библиотек языка Python
Планируемые результаты обучения
- Знать основные структуры данных и парадигмы программирования
- Знать синтаксис и семантику основных конструкций языка программирования Python
- Уметь собирать, предобрабатывать и визуализировать данные и выводить их описательные статистики
- Уметь формулировать аналитическую задачу и реализовывать ее выполнение на Python
Содержание учебной дисциплины
- Введение в язык программирования. Условные операторы. Вещественные числа.
- Кортежи, цикл for, списки.
- Функции и рекурсия.
- Множества и словари. Функциональное программирование.
- Объектно-ориентированное программирование.
- Обработка данных.
- Визуализация данных.
- Парсинг данных
- Работа с внешними API различных сервисов.
- Python для анализа данных, алгоритмы
- Критерии качества статистических оценок. Сходимость по распределению и вероятности
- Проверка статистических гипотез.
- Метод максимального правдоподобия
- Базовые понятия программирования. Переменные, операторы, управляющие конструкции, циклы.
- Типы данных в Python. Функции и элементы функционального программирования.
- Извлечение данных из различных источников (HTML, XML, CSV, JSON).
- Дескриптивная статистика. Построение графиков и диаграмм в Python и R
- Математические инструменты Python. Библиотеки numpy и Scipy
- Статистические инструменты Python. Библиотеки pandas, Statsmodels, scikit-learn.
- Введение в программирование на R. Типы данных и управляющие конструкции
- Работа с данными в R. Библиотека tidyverse и её компоненты. dplyr и tidyr.
- Визуализация данных в R. Библиотека ggplot2.
- Основы работы с базами данных. Язык запросов SQL
- Извлечение информации из текстов. Регулярные выражения
- Линейная регрессия. Метрики для задачи регрессии. Разделение выборки на обучающую и тестовую. Понятие переобучения. Кросс-валидация.
- Логистическая регрессия. Метрики для задачи классификации.
- Решающее дерево. Случайный лес. Подбор параметров по сетке.
- Аналитика данных на Python
- Введение в инструменты
- Введение в статистику. Базовые манипуляции с данными
- Введение в статистику
- Введение в статистику. Базовые манипуляции с данными
- Типы данных. Создание новых переменных
- Генеральная совокупность и выборка. Частотные таблицы и распределения
- Описательные статистики: меры центральной тенденции и разброса
- Z-оценка. Выбросы.
- Корреляция
- Введение в визуализацию данных
- Продвинутая визуализация данных
Список литературы
Рекомендуемая основная литература
- Hastie, T., Tibshirani, R., Friedman, J. The elements of statistical learning: Data Mining, Inference, and Prediction. – Springer, 2009. – 745 pp.
- Lutz, M. (2008). Learning Python (Vol. 3rd ed). Beijing: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=415392
- McKinney, W. (2012). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython. Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=495822
Рекомендуемая дополнительная литература
- 9781491912140 - Vanderplas, Jacob T. - Python Data Science Handbook : Essential Tools for Working with Data - 2016 - O'Reilly Media - https://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1425081 - nlebk - 1425081
- Скрапинг веб-сайтов с помощю Python - Митчелл Р. - Издательство "ДМК Пресс" - 978-5-97060-223-2 - 2016 - русский - https://e.lanbook.com/book/100903 - ЛАНЬ - 100903