Python Programming

2025/2026

Academic Year

RUS

Instruction in Russian

4

ECTS credits

Delivered at:

Department of Business Informatics

Course type:

Compulsory course

When:

2 year, 1, 2 module

Instructors

Блинков Арсений Викторович

Данилин Олег Алексеевич

Левин Данил Валерьевич

Sanochkin, Yury

Сусов Андрей Алексеевич

Чекмаева Софья Алексеевна

Эрденко Александр Сергеевич

Программа дисциплины

Аннотация

Язык программирования Python является одним из самых популярных языков программирования. Данный язык можно использовать почти во всех IT сферах, от анализа данных и автоматизации рутинных процессов до разработки игр. Данный курс даст студентам продвинутые навыки использования языка Python и навыки использования Python для задач обработки данных. Студенты смогут использовать полученные знания в своей профессиональной деятельности, а также при желании могут углубиться в заинтересовавшую сферу на профильных курсах.

Цель освоения дисциплины

• Уверенное владение языком программирования Python на базовом уровне для решения задач аналитики. Умение применять специальные библиотеки Numpy, Pandas для анализа бизнес-данных
• Выработка навыков осуществления первичного анализа данных, построения визуализаций данных и их интерпретация
• Знакомство с основными продуктовыми гипотезами, продуктовыми метриками. Умение их применять при решении бизнес-задач на практике
• Ознакомление с принципами извлечения данных с внешних ресурсов и обработки полученных данных
• Знакомство с машинным обучением в контексте задач классического машинного обучения
• Уверенное владение техниками теории вероятностей и математической статистики, в том числе и проведение A/B-тестирований, в контексте бизнес-задач на практике
• Знакомство с понятием временных рядов, в том числе неоднородных временных рядов, и умение использовать модели анализа временных данных для решения прикладных задач
• Ознакомление с основными инструментами production-решений и их применение в контексте задач программирования

Планируемые результаты обучения

• Владеть основами синтаксиса языка программирования Python
• Уметь писать простые программы на языке программирования Python
• Уметь применять специальные библиотеки Python для решения простых задач анализа данных
• Уметь применять подходы математической статистики для решения бизнес-задач
• Уметь работать и анализировать данные, имеющие временную отметку
• Уметь применять алгоритмы временных рядов на реальных данных
• Уметь отличать однородные и неоднородные временные ряды
• Уметь работать с неоднородными временными рядами, применять алгоритмы анализа и прогнозирования неоднородных временных рядов
• Владеть основами синтаксиса специальных библиотек для анализа данных: Numpy, Pandas
• Владеть основами синтаксиса библиотек Matplotlib, Seaborn
• Строить простейшие визуализации данных
• Применять на практике основы EDA, осуществлять разведочный анализ данных
• Работать с интерактивными визуализациями
• Уметь вычислять и анализировать продуктовые метрики
• Уметь строить и проверять продуктовые гипотезы
• Осуществлять парсинг данных с внешних ресурсов
• Работать с API внешних ресурсов
• Уметь применять машинное обучение для решения задач анализа данных
• Дифференцировать методы машинного обучения по типам решаемых задач, метрикам качества, функциям ошибки, применять методы машинного обучения на практике
• Уметь работать с дебагом и логированием через инструменты командной строки.
• Уметь создавать WEB-приложение с помощью фреймворка Flask.
• Уметь организовывать управление (создание, клонирование, коммиты, выгрузка и пр.) репозиторием Git

Содержание учебной дисциплины

• Введение в Python и библиотеки для анализа данных
• Задачи анализа данных, аналитики, основы EDA
• Продуктовые гипотезы, продуктовые метрики
• Извлечение данных
• Классическое машинное обучение. Обучение с учителем
• Математическая статистика в анализе данных
• Анализ и прогнозирование временных рядов
• Инструменты production-решений

Элементы контроля

• Активность
  Оценивание посещения и активности студента на семинарах, а также активности на лекциях
• Проект
  Оценка за практический проект по неоднородным временным рядам, выполняющийся в классе
• ДЗ
  Средняя оценка за все практические домашние задания, предусмотренные на курсе
• ГП
  Средняя оценка за все практические групповые инициативные проекты, предусмотренные на курсе
• Экзамен
  Экзамен представляет собой практическую работу, выполняемую студентами по результатам освоения курса
• КР
  Контрольная работа представляет собой проверочный элемент контроля, выполняемый студентами по результатам освоения первой половины курса

Промежуточная аттестация

• 2025/2026 2nd module
  0.22 * Активность + 0.21 * ГП + 0.1 * ДЗ + 0.13 * КР + 0.08 * Проект + 0.26 * Экзамен

Список литературы

Рекомендуемая основная литература

• Pandas for everyone : Python data analysis, Chen, D. Y., 2023
• Python for data analysis : data wrangling with pandas, numPy, and IPhython, Mckinney, W., 2017
• Python для data science, Васильев, Ю., 2023
• Python для сложных задач : наука о данных и машинное обучение, Плас, Дж. В., 2018
• Анализ временных рядов и прогнозирование : учебник для вузов, Афанасьев, В. Н., 2010
• Анализ данных : Статистические и вычислительные методы для научных работников и инженеров, Брандт, З., 2003
• Анализ социальных медиа на Python : извлекайте и анализируйте данные из всех уголков социальной паутины на Python, Бонцанини, М., 2018
• Введение в машинное обучение с помощью Python : руководство для специалистов по работе с данными, Мюллер, А., 2018
• Гринберг, М. Разработка веб-приложений с использованием Flask на языке Python / М. Гринберг. — Москва : ДМК Пресс, 2014. — 272 с. — ISBN 978-5-97060-138-9. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/90103 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Елисеев, А. И. Разработка веб-приложений с использованием фреймворка Flask : учебное пособие : в 2 частях / А. И. Елисеев, Ю. В. Минин, В. А. Гриднев. — Тамбов : ТГТУ, 2020 — Часть 1 — 2020. — 82 с. — ISBN 978-5-8265-2188-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/320318 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Елисеев, А. И. Разработка веб-приложений с использованием фреймворка Flask : учебное пособие : в 2 частях / А. И. Елисеев, Ю. В. Минин, В. А. Гриднев. — Тамбов : ТГТУ, 2021 — Часть 2 — 2021. — 84 с. — ISBN 978-5-8265-2438-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/320435 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Когнитивная бизнес-аналитика : учеб. пособие для вузов, Абдикеев, Н. М., 2012
• Фракталы и хаос в динамических системах : учеб. пособие, Кроновер, Р. М., 2006

Рекомендуемая дополнительная литература

• Data Mining : извлечение информации из Facebook, Twitter, Linkedin, Instagram, Github, Рассел, М., 2020
• Good charts : the HBR guide to making smarter, more persuasive data visualizations, Berinato, S., 2016
• Python для сложных задач: наука о данных и машинное обучение : пер. с англ., Плас, Дж. Вандер, 2019
• Visualizations and dashboards for learning analytics, , 2021
• Бизнес-аналитика: от данных к знаниям : учеб. пособие, Паклин Н.Б., Орешков В.И., 2010
• Большие данные в образовании: анализ данных как основание принятия управленческих решений : сб. науч. ст. I Международной конференции, 15 окт. 2020 г., Москва, , 2020
• Вся высшая математика. Т.5: Теория вероятностей; Математическая статистика; Теория игр, Краснов, М. Л., 2014
• Случайные процессы : краткий курс : учеб. пособие для вузов, Розанов, Ю. А., 1979
• Случайные процессы с независимыми приращениями, Скороход, А. В., 1986

Авторы

• Саночкин Юрий Ильич