Python для анализа данных

2025/2026

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Паточенко Евгений Анатольевич

Язык: русский

Кредиты: 3

Контактные часы: 28

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс «Python для анализа данных» направлен на формирование практических навыков программирования на Python для анализа данных и разработки приложений. Студенты знакомятся с типизацией и аннотациями, основными возможностями стандартной библиотеки, инструментами разработки, принципами объектно-ориентированного программирования, средствами численных вычислений и обработки данных, инструментами визуализации, работой с внешними источниками данных и современными фреймворками для интеграции и развёртывания приложений. Программа включает работу с актуальными инструментами индустрии, что позволяет студентам освоить полный цикл разработки, тестирования и внедрения программных решений на Python для решения разнообразных прикладных и исследовательских задач в профессиональной сфере.

Цель освоения дисциплины

Сформировать у студентов практические навыки разработки на Python для анализа данных и создания приложений;
Развить компетенции в работе с численными вычислениями (NumPy, Pandas), визуализацией (Matplotlib, Streamlit), взаимодействием с внешними данными (API, веб-скрейпинг) и объектно-ориентированным программированием;
Обеспечить базовое (для группы 1) или продвинутое (для группы 2) понимание внутреннего устройства Python, профессиональных инструментов разработки) и развёртывания приложений в production.

Планируемые результаты обучения

Сформировать у студентов практические навыки разработки на Python для анализа данных и создания приложений.
Развить компетенции в работе с численными вычислениями (NumPy, Pandas), визуализацией (Matplotlib, Streamlit), взаимодействием с внешними данными (API, веб-скрейпинг) взаимодействием с внешними данными (API, веб-скрейпинг) и объектно-ориентированным программированием
Обеспечить базовое (для группы 1) или продвинутое (для группы 2) понимание внутреннего устройства Python, профессиональных инструментов разработки) и развёртывания приложений в production.

Содержание учебной дисциплины

Основы Python и типизация. Группа 1 Аннотации типов. Группа 2 Внутреннее устройство Python.
Разработка и инструментарий. Группа 1 Тулинг в Python. Группа 2 Тулинг в Python.
Объектно-ориентированное программирование (ООП). Группа 1 ООП: база ООП: полиморфизм, переопределение методов. Группа 2 ООП: полиморфизм, переопределение методов, дандер-методы
Численные вычисления и обработка данных. Группа 1 Библиотека NumPy. Группа 2 Библиотека NumPy.
Визуализация данных. Группа 1 Библиотеки для визуализации данных. Группа 2 Продвинутые визуализации.
Работа с внешними данными. Группа 1 Работа с API. Группа 2 Работа с API (проектирование с FastAPI).
Интеграция и развёртывание. Группа 1 Фреймворки Streamlit и Gradio (для развёртывания). Группа 2 Фреймворк FastAPI (построение REST API) и развёртывание приложений.

Элементы контроля

Домашнее задание 1
Домашнее задание 2
Домашнее задание 3
Экзамен

Промежуточная аттестация

2025/2026 2nd module
Итог = Округление(0.7 * ДЗ + 0.3 * Э), где ДЗ — средняя оценка за все домашние задания, Э — оценка за экзамен. ср. ДЗ рассчитывается без округления; итоговая оценка округляется арифметически (0.5 вверх). Для того, чтобы получить оценку «отлично» вам нужно набрать 8 – 10 баллов, «хорошо» 6 – 8 баллов, «удовлетворительно» 4-6 баллов.

Список литературы

Авторы

Ахмедова Гюнай Интигам кызы

Программа дисциплины