Магистратура 2025/2026

Программирование для анализа данных

Статус: Курс обязательный (Цифровые коммуникации и продуктовая аналитика)

Кто читает: Школа коммуникаций

Где читается: Факультет креативных индустрий

Когда читается: 1-й курс, 2 модуль

Онлайн-часы: 20

Охват аудитории: для своего кампуса

Преподаватели: Николаев Ян Андреевич

Язык: русский

Кредиты: 3

Контактные часы: 32

Программа дисциплины

Аннотация

Дисциплина «Программирование для анализа данных» направлена на получение студентами практических навыков программирования на Python, работы в среде интерактивной разработки Jupyter Notebook, обработки, анализа и визуализации данных с помощью библиотеки Pandas, необходимых для дальнейшего изучения и применения машинного обучения и искусственного интеллекта при решении задач профессиональной деятельности в области цифровых коммуникаций.

Цель освоения дисциплины

• Целями освоения дисциплины «Программирование для анализа данных» являются: - овладение навыками программирования на языке Python; - овладение навыками работы в среде интерактивной разработки Jupyter Notebook; - овладение методами обработки, анализа и визуализации качественных и количественных данных для решения прикладных задач, возникающих в сфере управления интегрированными коммуникациями и маркетинга.

Планируемые результаты обучения

• Использует библиотеку pandas для анализа данных
• Работает в интерфейсе Jupyter Notebook, использует переменные и базовые объекты в Python
• Выполняет анализ и визуализацию данных в Python
• Объясняет основные принципы работы с данными и умеет подготавливать их под задачи машинного обучения
• Формулирует основные принципы работы API, корректно интерпретирует документацию

Содержание учебной дисциплины

• Тема 1. Введение в работу с Python и Jupyter Notebook.
• Тема 2. Основы работы с библиотекой Pandas.
• Разведывательный анализ данных в Python. Визуализация количественных и качественных данных в Python. Визуализация данных с помощью Pandas.
• Работа с API. Препроцессинг данных

Элементы контроля

• Домашние задания
• Групповое задание
  Групповое задание на препроцесинг данных
• Практическая работа
  Выполнение упражнений на занятии

Промежуточная аттестация

• 2025/2026 2nd module
  0.4 * Групповое задание + 0.4 * Домашние задания + 0.2 * Практическая работа

Список литературы

Рекомендуемая основная литература

• Python для data science. - 978-5-4461-2392-6 - Васильев Юлий - 2023 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/390133 - 390133 - iBOOKS

Рекомендуемая дополнительная литература

• McKinney, W. (2018). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython (Vol. Second edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1605925
• Pilgrim, M. (2009). Dive Into Python 3. New York: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=326208
• Парсинг с помощью Python. Веб-скрапинг в действии. 3-е межд. изд. - 978-601-08-4570-1 - Митчелл Райан - 2025 - Астана: Спринт Бук - https://ibooks.ru/bookshelf/399818 - 399818 - iBOOKS

Авторы

• Грызунова Елена Аркадьевна
• Добромыслова Ксения Олеговна