Python и основы анализа данных

Бакалавриат 2025/2026

Статус: Курс обязательный (Прикладная математика и информатика)

Кто читает: Базовая кафедра Яндекс

Где читается: Факультет компьютерных наук

Когда читается: 1-й курс, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Бронер Валентина Игоревна

Язык: русский

Кредиты: 4

Контактные часы: 56

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина предназначена для начинающих и знакомит с основами программирования на Python, а также его применением в анализе данных. Участники освоят ключевые библиотеки, такие как Pandas, NumPy и Matplotlib, научатся обрабатывать, визуализировать и анализировать данные, работать с файлами и выполнять простые статистические расчёты. Курс сочетает теорию с практическими заданиями, помогая развить навыки, необходимые для дальнейшего изучения Data Science и аналитики. Подходит для всех, кто хочет начать работать с данными, используя Python.

Цель освоения дисциплины

Умение проводить базовый анализ данных
Работа с базами данных на продвинутом уровне с помощью Python
Создание веб-страничек и их форматирование
Навык визуализации с помощью Python
Умение писать асинхронные и мультипроцессинговые скрипты
Умение работать с API
Создание телеграм-ботов

Планируемые результаты обучения

Умение писать асинхронные и мультипроцессинговые скрипты
Умение работать с API
Создание телеграм-ботов

Содержание учебной дисциплины

Знакомство с курсом. Знакомство с языком. Условные операторы, циклы.
Базовые управляющие конструкции. Типы данных. Динамическая типизация. Duck typing. Базовый ввод-вывод. Примеры программ
Мутабельность и иммутабельность.
Строки. Format, replace. Кодировки: Uft-8.
Декомпозиция. Понятие функции. Рекурсия (стеклимит)
Работа со структурами данных. Списки, кортежи, множества, словари. Итераторы и генераторы. Неймспейсы, декораторы? 2 недели? + split, join строк
Работа с файловой системой. Файлы-конфиги. Переменные окружения.
Модули и пакеты. Экосистема библиотек. requirements.txt
ООП в Python. Классы и объекты, наследование. Исключения.
NumPy. Основы NumPy, операции с массивами. Использование NumPy для научных вычислений. LinAlg | ScaLAPACK
Специфические форматы данных: ZIP, GZIP, numpy-file
Стандарт формата JSON, XML
Pandas. Работа с датасетами. JSON, CSV, EXCEL. Основы работы с DataFrame и Series. Очистка, трансформация данных.
Визуализация данных. Основы Matplotlib и Seaborn. Построение графиков, интерпретация данных. Анимация, видео.
БД/SQL
Продвинутое использование Pandas. Сложные манипуляции с данными. Агрегирование, слияние данных
Введение в параллелизм на Python. Http-клиенты. requests
Формат HTML, парсинг c BeautifulSoup
Основы работы с изображениями. OpenCV
Хранение данных. Введение в работу с реляционными СУБД
Мультипроцессинг/мультитрединг
Корутины, async/await, asyncio

Элементы контроля

Большое ДЗ
1000 баллов каждое + бонусные баллы, не входящие в итоговый порог
Еженедельные задания
около 15 еженедельных наборов задач (примерно по 100 баллов каждый, могут плавать от занятия к занятию)

Промежуточная аттестация

2025/2026 2nd module
Контроль знаний формируется из еженедельных наборов задач и двух больших домашних заданий. Количество баллов за каждое домашние задание обозначается в формулировках. Баллы суммируются по всем заданиям. Полученная сумма называется первичными баллами Итоговая оценка формируется на основании следующих порогов: >= 970 первичных баллов: 4 балла >=1106 первичных баллов: 5 баллов >=1261 первичных баллов: 6 баллов >=1397 первичных баллов: 7 баллов >=1552 первичных баллов: 8 баллов >=1649 первичных баллов: 9 баллов >=1746 первичных баллов: 10 баллов

Список литературы

Авторы

Волкова Вера Константиновна
Бронер Валентина Игоревна

Программа дисциплины