2025/2026
Программирование для анализа городских данных
Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Маго-лего
Кто читает:
Высшая школа урбанистики имени А.А. Высоковского
Где читается:
Факультет городского и регионального развития
Когда читается:
2 семестр
Охват аудитории:
для своего кампуса
Преподаватели:
Миронова Белла Александровна
Язык:
русский
Кредиты:
6
Контактные часы:
36
Программа дисциплины
Аннотация
Курс предназначен для студентов, желающих освоить методы анализа пространственных данных с использованием языка программирования Python. В рамках курса рассматриваются основные инструменты и библиотеки для работы с геоданными, включая чтение, обработку, визуализацию и анализ пространственной информации. Особое внимание уделяется практическим заданиям и проектам, направленным на развитие навыков применения полученных знаний в реальных задачах.
Цель освоения дисциплины
- Освоить основы программирования на языке Python, необходимые для анализа пространственных данных.
- Научиться работать с основными библиотеками для геоанализа, такими как GeoPandas, Shapely, PySAL и другими.
- Приобрести навыки визуализации и интерпретации пространственной информации.
- Развить способность применять методы пространственного анализа в различных прикладных задачах.
Планируемые результаты обучения
- Писать простые программы на Python
- Описывать основные концепции программирования
- Применять навыки работы с массивами данных и их базовой обработкой
- Способен загружать и сохранять пространственные данные
- Определяет различия между координатными системами и умеет их преобразовывать
- Применяет навыки базовой визуализации геоданных
- Выполняет пространственные объединения и фильтрацию данных
- Применяет навыки анализа пространственных отношений и выполнения геометрических операций
- Называет принципы работы пространственных индексов
- Способен извлекать и анализировать уличные сети
- Применяет навыки построения маршрутов и оценки доступности
- Применяет сетевой анализ в прикладных задачах
- Применяет основные методы пространственной статистики
- Проводит анализ пространственной автокорреляции и кластеризации
- Применяет навыки использования специализированных библиотек для статистического анализа геоданных
- Создает и настраивает интерактивные карты
- Применяет навыки интеграции геоданных в веб-приложения
- Применяет веб-картографию
Содержание учебной дисциплины
- Тема 1. Введение в Python
- Тема 2. Введение в работу с пространственными данными
- Тема 3. Базовые инструменты геоанализа
- Тема 4. Сетевой анализ
- Тема 5. Основы пространственной статистики
- Тема 6. Веб-картография на Python
Элементы контроля
- Курсы по выбору в системе DataCamp/Stepik
- Проект 1
- Проект 2
- Проект 3
- Работа на семинаре
Промежуточная аттестация
- 2025/2026 2nd semester0.2 * Проект 2 + 0.15 * Проект 1 + 0.2 * Работа на семинаре + 0.2 * Курсы по выбору в системе DataCamp/Stepik + 0.25 * Проект 3
Список литературы
Рекомендуемая основная литература
- 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
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
- Luc Anselin, Ibnu Syabri, & Youngihn Kho. (2006). GeoDa: an introduction to spatial data analysis. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.13C715BA
- 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