Бакалавриат 2026/2027

Python и основы анализа данных

ID 1141392

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

Язык: русский

Кредиты: 4

Контактные часы: 56

Программа дисциплины

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.
• 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
• Декомпозиция. Понятие функции. Рекурсия (стеклимит)
• Хранение данных. Введение в работу с реляционными СУБД
• Мультипроцессинг/мультитрединг
• Корутины, async/await, asyncio

Элементы контроля

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

Промежуточная аттестация

• 2026/2027 2nd module
  0.5 * Большое ДЗ + 0.5 * Еженедельные задания

Список литературы

Рекомендуемая основная литература

• Сборник задач по алгебре, учебник, под ред. А. И. Кострикина, 3-е изд., испр. и доп., 464 с., , 2001

Рекомендуемая дополнительная литература

• Маккинни, У. Python и анализ данных / У. Маккинни , перевод с английского А. А. Слинкина. — 2-ое изд., испр. и доп. — Москва : ДМК Пресс, 2020. — 540 с. — ISBN 978-5-97060-590-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131721 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Авторы

• Фисенко Анна Сергеевна
• Яковлева Илона Александровна