Модуль 1. Базовые конструкции языка Python
Содержание тем:
- 1.1. О курсе «Анализ данных». Краткий экскурс в область анализа данных. Руководство по установке Python IDE и JupyterLab. Базовые понятия кода, интерпретатора, программы.
- 1.2. Основы работы с переменными и базовыми типами данных, целочисленная арифметика в Python. Основные логические операторы и элементы мат. логики.
- 1.3. Условный оператор. Устройство каскадного условного оператора и вложенных условий. Работа с циклами for и while в Python. Организация разветвлений в циклах.
- 1.4. Устройство строк в Python. Индексация, конкатенация строк. Использование специальных методов для работы со строками.
- 1.5. Устройство списков в Python. Использование специальных методов для работы со списками. Применение списочных выражений. Особый тип данных – кортежи.
- 1.6. О структуре кода в Python. Установка и импорт модулей. Стандартные модули math, random, datetime.
- 1.7. Изучение предоставленных теоретических материалов по следующим темам: Понятие персональных и обезличенных данных. Основы кибербезопасности. Авторское право в ИТ. Этика использования ИИ, ограничения ИИ-инструментов.
Примеры практических заданий:
- написать первую программу с вводом данных и точным форматированием вывода;
- разобрать условие с числами, выбрать тип данных и вывести результат без лишнего текста;
- реализовать ветвление и цикл при обработке списков или строк.
Каждая тема модуля содержит теоретический блок, запускаемые примеры, задачи с автоматической проверкой, текущий контроль, карточки самоконтроля и задания для самостоятельного закрепления. Образовательный ориентир модуля: ОГЭ.
Модуль 2. Работа с функциями в Python
Содержание тем:
- 2.1. Устройство функций в Python. Понятие области видимости переменных. Документирующая строка.
- 2.2. Создание лямбда функций в Python. Сортировка данных с параметром key. Применение функции высшего порядка map.
- 2.3. Основные понятия ООП. Принципы ООП, на которых строится код программы. Преимущества и недостатки ООП.
- 2.4. Работа с типом данных «множество» в Python. Операции над одним и двумя множествами.
- 2.5. Использование словарей в Python. Методы работы со словарями, сортировка словаря.
- 2.6. Структура файловой системы. Работа с файлами в Python: чтение и запись данных. Работа с каталогами в Python. Понятие обработки исключений в программах.
Примеры практических заданий:
- оформить повторяющийся расчет как функцию с параметрами и возвращаемым значением;
- обработать список, множество или словарь и объяснить выбор структуры данных;
- обработать файл в текстовом формате.
Каждая тема модуля содержит теоретический блок, запускаемые примеры, задачи с автоматической проверкой, текущий контроль, карточки самоконтроля и задания для самостоятельного закрепления. Образовательный ориентир модуля: ОГЭ.
Модуль 3. Математическое моделирование с помощью библиотеки NumPy
Содержание тем:
- 3.1. Работа с библиотекой NumPy. Создание массивов разных типов данных. Работа с массивами: индексация, срезы, сортировка.
- 3.2. Вычисление статистики с помощью NumPy. Понятие основных статистических метрик: среднее, медиана, мода, стандартное отклонение, процентиль.
- 3.3. Работа с библиотекой Matplotlib. Обзор основных типов графиков, доступных в библиотеке.
- 3.4. Понятие математической модели. Решение систем линейных уравнений. Векторный расчет движения брошенного тела.
- 3.5. О сборе данных в сети Интернет. Понятие парсинга, библиотеки для парсинга. Основные методы библиотеки BeautifulSoup с примерами применения.
- 3.6. Ответственное использование ИИ. Ограничения применения ИИ при выполнении учебных заданий. Проверка достоверности кода, полученного при помощи ИИ. Применение ИИ-инструментов для решения задач математического моделирования.
Примеры практических заданий:
- посчитать основные статистические величины для массива данных;
- построить график или диаграмму по набору данных;
- использовать ИИ-инструменты для программирования математических моделей.
Каждая тема модуля содержит теоретический блок, запускаемые примеры, задачи с автоматической проверкой, текущий контроль, карточки самоконтроля и задания для самостоятельного закрепления. Образовательный ориентир модуля: ОГЭ.
Модуль 4. Анализ данных с помощью библиотеки Pandas
Содержание тем:
- 4.1. О библиотеке Pandas. Методы работы с типом данных Pandas DataFrame. Изменение датафреймов.
- 4.2. Продвинутая работа с Pandas: расчет статистики, загрузка данных из файлов csv и excel и построение диаграм (тема ОГЭ). Краткое руководство по поиску готовых датасетов.
- 4.3. Методы выявления связей в данных: визуализация взаимосвязей, корреляция, линейная регрессия.
- 4.4. Агрегирования и группировка больших данных. Трансформация данных и построение сводных таблиц.
- 4.5. Технология виджетов в jupyter-ноутбуках. Пример создания итогового проекта с элементами интерактива.
- 4.6. Проблемы, возникающие при использовании ИИ. Использование ИИ- инструментов для решения задач анализа данных.
Примеры практических заданий:
- провести очистку датасета;
- построить сводную таблицу;
- использовать ИИ-инструменты для сложных манипуляций с данными.
Каждая тема модуля содержит теоретический блок, запускаемые примеры, задачи с автоматической проверкой, текущий контроль, карточки самоконтроля и задания для самостоятельного закрепления. Образовательный ориентир модуля: ОГЭ.
Тематика итоговых и комплексных работ
Итоговый проект связан с решением прикладной задачи на каком-либо датасете, имитирующий полный цикл анализа данных: сбор/очистка данных, вычисление метрик, визуализация, подведение итогов, создание презентации и подготовка текста для выступления. Примеры проектов:
- Анализ погоды (температура или УФ-излучение)
- Анализ продаж видеоигр
- Анализ результатов реальных вычислительных экспериментов