Data analysis and visualisation in Python - Extension
General data
Course ID: | 1100-ADP2-OG |
Erasmus code / ISCED: | (unknown) / (unknown) |
Course title: | Data analysis and visualisation in Python - Extension |
Name in Polish: | Analiza i Wizualizacja Danych w Pythonie - Rozszerzenie |
Organizational unit: | Faculty of Physics |
Course groups: |
General university courses General university courses improving digital competences useful in science and on the labor market General university subjects |
ECTS credit allocation (and other scores): |
(not available)
|
Language: | Polish |
Type of course: | general courses |
Prerequisites (description): | (in Polish) Wymagana jest podstawowa znajomość języka Python oraz bibliotek NumPy, Matplotlib, Pandas, SciPy. W szczególności, zakładamy, że zapisujący się studenci ukończyli lub mają opanowany materiał z przedmiotu „Analiza i wizualizacja danych w Pythonie”. Z racji na tryb prowadzenia zajęć (online) wymagana jest działająca i włączona na zajęciach kamera oraz możliwość udostępniania ekranu. W zajęciach uczestniczyć mogą wyłącznie: - studenci drugiego lub trzeciego roku studiów licencjackich, - pierwszego lub drugiego roku studiów magisterskich, - czwartego lub piątego roku studiów jednolitych magisterskich. Zajęcia dofinansowane zostały ze środków Europejskiego Funduszu Społecznego w ramach PO WER, ścieżka 3.5 i z tego powodu studenci zobowiązani są do wypełnienia dokumentacji projektowej. Odmowa ich wypełnienia oznacza rezygnację z zajęć. Warunkiem udziału w zajęciach jest zatem: - wypełnienie najpóźniej na początku pierwszych zajęć deklaracji oraz oświadczenia uczestnika projektu finansowanego w ramach Programu ZIP - wypełnienie pre-testu służącego ocenie przyrostu kompetencji (bilans kompetencji). Warunkiem akceptacji grupy na etap początku zajęć jest min. 10 studentów, którzy wypełnią powyższą deklarację i pre-test. |
Mode: | Remote learning |
Short description: |
(in Polish) W zajęciach uczestniczyć mogą wyłącznie: - studenci drugiego lub trzeciego roku studiów licencjackich, - pierwszego lub drugiego roku studiów magisterskich, - czwartego lub piątego roku studiów jednolitych magisterskich. Przedmiot jest kontynuacją kursu „Analiza i wizualizacja danych w Pythonie” i rozszerza jego zakres o dodatkowe pojęcia. Kurs dedykowany jest osobom, które ukończyły AiWDwP lub innym znającym podstawy programowania w Pythonie. Kurs prowadzony jest w trybie zdalnym. Planowane są 4 spotkania. Zajęcia dofinansowane zostały ze środków Europejskiego Funduszu Społecznego w ramach PO WER, ścieżka 3.5 i z tego powodu studenci zobowiązani są do wypełnienia dokumentacji projektowej. Odmowa ich wypełnienia oznacza rezygnację z zajęć. |
Full description: |
(in Polish) Celem zajęć jest zapoznanie słuchaczy z zaawansowanymi metodami analizy i wizualizacji danych w języku Python. Kurs dedykowany jest osobom, które ukończyły AiWDwP lub innym znającym podstawy programowania w Pythonie. Tematyka zajęć (4 spotkania): 1. Dane losowe (symulacje i analiza) 2. Analiza statystyczna (rozkłady zmiennej losowej, testy statystyczne) 3. Podstawy przetwarzania obrazów 4. Animacje (multimedialne wykresy) Po krótkim wprowadzeniu teoretycznym studenci wykonywać będą liczne ćwiczenia pod opieką prowadzących. Zadania praktyczne pomogą w przyswojeniu zdobytej wiedzy. Materiały dydaktyczne umieszczane będą na platformie Kampus. Zajęcia umożliwiają uzyskanie kompetencji informatycznych oraz analitycznych. UWAGA: Zajęcia prowadzone będą w trybie zdalnym. Podczas zajęć wymagane będzie włączenie kamery oraz udostępnianie ekranu, w celu umożliwienia prowadzącym wglądu w progres podczas ćwiczeń. Obowiązkowa jest obecność na wszystkich zajęciach. |
Bibliography: |
(in Polish) Oficjalny tutorial języka Python - https://docs.python.org/3/tutorial/index.html Literatura zostanie zaprezentowana na pierwszych zajęciach. |
Learning outcomes: |
(in Polish) Student posiada znajomość składni języka Python. Rozwiązuje problemy analizy danych, wykorzystując narzędzia programistyczne. Potrafi przedstawiać wyniki w wizualnie atrakcyjny sposób. Jest gotów samodoskonalić swoje kompetencje cyfrowe. |
Assessment methods and assessment criteria: |
(in Polish) Podczas każdych zajęć studenci będą rozwiązywali zestaw problemów. Rozwiązania będą punktowane i na ich podstawie będzie wystawiona ocena. Warunki zaliczenia zajęć: - obecność studenta na wszystkich spotkaniach - zdobycie co najmniej 50% punktów z ćwiczeń - wypełnienie po zakończeniu ostatnich zajęć post-testu (gdzie uczestnik określa poziom swojej wiedzy i umiejętności po zakończeniu zajęć). Warunkiem finalnej akceptacji grupy jest wypełnienie wszystkich w/w wymagań przez co najmniej 10 studentów. |
Copyright by University of Warsaw.