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) Basic information on ECTS credits allocation principles: the annual hourly workload of the student’s work required to achieve the expected learning outcomes for a given stage is 1500-1800h, corresponding to 60 ECTS; the student’s weekly hourly workload is 45 h; 1 ECTS point corresponds to 25-30 hours of student work needed to achieve the assumed learning outcomes; weekly student workload necessary to achieve the assumed learning outcomes allows to obtain 1.5 ECTS; work required to pass the course, which has been assigned 3 ECTS, constitutes 10% of the semester student load. view allocation of credits
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.

This course is not currently offered.

Course descriptions are protected by copyright.
Copyright by University of Warsaw.