Usage of Python Language
General data
Course ID: | 2400-ZEWW842 |
Erasmus code / ISCED: |
14.3
|
Course title: | Usage of Python Language |
Name in Polish: | Zastosowanie języka Python |
Organizational unit: | Faculty of Economic Sciences |
Course groups: |
(in Polish) Przedmioty kierunkowe do wyboru - studia II stopnia EM - grupa 2 (1*30h) (in Polish) Przedmioty kierunkowe do wyboru - studia II stopnia EP - grupa 4 (1*30h) (in Polish) Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 2 (2*30h) (in Polish) Przedmioty kierunkowe do wyboru- studia I stopnia EP (in Polish) Przedmioty ścieżki Gospodarka cyfrowa (in Polish) Przedmioty wyboru kierunkowego dla studiów licencjackich EM (in Polish) Przedmioty wyboru kierunkowego dla studiów licencjackich IE (in Polish) Przedmioty wyboru kierunkowego dla studiów licencjackich MSEM |
ECTS credit allocation (and other scores): |
3.00
|
Language: | Polish |
Type of course: | optional courses |
Prerequisites (description): | (in Polish) Uczestnictwo w zajęciach “Wprowadzenie do programowania w języku Python” lub w innym kursie z zbliżonym programem |
Short description: |
(in Polish) W ramach zajęć studentki i studenci poznają popularne zastosowania języka Python obejmujące: bazy danych, web scraping, text mining oraz wizualizację danych. Nabyte umiejętności umożliwią im samodzielną pracę z wykorzystaniem metod data science na studiach licencjackich/magisterskich Zajęcia prowadzone są formie zdalnej |
Full description: |
(in Polish) - Przegląd zastosowań języka Python: pozyskiwanie danych, analiza, wizualizacja - Podstawowe operacje na danych z wykorzystaniem pakietów numpy i pandas - Tworzenie i zarządzanie bazami danych w języku Python z wykorzystaniem BigQuery - Webscraping I: zastosowanie biblioteki requests do zapytań poprzez interfejs API; dobre praktyki scrapowania - Webscraping II: samodzielne pozyskiwanie nieustrukturyzowanych danych tekstowych przy użyciu biblioteki selenium - Wizualizacja danych I: wykorzystanie biblioteki matplotlib do podstawowych wizualizacji danych - Wizualizacja danych II: tworzenie wykresów w bibliotece seaborn - Wizualizacja danych III: tworzenie interaktywnych wizualizacji z wykorzystaniem plotly - Text mining: identyfikacja słów kluczowych, analiza ich częstotliwości i współwystępowania - Konsultacje wyboru tematu i metodologii do case study - Prezentacja case study wykorzystującego wybraną technikę poznaną w trakcie kursu (2 zajęcia) |
Bibliography: |
(in Polish) Zajęcia opierać się będą na materiałach przygotowanych przez prowadzącego lub źródłach internetowych. Literatura obowiązkowa nie jest przewidziana |
Learning outcomes: |
(in Polish) WIEDZA - Student zna popularne zastosowania języka Python w różnych obszarach badawczych - Student zna podstawowe sposoby zautomatyzowanego pobierania danych z internetu - Student zna popularne metody analizy tekstu stosowane przy użyciu języka Python - Student zna najważniejsze techniki wizualizacji danych UMIEJĘTNOŚCI - Student potrafi stworzyć i zarządzać bazą danych w języku Python - Student potrafi zebrać internetowe dane tekstowe przy użyciu API lub samodzielnie napisanego skryptu - Student umie przeanalizować duży zbiór tekstowy przy użyciu technik text miningowych - Student umie sprawnie wizualizować dane z wykorzystaniem dobrych praktyk prezentacji KOMPETENCJE SPOŁECZNE - Student jest zaznajomiony z zasadami etycznego oraz legalnego pozyskiwania danych przy użyciu webscrapingu |
Assessment methods and assessment criteria: |
(in Polish) Prezentacja końcowa |
Classes in period "Summer semester 2023/24" (in progress)
Time span: | 2024-02-19 - 2024-06-16 |
Navigate to timetable
MO TU W KON
TH FR |
Type of class: |
Seminar, 30 hours
|
|
Coordinators: | Kristóf Gyódi | |
Group instructors: | Kristóf Gyódi | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
Grading
Seminar - Grading |
Copyright by University of Warsaw.