Număr de credite: 6
Cod:AME0165
Predare: 3h de lucrări practice
Limba de predare: română
Tip: curs principal, semestrul 3, Masteratul Analiza Datelor Complexe
1. Introducere în Python
- Istoricului Python și popularitatea sa în prelucarea datelor.
- Prezentarea mediului de dezvoltare Python și modul de instalare.
- Demonstrarea unui program Python simplu pentru a ilustra structura de bază a limbajului.
2. Variabile
- Definirea conceptului de variabilă și exemplificarea modului în care se utilizează în Python.
- Discuție despre tipurile de date de bază, cum ar fi int, float și str.
- Exemple practice de atribuire și manipulare a variabilelor.
3. Tipuri de date
- Prezentarea mai detaliată a diferitelor tipuri de date în Python, inclusiv liste, tupluri și dicționare.
- Comparație între tipurile de date mutable și imutable și când să le folosim.
- Exemple concrete de utilizare a acestor tipuri de date în analiza datelor din științele sociale.
4. Referințe
- Explicarea conceptului de referințe și modul în care Python gestionează memoria.
- Demonstrarea modului în care se creează și se utilizează referințe în Python.
- Discuție despre diferența între referințe și copierea obiectelor.
5. Mutabilitate/Imutabilitate
- Detalii despre obiectele mutable și imutable și exemple de tipuri de date corespunzătoare.
- Discuție despre impactul mutabilității în programarea în Python.
- Cazuri de utilizare în științele sociale unde este preferabil să folosiți obiecte mutable sau imutable.
6. Funcții, Argumente, Parametri
- Introducerea funcțiilor ca element central al programării Python.
- Explicarea conceptelor de argumente și parametri în funcții.
- Exemple practice de definire și apelare a funcțiilor în contextul analizei datelor.
7. Blocuri de decizie
- Prezentarea structurilor de control de decizie, cum ar fi instrucțiunile if-elif-else.
- Exemplificarea utilizării acestora pentru evaluarea condițiilor în analiza datelor sociale.
- Discuție despre optimizarea și structurațiunea codului în funcție de necesitățile specifice ale științelor sociale.
8. Blocuri repetitive
- Explicarea ciclurilor for și while și modul de utilizare în Python.
- Exemplificarea aplicării ciclurilor pentru procesarea și analiza seturilor mari de date.
- Abordarea practică a optimizării ciclurilor în contextul științelor sociale.
9. Clase și Obiecte
- Prezentarea conceptului de obiect orientat pe clase și modul de definire a claselor în Python.
- Demonstrarea creării obiectelor și a metodelor asociate acestora.
- Cazuri de utilizare a programării orientate pe obiect în analiza datelor sociale.
10. Pachete și Module
- Explicarea modului în care Python organizează codul în module și pachete.
- Prezentarea unor module utile pentru analiza datelor, precum NumPy și Pandas.
- Exemplificarea importului și utilizării acestor pachete în proiecte din științele sociale.
11. Statistica - NumPy
- Introducerea bibliotecii NumPy pentru manipularea datelor numerice.
- Demonstrarea funcționalităților NumPy pentru analiza statistică, cum ar fi calculul mediei, deviația standard și corelații.
- Exemple practice de utilizare a NumPy în analiza datelor sociale.
12. Baze de date - Pandas
- Prezentarea bibliotecii Pandas pentru lucrul cu date tabulare și serii temporale.
- Demonstrarea funcționalităților Pandas pentru citirea, filtrarea și analiza datelor din baze de date.
- Exemple de utilizare a Pandas pentru gestionarea și analiza datelor sociale.
13. Grafice - Matplotlib
- Introducerea bibliotecii Matplotlib pentru vizualizarea datelor.
- Demonstrarea creării graficelor, diagramei cu bare și diagramei de dispersie.
- Exemple de utilizare a Matplotlib pentru prezentarea și interpretarea rezultatelor din științele sociale.
14. Q&A (Întrebări și răspunsuri)
- Timp pentru a răspunde la întrebări și aprofundarea subiectelor specifice.
- Aplicații practice ale Python în domeniul lor de interes în științele sociale.
- Facilitarea unui mediu interactiv pentru consolidarea cunoștințelor și clarificarea problemelor.
Coroborarea conținuturilor disciplinei cu așteptările reprezentanților comunității epistemice, asociațiilor profesionale și angajatorilor reprezentativi din domeniul aferent programului
- Automatizarea analizei datelor: Acest curs ar putea ajuta compania să dezvolte resurse umane capabile să automatizeze analiza datelor utilizând Python, ceea ce poate economisi timp și resurse și poate asigura un proces mai rapid și mai precis de luare a deciziilor.
- Optimizarea proceselor de dezvoltare: Competențele în programare statistică pot contribui la optimizarea proceselor de dezvoltare a produselor și serviciilor, precum și la identificarea și implementarea unor soluții mai eficiente.
Obiective generale:
- Scopul principal al cursului "Programare Statistică în Python" este de a introduce studenții care nu au experiență prealabilă în programare în utilizarea conceptelor majore de analiză a datelor în limbajul de programare Python.
Obiective specifice:
- Generarea și Agregarea Datelor în Python: Obiectiv Specific 1: Dezvoltarea abilităților necesare pentru a colecta și prelucra datele în Python, asigurându-se că acestea sunt pregătite pentru analiza ulterioară.
- Introducere în Principalele Librării de Analiză a Datelor în Python: Obiectiv Specific 2: Familiarizarea studenților cu funcțiile majore din cele mai utilizate librării Python dedicate analizei datelor, precum Pandas și NumPy.
- Înțelegerea Conceptelor Majore ale Programării: Introducerea studenților în conceptele esențiale ale programării, inclusiv structuri de decizie, structuri repetitive, funcții și obiecte în Python.
- Dezvoltarea Abilităților de Programare Statistică: Construirea capacității studenților de a aplica cunoștințele dobândite în programare statistică în Python, permițându-le să analizeze și să interpreteze datele într-un mod eficient și precis.
Acest curs se studiază în următoarele programe:
B-dul 21 Dec. 1989 Nr. 128, Cluj-Napoca 400604
+ 40-264-42.46.74
+ 40-264-41.99.58
+ 40-264-42.46.74
