Programare statistică în Python

InfoTitularTematicaBibliografieEvaluareObiective

Număr de credite: 6
Cod: AME0158
Predare: curs 2h
Limba de predare: română
Tip: curs principal, semestrul 2, Masteratul Analiza Datelor Complexe
Erasmus:

Radu Lazin
cadru asociat
Compania 8X8
Mediul privat
E-mail: radu.lazin@ubbcluj.ro
  • Algoritmi si aplicatii
    – ce sunt algoritmii
    – ce sunt aplicatiile
    – de ce avem nevoie de ele
  •  Tipuri si structuri de date
    – ce sunt tipurile de date
    – ce sunt structurile de date
    – la ce se folosesc si cum se folosesc in Python
  •  Operatori
    – ce sunt operatorii
    – operatori pe tipuri si structuri diferite
  • Instructiuni de decizie
    – ce este o instrucțiune de decizie
    – cand se folosesc si de ce se folosesc
    – IF, ELIF, ELSE
  • Structuri repetitive
    – ce sunt si cand se folosesc
    – cum acute la implementarea algoritmilor
    – FOR, WHILE, DO WHILE, WHILE ELSE
  • Funcții
    – ce sunt și când se foloseste
    – definiția unei funcții
    – folosirea unei funcții
    – parametri și agrumente
  • Interacțiunea Python cu o baza de date
    – ce este o baza de date
    – cum interacționează Python cu o baza de date
  • Module
    – ce sunt modulele

    – cand e nevoie de ele
    – module existente
  • Biblioteci existente si utilizarea lor
    – cum utilizam biblioteci și module existente
    – cum utilizam documentația
  • Biblioteci pentru data science și utilizarea lor
    – cateva exemple de biblioteci existente pentru statistică: Pandas, MatPlotLib, NumPy
  • Selectie datelor
    – cum se selectează datele în Python
  • Agregarea datelor
    – cum agregam date
    – cum pregătim si modificăm datele pentru agregare
  • Modelarea datelor
    – exemple de modelage
    – afișare de grafice
  • Louie Stowell Rosie Dickins, 2018. Programare pentru începători folosind Python, București: Litera.
  • Eric Matthes, 2019. Python Crash Course, 2nd Edition: A Hands-On, Project-Based Introduction to Programming 2nd Edition, San Francisco: No Starch Press.
  • Wes Mckinney, 2017. Python for Data Analysis: Data Wrangling with Pandas, NumPy and IPython. Beijing and Cambridge: ‎O’Reilly.
  • Jake VanderPlas, 2016, Python Data Science Handbook: Essential Tools for Working with Data, 2nd edition, Beijing and Cambridge: ‎O’Reilly.

CURS:

Metode de evaluare

  • 60% examen scris

Criterii de evaluare:

  • Însușirea corectă a tipurilor și a structurilor de date în Python; îngelegerea modului în care funcționează operatorii; capacitatea de a construi structuri repetitive și funcții; utilizarea corectă a librăriilor dedicate pentru analiza datelor.

LABORATOR:

Metode de evaluare:

  • 40% teme de seminar

Criterii de evaluare:

  • Capacitatea de a construi și a utiliza date în Python;
  • Capacitatea de a curăța date în Python;
  • Capacitatea de a agrega date în Python.

Obiective generale

  • Disciplina urmărește să introducă studenții fără experiență prealabilă în programare în utilizarea conceptelor majore de analiza datelor în limbajul de programare Python.

Obiective specifice

  • Disciplina urmărește să construiască capacitatea de a genera, curăța și agrega date în Python;
  • Cursul urmărește introducerea studenților în funcțiile majore din librăriile cele mai utilizate de funcții dedicate analizei datelor în Python.
  • Scopul major este de a introduce studenții în conceptele majore ale programării: structuri de decizie, structuri repetitive, funcții și oibecte.