Programare statistică în Python

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.