Python для аналізу даних

Схема розділу

• Виберіть розділ Загальне

  Згорнути Розгорнути

  Загальне

  Згорнути все Розгорнути всі

  • Виберіть дію В межах дисципліни «Python для аналізу даних» вивч...

    В межах дисципліни «Python для аналізу даних» вивчаються бібліотеки мови Python для візуалізації, маніпуляції табличними даними, аналізу графів. У результаті вивчення дисципліни студенти повинні
    знати:
    

    •  ознаки якісної візуалізації даних;
    •  методи візуального представлення числових даних;
    •  методи читання, перетворення, збереження табличних даних із різних джерел;
    • прості методи аналізу текстів;
    • методи аналізу графів.

    вміти:
    

    • використовувати бібліотеку matplotlib для візуалізації даних;
    • використовувати бібліотеку pandas для обробки табличних даних;
    • використовувати бібліотеку NLTK для обробки текстових даних;
    • використовувати бібліотеку NetworkX для роботи з графами;

    
    
    
  • Виберіть дію Добровольський Геннадій Анатолійович, кандидат тех...

    Добровольський Геннадій Анатолійович, кандидат технічних наук, доцент кафедри комп'ютерних наук, І корпус, ауд.39 Telegram: https://t.me/gen_dobr
    
    CV: https://docs.google.com/document/d/1d7ptNpOYMEwrzfNrO1Zdp64SqCLx0msqUQya1W0vQT0/edit?usp=sharing
    
  • Виберіть дію Силабус

    

    Силабус Файл
  • Виберіть дію Система накопичення балів

    

    Система накопичення балів Файл
  • Виберіть дію ОСНОВНІ ДЖЕРЕЛА pandas - Python Da...

    ОСНОВНІ ДЖЕРЕЛА

    1. pandas - Python Data Analysis Library https://pandas.pydata.org/
    2. Data Manipulation with pandas https://www.datacamp.com/courses/data-manipulation-with-pandas .
    3. Steven Bird, Ewan Klein, and Edward Loper, Natural Language Processing with Python, https://www.nltk.org/book/
    4. Kyran Dale, Data Visualization with Python and JavaScript: Scrape, Clean, Explore & Transform Your Data, O'Reilly Media: 2016. 592 pp
    5. A Tutorial on NetworkX: Network Analysis in Python, https://medium.com/swlh/a-tutorial-on-networkx-network-analysis-in-python-part-i-43c1d35830b6
    6. A Practical Introduction to Web Scraping in Python. https://realpython.com/python-web-scraping-practical-introduction/
• Виберіть розділ Теоретичні матеріали

  Згорнути Розгорнути

  Теоретичні матеріали

  • Виберіть дію 01 Огляд можливостей пакета Pandas01.04.03. Перегл...

    01 Огляд можливостей пакета Pandas
    01.04.03. Перегляд та аналіз даних
    01.04.04. Доступ до даних (індексація)
    01.04.05. Операції з даними
    01.04.06. Агрегування та групування
    01.04.08. Об'єднання DataFrame
    01.04.09. Робота з датами
    01.04.10. Візуалізація даних
    02. Перевірка статистичних гіпотез
    03 Очищення даних
    04 Візуалізація табличних даних
    05 Обробка текстових даних засобами пакету NLTK
    06 Тематичне моделювання
    07 Збір даних в Інтернеті
    08 Аналіз графів, пакет networkX
    
    Додаткові матеріали
    09. Prompt Engineering Guide
    
• Виберіть розділ Лабораторні роботи

  Згорнути Розгорнути

  Лабораторні роботи

  • Виберіть дію Оцінка кожної роботи складається із - практичної ч...

    Оцінка кожної роботи складається із
    - практичної частини (код на python, який працює правильно) , 70% максимальної оцінки
    - теоретичної частини (усне обговорення практичної частини), 30% маскимальної оцінки
    Якщо не вказано інше, результатом кожної роботи має бути звіт у форматі Jupyter Notebook ( https://colab.research.google.com/ ) з поясненнями. Не забудьте, будь ласка, надати доступ викладачеві для перевірки.
    
    Набори даних з kaggle - пакет python  для завантаження
    
    
  • Виберіть дію Lab01 Знайомство з пакетом Python Pandas (7 балів)

    

    Lab01 Знайомство з пакетом Python Pandas (7 балів) Завдання
  • Виберіть дію Lab02 Перевірка статистичних гіпотез (8 балів)

    

    Lab02 Перевірка статистичних гіпотез (8 балів) Завдання
  • Виберіть дію Lab03 Очищення даних (6 балів)

    

    Lab03 Очищення даних (6 балів) Завдання
  • Виберіть дію Lab04 Візуалізація табличних даних (7 балів)

    

    Lab04 Візуалізація табличних даних (7 балів) Завдання
  • Виберіть дію Lab05 Класифікація тексту (6 балів)

    

    Lab05 Класифікація тексту (6 балів) Завдання
  • Виберіть дію Lab06 Тематичне моделювання (6 балів)

    

    Lab06 Тематичне моделювання (6 балів) Завдання
  • Виберіть дію Lab07 Збір даних в Інтернеті (8 балів)

    

    Lab07 Збір даних в Інтернеті (8 балів) Завдання
  • Виберіть дію Lab08 Дослідження графа (8 балів)

    

    Lab08 Дослідження графа (8 балів) Завдання
• Виберіть розділ Контроль знань

  Згорнути Розгорнути

  Контроль знань

  • Виберіть дію 01 Основні операції з даними (3)

    

    01 Основні операції з даними (3) Тест
  • Виберіть дію 02 Перевірка статистичних гіпотез (3)

    

    02 Перевірка статистичних гіпотез (3) Тест
  • Виберіть дію 03. Очищення даних (3)

    

    03. Очищення даних (3) Тест
  • Виберіть дію 04. Візуалізація (3)

    

    04. Візуалізація (3) Тест
  • Виберіть дію 05. Робота з часовими послідовностями (3)

    

    05. Робота з часовими послідовностями (3) Тест
  • Виберіть дію 06. NLTK (3)

    

    06. NLTK (3) Тест
  • Виберіть дію 07 Scraping (3)

    

    07 Scraping (3) Тест
  • Виберіть дію 08 Робота з графами (3)

    

    08 Робота з графами (3) Тест
  • Виберіть дію Підсумковий контроль (20)

    

    Підсумковий контроль (20) Тест
  • Виберіть дію Індивідуальне завдання

    

    Індивідуальне завдання