Деректерді талдауға арналған Математика және Python

Сипаттама: Курс Математикалық талдау әдістерін, сызықтық алгебраны, оңтайландыру әдістерін, деректерді талдау есептері үшін ықтималдық теориясын қолдану дағдылары мен дағдыларын дамытуға, сондай-ақ Python тілінің Деректерді талдаудың арнайы кітапханаларымен жұмыс істеудің негізгі дағдыларын алуға бағытталған.

Кредиттер саны: 6

Пререквизиты:

• Информациялы-коммуникацилық технологиялар

Пәннің еңбек сыйымдылығы:

Компонент: ЖОО компоненті

Цикл: Кәсіптік пәндер

Мақсат

• Математикалық талдау әдістерін, сызықтық алгебраны, оңтайландыру әдістерін, деректерді талдау есептері үшін ықтималдықтар теориясын қолдануда теориялық және практикалық дағдыларды алу, сонымен қатар арнайы Python деректер талдау кітапханаларымен жұмыс істеудің негізгі дағдыларын алу.

Міндет

• 1. деректерді талдау үшін қолданылатын негізгі математикалық түсініктерді түсіну және қолдану 2. сызықтық алгебра, математикалық талдау, оңтайландыру және ықтималдықтар теориясы әдістерін практикада қолдану 3. деректерді талдау үшін тәжірибеде қолданылатын негізгі кітапханалармен жұмыс істеудің практикалық дағдыларын алу: NumPy, SciPy, Matplotlib және Pandas 4. деректерді талдауда негізгі практикалық дағдыларды алу

Оқыту нәтижесі: білу және түсіну

• 1. деректерді талдау үшін қолданылатын негізгі математикалық түсініктерді білу 2. NumPy, SciPy, Matplotlib және Pandas кітапханаларын білу

Оқыту нәтижесі: білім мен ұғымды қолдану

• 1. деректерді талдау үшін қолданылатын негізгі математикалық түсініктерді қолдану 2. сызықтық алгебра, математикалық талдау, оңтайландыру және ықтималдықтар теориясы әдістерін практикада қолдану 3. мәліметтерді талдаудың негізгі кітапханасымен жұмыс істеудің практикалық дағдыларын меңгеру 4. Python тілінде деректерді талдаудың негізгі практикалық дағдыларын алу

Оқыту нәтижесі: талқылай білуді қалыптастыру

• 1. деректерді талдау үшін қолданылатын математикалық әдістер туралы пайымдауларды қалыптастыру 2. сызықтық алгебра, математикалық талдау, оңтайландыру және ықтималдықтар теориясы әдістері туралы пайымдауларды қалыптастыру 3. деректерді талдау үшін NumPy, SciPy, Matplotlib және Pandas кітапханаларының практикалық қолданылуы туралы пікір қалыптастыру

Оқыту нәтижесі: коммуникативтік қабілеттіліктер

• 1. оқушылардың коммуникативтік қабілеттерін дамыту және жетілдіру; 2. қазіргі әлемдегі жасанды интеллект жүйелерінің рөлі мен маңызы, жасанды интеллект жүйелеріндегі әртүрлі салалар бойынша сындарлы диалогқа қатысу дағдыларын дамыту

Оқыту нәтижесі: Оқу дағдылары немесе сабаққа қабілеттілігі

• 1. ғылыми-зерттеу жұмыстарын орындау үшін жасанды интеллект жүйесі саласында дағдыларды қалыптастыру 2. сызықтық алгебра, математикалық талдау, оңтайландыру және ықтималдықтар теориясы әдістерін қолдану дағдыларын дамыту 3. білім қоғамын құру мүддесі үшін академиялық және кәсіби контексттерде технологиялық, әлеуметтік немесе мәдени дамуға үлес қосу мүмкіндігі

Оқыту әдістері

1. лекциялар мен онлайн дәрістер, слайдтар мен басқа мультимедиялық құралдарды пайдалана отырып зертханалық сабақтар.

Білім алушының білімін бағалау

Оқытушы ағымдағы бақылау жұмыстарының барлық түрлерін жүргізеді және академиялық кезеңде екі рет білім алушылардың ағымдағы үлгеріміне тиісті баға береді. Ағымдағы бақылау нәтижелері бойынша 1 және 2 рейтинг қалыптастырылады. Білім алушының оқу жетістіктері 100 балдық шкала бойынша бағаланады, Р1 және Р2 қорытынды бағасы ағымдағы үлгерім бағасынан орташа арифметикалық ретінде шығарылады. Академиялық кезеңде білім алушының жұмысын бағалауды пән бойынша тапсырмаларды тапсыру кестесіне сәйкес оқытушы жүзеге асырады. Бақылау жүйесі жазбаша және ауызша, топтық және жеке формаларды біріктіре алады.

Жұмыс түрлері бойынша оқыту нәтижелерін бағалау саясаты

Бағалау нысаны

Пән бойынша білім алушының білімін қорытынды бағалау 100 баллдық жүйе бойынша жүзеге асырылады және:

• Емтиханда алынған нәтиженің 40%;
• Ағымдағы үлгерімнің 60% - ы.

Қорытынды бағаны есептеу формуласы:

 

мұндағы, Р1, Р2-тиісінше бірінші, екінші рейтингті бағалаудың сандық эквиваленттері;

Э - емтихандағы бағаның сандық баламасы.

Қортынды әріптік бағасы және оның балдық сандық эквиваленті:

Төрт балдық жүйе бойынша цифрлық баламаға сәйкес келетін білім алушылардың оқу жетістіктерін бағалаудың әріптік жүйесі:

Дәріс сабақтарының тақырыптары

• Python тіліне кіріспе
• IPython: құру ортасы мен интерактивті есептеулер
• NumPy негіздері: массивтер және векторлық есептеулер
• pandas деректер құрылымдары
• Мәліметтерді оқу және жазу, файл пішімдері
• Деректерді қайта пішімдеу: тазалау, түрлендіру, біріктіру, қайта пішімдеу
• Визуализация мен графиктерді тұрғызу
• Деректерді біріктіру және жаппай операциялар
• Уақыт қатары
• Қаржылық және экономикалық қолданбалар
• NumPy кітапханасы туралы қосымша мәліметтер

Негізгі әдебиет

• Маккинли. Уэс Python и анализ данных / Уэс Маккинли ; пер. А. А. Слинкин. - Москва : ДМК Пресс, 2015. - 481 с. : ил.
• Максимова, О. Д. Математический анализ в примерах и задачах. Предел функции : учебное пособие для вузов / О. Д. Максимова. — 2-е изд., стер. — Москва : Издательство Юрайт, 2019. — 200 с.
• Марчук, Г.И. Геронтология in silico. Становление новой дисциплины. Математические модели, анализ данных и вычислительные эксперименты / Г.И. Марчук. - М.: Бином. Лаборатория знаний, 2017. - 929 c.
• Златопольский Д.М. Основы программирования на языке Python. – М.: ДМК Пресс, 2017. – 284 с.
• Мэтиз, Э. Изучаем PYTHON.Программирование игр, визуализация данных, веб-приложения / Э. Мэтиз. - СПб.: Питер, 2017. - 496 c.
• Федоров, Д. Ю. Программирование на языке высокого уровня Python : учебное пособие для прикладного бакалавриата / Д. Ю. Федоров. – 2-е изд., перераб. и доп. – Москва : Издательство Юрайт, 2019. – 161 с. – (Бакалавр. Прикладной курс).

Қосымша әдебиеттер

• Информационные технологии и вычислительные системы: Обработка информации и анализ данных. Программная инженерия. Математическое моделирование. Прикладные аспекты информатики / Под ред. С.В. Емельянова. - М.: Ленанд, 2015. - 104 c.
• Гашев С. Н. Математические методы в биологии: анализ биологических данных в системе Statistica. — М.: Юрайт. 2020. 208 с.
• Халафян А. А., Боровиков В. П., Калайдина Г. В. Теория вероятностей, математическая статистика и анализ данных. Основы теории и практика на компьютере. Statistica. Excel. Более 150 примеров решения задач. Учебное пособие. — М.: Ленанд. 2017. 320 с.
• Миркин Б. Г. Введение в анализ данных. — М.: Юрайт. 2020. 175 с.