Undergraduate Elective 1071: Διαφορά μεταξύ των αναθεωρήσεων

Από Περιγράμματα - Τμήμα Μαθηματικών
Μετάβαση σε: πλοήγηση, αναζήτηση
← Παλαιότερη επεξεργασία
ΟπτικήΚώδικας wiki
Χωρίς σύνοψη επεξεργασίας
Ktzuvara (συζήτηση | συνεισφορές)
809 επεξεργασίες
Χωρίς σύνοψη επεξεργασίας
 
(2 ενδιάμεσες αναθεωρήσεις από τον ίδιο χρήστη δεν εμφανίζεται)
Γραμμή 9: Γραμμή 9:


<div id="pills-gr" class="tab-pane fade show active" role="tabpanel" aria-labelledby="pills-gr-tab" style="text-align:left;">
<div id="pills-gr" class="tab-pane fade show active" role="tabpanel" aria-labelledby="pills-gr-tab" style="text-align:left;">


=== Γενικά ===
=== Γενικά ===
Γραμμή 50: Γραμμή 51:
| Δείτε το [https://ecourse.uoi.gr/ eCourse], την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.
| Δείτε το [https://ecourse.uoi.gr/ eCourse], την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.
|}
|}


=== Μαθησιακά Αποτελέσματα ===
=== Μαθησιακά Αποτελέσματα ===
Γραμμή 58: Γραμμή 58:
! Μαθησιακά Αποτελέσματα
! Μαθησιακά Αποτελέσματα
| Το μάθημα προσφέρεται στο 5ο εξάμηνο του προγράμματος σπουδών και έχει ως στόχο να εφοδιάσει τους/τις προπτυχιακούς/κές φοιτητές/τριες με όλες τις θεμελιώδεις γνώσεις της γλώσσας προγραμματισμού Python και του τρόπου με τον οποίο μπορεί να ενσωματωθεί σε μια πλειάδα επιστημονικών πεδίων με έμφαση στην επιστήμη δεδομένων.
| Το μάθημα προσφέρεται στο 5ο εξάμηνο του προγράμματος σπουδών και έχει ως στόχο να εφοδιάσει τους/τις προπτυχιακούς/κές φοιτητές/τριες με όλες τις θεμελιώδεις γνώσεις της γλώσσας προγραμματισμού Python και του τρόπου με τον οποίο μπορεί να ενσωματωθεί σε μια πλειάδα επιστημονικών πεδίων με έμφαση στην επιστήμη δεδομένων.


Συνδυάζει εκτεταμένη αναφορά στις θεωρητικές αρχές της ανάπτυξης και σχεδίασης λογισμικού με ευρεία αναφορά στο οικοσύστημα της γλώσσας. Επιπρόσθετα, ιδιαίτερη έμφαση δίνεται στην πρακτική εφαρμογή των αποκτώμενων γνώσεων, μέσω της ανάθεσης προγραμματιστικών εργασιών και της παρουσίασης εκτεταμένων παραδειγμάτων.
Συνδυάζει εκτεταμένη αναφορά στις θεωρητικές αρχές της ανάπτυξης και σχεδίασης λογισμικού με ευρεία αναφορά στο οικοσύστημα της γλώσσας. Επιπρόσθετα, ιδιαίτερη έμφαση δίνεται στην πρακτική εφαρμογή των αποκτώμενων γνώσεων, μέσω της ανάθεσης προγραμματιστικών εργασιών και της παρουσίασης εκτεταμένων παραδειγμάτων.


Με την ολοκλήρωση του μαθήματος, ο/η φοιτητής/τρια θα είναι σε θέση να:  
Με την ολοκλήρωση του μαθήματος, ο/η φοιτητής/τρια θα είναι σε θέση να:  
Γραμμή 77: Γραμμή 75:
* Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.
* Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.
|}
|}


=== Περιεχόμενο Μαθήματος ===
=== Περιεχόμενο Μαθήματος ===


{| class="wikitable" style="width: 100%;"
|
* Εισαγωγή στη γλώσσα Python
* Εισαγωγή στη γλώσσα Python
* Το διαδικτυακό περιβάλλον Jupyter Lab και η χρήση των Notebooks για την συγγραφή σεναρίων Python
* Το διαδικτυακό περιβάλλον Jupyter Lab και η χρήση των Notebooks για την συγγραφή σεναρίων Python
Γραμμή 93: Γραμμή 92:
* GUI Frameworks και σχεδίαση γραφικών παραστάσεων με χρήση της βιβλιοθήκης Matplotlib
* GUI Frameworks και σχεδίαση γραφικών παραστάσεων με χρήση της βιβλιοθήκης Matplotlib
* Pandas: Βασική λειτουργικότητα, Σειρές, Πίνακες δεδομένων (DataFrame), Επανάληψη, Ταξινόμηση, Ευρετηρίαση και Επιλογή δεδομένων, Διαχείριση ελλιπών τιμών, Ομαδοποίηση, Συγχώνευση/Σύνδεση, Είσοδος/Έξοδος, Οπτικοποίηση και Αραιά δεδομένα.
* Pandas: Βασική λειτουργικότητα, Σειρές, Πίνακες δεδομένων (DataFrame), Επανάληψη, Ταξινόμηση, Ευρετηρίαση και Επιλογή δεδομένων, Διαχείριση ελλιπών τιμών, Ομαδοποίηση, Συγχώνευση/Σύνδεση, Είσοδος/Έξοδος, Οπτικοποίηση και Αραιά δεδομένα.
 
|}


=== Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση ===
=== Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση ===
Γραμμή 127: Γραμμή 126:
| Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) , ενδιάμεσες προγραμματιστικές εργασίες.
| Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) , ενδιάμεσες προγραμματιστικές εργασίες.
|}
|}


=== Συνιστώμενη Βιβλιογραφία ===
=== Συνιστώμενη Βιβλιογραφία ===
Γραμμή 135: Γραμμή 133:


<div id="pills-en" class="tab-pane fade" role="tabpanel" aria-labelledby="pills-en-tab" style="text-align:left;">
<div id="pills-en" class="tab-pane fade" role="tabpanel" aria-labelledby="pills-en-tab" style="text-align:left;">


=== General ===
=== General ===
{| class="wikitable"
{| class="wikitable"
|-
|-
Γραμμή 161: Γραμμή 161:
|-
|-
! [https://regulations.math.uoi.gr/index.php?title=Undergraduate_Department_Course_Types Course Type]
! [https://regulations.math.uoi.gr/index.php?title=Undergraduate_Department_Course_Types Course Type]
|
| Special Background
Special Background
|-
|-
! Prerequisite Courses
! Prerequisite Courses
Γραμμή 168: Γραμμή 167:
|-
|-
! Language of Instruction and Examinations
! Language of Instruction and Examinations
|
| Greek
Greek
|-
|-
! Is the Course Offered to Erasmus Students
! Is the Course Offered to Erasmus Students
|
| Yes (in English)
Yes (in English)
|-
|-
! Course Website (URL)
! Course Website (URL)
| See [https://ecourse.uoi.gr/ eCourse], the Learning Management System maintained by the University of Ioannina.
| See [https://ecourse.uoi.gr/ eCourse], the Learning Management System maintained by the University of Ioannina.
|}
|}


=== Learning Outcomes ===
=== Learning Outcomes ===
Γραμμή 186: Γραμμή 182:
! Learning outcomes
! Learning outcomes
|The course is offered in the 5th semester of the curriculum and aims to equip undergraduate students with all the fundamental knowledge of the Python programming language and how it can be integrated into a wide range of scientific fields, with an emphasis on data science.
|The course is offered in the 5th semester of the curriculum and aims to equip undergraduate students with all the fundamental knowledge of the Python programming language and how it can be integrated into a wide range of scientific fields, with an emphasis on data science.


It combines extensive coverage of the theoretical principles of software development and design with a broad reference to the language ecosystem. Additionally, special emphasis is placed on the practical application of acquired knowledge through the assignment of programming tasks and the presentation of extensive examples.
It combines extensive coverage of the theoretical principles of software development and design with a broad reference to the language ecosystem. Additionally, special emphasis is placed on the practical application of acquired knowledge through the assignment of programming tasks and the presentation of extensive examples.


Upon completion of the course, the student will be able to:
Upon completion of the course, the student will be able to:
Γραμμή 205: Γραμμή 199:
* Production of free, creative and inductive thinking
* Production of free, creative and inductive thinking
|}
|}


=== Syllabus ===
=== Syllabus ===


{| class="wikitable" style="width: 100%;"
|
* Introduction to Python language
* Introduction to Python language
* The Jupyter Lab and the use of Notebooks for writing Python scripts
* The Jupyter Lab and the use of Notebooks for writing Python scripts
Γραμμή 221: Γραμμή 216:
* GUI Frameworks and graphical representation design using the Matplotlib library
* GUI Frameworks and graphical representation design using the Matplotlib library
* Pandas: Basic functionality, Series, DataFrames, Iteration, Sorting, Indexing and Data Selection, Handling Missing Values, Grouping, Merging/Joining, Input/Output, Visualization, and Sparse Data.
* Pandas: Basic functionality, Series, DataFrames, Iteration, Sorting, Indexing and Data Selection, Handling Missing Values, Grouping, Merging/Joining, Input/Output, Visualization, and Sparse Data.
 
|}


=== Teaching and Learning Methods - Evaluation ===
=== Teaching and Learning Methods - Evaluation ===
Γραμμή 228: Γραμμή 223:
|-
|-
! Delivery
! Delivery
|
| Face to face
Face to face
|-
|-
! Use of Information and Communications Technology
! Use of Information and Communications Technology
Γραμμή 256: Γραμμή 250:
| Written final exam, weekly programming exercises.
| Written final exam, weekly programming exercises.
|}
|}


=== Attached Bibliography ===
=== Attached Bibliography ===

Τελευταία αναθεώρηση της 20:07, 29 Μαρτίου 2026



Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Προπτυχιακό
Κωδικός Μαθήματος MAE544
Εξάμηνο 5
Τίτλος Μαθήματος Προγραμματισμός για την Επιστήμη Δεδομένων
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
Τύπος Μαθήματος Ειδίκευσης
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων Ελληνική
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL) Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα Το μάθημα προσφέρεται στο 5ο εξάμηνο του προγράμματος σπουδών και έχει ως στόχο να εφοδιάσει τους/τις προπτυχιακούς/κές φοιτητές/τριες με όλες τις θεμελιώδεις γνώσεις της γλώσσας προγραμματισμού Python και του τρόπου με τον οποίο μπορεί να ενσωματωθεί σε μια πλειάδα επιστημονικών πεδίων με έμφαση στην επιστήμη δεδομένων.

Συνδυάζει εκτεταμένη αναφορά στις θεωρητικές αρχές της ανάπτυξης και σχεδίασης λογισμικού με ευρεία αναφορά στο οικοσύστημα της γλώσσας. Επιπρόσθετα, ιδιαίτερη έμφαση δίνεται στην πρακτική εφαρμογή των αποκτώμενων γνώσεων, μέσω της ανάθεσης προγραμματιστικών εργασιών και της παρουσίασης εκτεταμένων παραδειγμάτων.

Με την ολοκλήρωση του μαθήματος, ο/η φοιτητής/τρια θα είναι σε θέση να:

  • Εφαρμόσει μεθόδους σχεδίασης λογισμικού με την γλώσσα προγραμματισμού Python
  • Κατανοεί και να εφαρμόζει αλγοριθμική σκέψη με όρους προγραμματιστικών μεθόδων και δομών δεδομένων
  • Ενσωματώνει κατάλληλα πακέτα του οικοσυστήματος της γλώσσας σε επιστημονικές διεργασίες
  • Εξοικειωθεί με την υλοποίηση βασικών αλγορίθμων ανάλυσης δεδομένων
  • Χρησιμοποιήσει εργαλεία και γλώσσες προγραμματισμού που είναι κατάλληλα για την επιστήμη των δεδομένων
Γενικές Ικανότητες
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Προσαρμογή σε νέες καταστάσεις
  • Άσκηση κριτικής και αυτοκριτικής
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.

Περιεχόμενο Μαθήματος

  • Εισαγωγή στη γλώσσα Python
  • Το διαδικτυακό περιβάλλον Jupyter Lab και η χρήση των Notebooks για την συγγραφή σεναρίων Python
  • Δομές συνθήκης και επανάληψης
  • Μεταβλητές, Τύποι Δεδομένων και Τελεστές
  • Λίστες (lists), πλειάδες (tuples), σύνολα (sets), ακολουθίες (sequences) και λεξικά (dictionaries)
  • Πίνακες (arrays) με χρήση των βιβλιοθηκών NumPy και Scipy
  • Αντικειμενοστρεφής Προσέγγιση
  • Iterators, Generators, Decorators
  • Οπτικοποίηση-γραφήματα
  • Python και βάσεις δεδομένων
  • GUI Frameworks και σχεδίαση γραφικών παραστάσεων με χρήση της βιβλιοθήκης Matplotlib
  • Pandas: Βασική λειτουργικότητα, Σειρές, Πίνακες δεδομένων (DataFrame), Επανάληψη, Ταξινόμηση, Ευρετηρίαση και Επιλογή δεδομένων, Διαχείριση ελλιπών τιμών, Ομαδοποίηση, Συγχώνευση/Σύνδεση, Είσοδος/Έξοδος, Οπτικοποίηση και Αραιά δεδομένα.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παράδοσης Εβδομαδιαίες διαλέξεις στην τάξη
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών Στην ιστοσελίδα του μαθήματος στο ecourse διατίθεται υλικό μελέτης και πληροφοριών (σημειώσεις και διαφάνειες). Δυνατότητα επικοινωνίας των φοιτητών με τον διδάσκοντα με ηλεκτρονικό τρόπο (e-mail, ecourse).
Οργάνωση Διδασκαλίας
Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις (13Χ3) 39
Αυτοτελής Μελέτη 78
Επίλυση Ασκήσεων - εργασίες 33
Σύνολο Μαθήματος 150
Αξιολόγηση Φοιτητών Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) , ενδιάμεσες προγραμματιστικές εργασίες.

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:


General

School School of Science
Academic Unit Department of Mathematics
Level of Studies Undergraduate
Course Code MAE544
Semester 5
Course Title Programming for the Data Science
Independent Teaching Activities Lectures (Weekly Teaching Hours: 3, Credits: 6)
Course Type Special Background
Prerequisite Courses -
Language of Instruction and Examinations Greek
Is the Course Offered to Erasmus Students Yes (in English)
Course Website (URL) See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes The course is offered in the 5th semester of the curriculum and aims to equip undergraduate students with all the fundamental knowledge of the Python programming language and how it can be integrated into a wide range of scientific fields, with an emphasis on data science.

It combines extensive coverage of the theoretical principles of software development and design with a broad reference to the language ecosystem. Additionally, special emphasis is placed on the practical application of acquired knowledge through the assignment of programming tasks and the presentation of extensive examples.

Upon completion of the course, the student will be able to:

  • Apply software design methods using the Python programming language.
  • Understand and apply algorithmic thinking in terms of programming methods and data structures.
  • Properly integrate language ecosystem packages into scientific processes.
  • Familiarize themselves with the implementation of basic data analysis algorithms.
  • Use programming tools and languages suitable for data science
General Competences
  • Search for, analysis and synthesis of data and information, with the use of the necessary technology
  • Adapting to new situations
  • Criticism and self-criticism
  • Production of free, creative and inductive thinking

Syllabus

  • Introduction to Python language
  • The Jupyter Lab and the use of Notebooks for writing Python scripts
  • Conditional and loop structures
  • Variables, Data Types, and Operators
  • Lists, Tuples, Sets, Sequences, and Dictionaries
  • Arrays using the NumPy and SciPy libraries
  • Object-Oriented Approach
  • Iterators, Generators, Decorators
  • Visualizations and Graphs
  • Python and Databases
  • GUI Frameworks and graphical representation design using the Matplotlib library
  • Pandas: Basic functionality, Series, DataFrames, Iteration, Sorting, Indexing and Data Selection, Handling Missing Values, Grouping, Merging/Joining, Input/Output, Visualization, and Sparse Data.

Teaching and Learning Methods - Evaluation

Delivery Face to face
Use of Information and Communications Technology Yes
Teaching Methods
Activity Semester Workload
Lectures 39
Self study 78
Exercises 33
Course total 150
Student Performance Evaluation Written final exam, weekly programming exercises.

Attached Bibliography

See the official Eudoxus site. Books and other resources, not provided by Eudoxus:

  • John V. Guttag , Υπολογισμοί και Προγραμματισμός με την Python, Εκδόσεις Κλειδάριθμος, 2015, (Κωδικός Βιβλίου στον Εύδοξο: 50656350) 
  • Καρολίδης Δημήτριος Α., Μαθαίνετε εύκολα Python, Εκδόσεις Άβακας, 2018, (Κωδικός Βιβλίου στον Εύδοξο: 77107582) 
  • Καφές Μάνος , Εξερεύνηση της Python, Εκδόσεις Κλειδάριθμος, 2017, (Κωδικός Βιβλίου στον Εύδοξο: 68386005) 
  • Tony Gaddis , Ξεκινώντας με την Python, Εκδόσεις DaVinci, 2020, (Κωδικός Βιβλίου στον Εύδοξο: 94691810) 
  • Σαμαράς Νικόλαος, Τσιμπλίδης Κωνσταντίνος , Το βιβλίο της Python, Εκδόσεις Κριτική, 2019, (Κωδικός Βιβλίου στον Εύδοξο: 86055492)
  • Igual L., Segui S., Virtia J. et al (2017), Introduction to data science: a Python approach to concepts, techniques and applications, Springer.
Ανακτήθηκε από «https://outlines.math.uoi.gr/index.php?title=Undergraduate_Elective_1071&oldid=979»