Undergraduate Elective 1071
Από Περιγράμματα - Τμήμα Μαθηματικών
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.
|
|---|---|
| Γενικές Ικανότητες |
|
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 |
| ||||||||||
| 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.
|
|---|---|
| General Competences |
|
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 |
| ||||||||||
| 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.