Python programozás adatelemzéshez

A tantárgy angol neve: Python Programming for Data Analysis

Adatlap utolsó módosítása: 2022. október 27.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar
Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VITMM191   2/2/0/v 4  
3. A tantárgyfelelős személy és tanszék Dr. Pasic Alija,
4. A tantárgy előadója

Név:

Beosztás:

Tanszék,Int.:

Dr. Pašić Alija

egyetemi adjunktus

BME TMIT

Lukovszki Csaba

mesteroktató

BME TMIT

Hollósi Gergely László

tudományos segédmunkatárs

BME TMIT

Dr. Papp Dávid

egyetemi adjunktus

BME TMIT 

5. A tantárgy az alábbi témakörök ismeretére épít

Programozás alapjai. 

6. Előtanulmányi rend
Kötelező:
Training.Code=("5N-MGAIN")

A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

Ajánlott:

Kötelező előtanulmányi rend nincs.

7. A tantárgy célkitűzése

A Python nyelv a legdinamikusabban fejlődő programozási nyelvek egyike és manapság szinte már elengedhetetlen kelléke az adatbányászatnak és gépi tanulásnak. A tárgy célja megismertetni a gazdaságinformatikus képzés hallgatóival a Python programozás nyelv alapjait és programkönyvtárait, amelyet a későbbi tanulmányaik során és az iparban is hasznosíthatnak.

8. A tantárgy részletes tematikája

1)     A programtervezés folyamata. A Python fő jellemzőinek bemutatás (portabilitás, interpretált, objektum-orientált, reflektívitás, ortogonalitás). 

    Magas szintű programozási nyelvek

    Platformfüggetlenség, típusosság és interpretáltság

2)     Adatok és Változók

    Python objektum

    Változók létrehozása

3)     Adatok és Változók

    Változtatható és változtathatatlan objektumok

    Beépített típusok és velük végezhető műveletek

4)     Az utasításfolyam vezérlése Pythonban: szekvencia, feltételes utasítások, ismétlődő utasítások.

    Elágazások, ciklusok

    Kivételek kezelése a programban

5)     Adatstruktúrák

    Beépített konténertípusok ismertetése: Lista, Halmaz, Szótár.

    Iterátorok és iterálhatóság

6)     Adatstruktúrák

    Indexelés, szeletelés 

    Comprehension-ök és a konténerműveletek

    Generátorok

7)     Függvények

    Névterek

    Globális és lokális változók

8)     Függvények

    Egymásba ágyazott függvények

    Dekorátorok

9)     Python könyvtárak és packagek használata

    Modulok és csomagok

    Külső csomagok importálása

10) Adatmanipuláció a Pandas könyvtárral

    Multiindexing, 

    Adattáblák-összekapcsolása

    Merge-és-Join, 

11) Adatmanipuláció a Pandas könyvtárral

    Pandas-rolling, 

    Aggregálás csoportosítás

12) Numpy könyvtár

13) Adatvizualizáció a Matplotlib könyvtárral

    Matplotlib csomag megismerése

14) Diagramok

    Egyszerű vonal és pont diagramok. 

    Hisztogramok, ábrafeliratozás és formázás.

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) Előadás és gyakorlat. Az előadáson elmondott ismereteket a tantermi gyakorlatokon esettanulmányok, tervezési példák és szoftver eszközök bemutatása egészíti ki.
10. Követelmények
  • A szorgalmi időszakban: a házi feladat legalább elégséges szinten való megoldása szükséges az aláíráshoz.
  • A vizsgaidőszakban: írásbeli vizsga, ahol az érdemjegy kizárólag a vizsga eredményétől függ, legalább 40%-ot kell elérni az elégséges jegyhez.
11. Pótlási lehetőségek

A házi feladat a pótlási időszakban pótolható.

12. Konzultációs lehetőségek

Előadások idejében, illetve előre egyeztetett időpontban.

13. Jegyzet, tankönyv, felhasználható irodalom

Wes McKinney: Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, O'Reilly Media, Inc., Second Edition, 2017. 


Ezen kívül a szükséges segédanyagokat elektronikus formában elérhetővé tesszük a tantárgy oldalán.

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
Kontakt óra56
Félévközi készülés órákra14
Felkészülés zárthelyire0
Házi feladat elkészítése25
Kijelölt írásos tananyag elsajátítása0
Vizsgafelkészülés25
Összesen120
15. A tantárgy tematikáját kidolgozta

Név:

Beosztás:

Tanszék, Int.:

Dr. Pašić Alija

egyetemi adjunktus

BME TMIT

Dr. Szűcs Gábor

egyetemi docens

BME TMIT