Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    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