- Nazwa przedmiotu:
- Podstawy programowania i przetwarzania danych
- Koordynator przedmiotu:
- dr hab. inż. Marek Gągolewski, prof. PW
- Status przedmiotu:
- Obowiązkowy
- Poziom kształcenia:
- Studia II stopnia
- Program:
- Inżynieria i Analiza Danych
- Grupa przedmiotów:
- Wspólne
- Kod przedmiotu:
- 1120-DS000-ISP-0115
- Semestr nominalny:
- 1 / rok ak. 2018/2019
- Liczba punktów ECTS:
- 5
- Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
- 1. godziny kontaktowe – 80 h; w tym
a) obecność na wykładach – 30 h
b) obecność na ćwiczeniach – 15 h
c) obecność na laboratoriach – 30 h
d) konsultacje – 5 h
2. praca własna studenta – 50 h; w tym
a) przygotowanie do ćwiczeń i kolokwium – 10 h
b) przygotowanie do laboratoriów – 10 h
c) zapoznanie się z literaturą – 5 h
d) zrobienie prac domowych – 25 h
Razem 130 h, co odpowiada 5 pkt. ECTS
- Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
- 1. obecność na wykładach – 30 h
2. obecność na ćwiczeniach – 15 h
3. obecność na laboratoriach – 30 h
4. konsultacje – 5 h
Razem 80 h, co odpowiada 3 pkt. ECTS
- Język prowadzenia zajęć:
- polski
- Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
- 1. obecność na laboratoriach – 30 h
2. przygotowanie do laboratoriów – 15 h
3. zrobienie prac domowych – 25 h
Razem 70 h, co odpowiada 3 pkt. ECTS
- Formy zajęć i ich wymiar w semestrze:
-
- Wykład30h
- Ćwiczenia15h
- Laboratorium30h
- Projekt0h
- Lekcje komputerowe0h
- Wymagania wstępne:
- brak
- Limit liczby studentów:
- .
- Cel przedmiotu:
- Kurs jest wprowadzeniem do programowania imperatywnego z użytkowymi elementami technik programowania obiektowego na przykładzie języka Python 3. Student poznaje pojęcie algorytmu, funkcji, programu, rekurencji, tablicy (listy), a także najbardziej podstawowe algorytmy, które mogą być wykorzystywane w przetwarzaniu danych, m.in. proste algorytmy sortowania i działania na wektorach oraz macierzach. Zapoznaje się także z wybranymi funkcjami z biblioteki pakietów dla środowiska Python, np. służącymi do generowania wykresów lub operacji na wektorach i macierzach (tensorach).
Na zajęciach ćwiczeniowych student rozwija umiejętności analizy zagadnień problemowych i tworzenia algorytmów służących do ich rozwiązania z wykorzystaniem poznanych na wykładzie wiadomości teoretycznych.
Na zajęciach laboratoryjnych student uczy się praktycznych umiejętności tworzenia pełnych programów, które są oparte na poznanych algorytmach. Szczególną uwaga zwraca się więc na: implementację programu z użyciem gotowych, udokumentowanych bibliotek, umiejętność przetestowania programu, jego użycia na konkretnych danych wejściowych, interpretację otrzymanego wyniku. Na 5-7 zajęciach laboratoryjnych student rozwiązuje samodzielnie zadania sprawdzające.
- Treści kształcenia:
- 1. Pojęcie problemu i algorytmu
2. Typy skalarne: bool, int, float, str. Reprezentacja liczb całkowitych i zmiennopozycyjnych. Operatory logiczne, arytmetyczne, relacyjne i przypisania. Priorytety operatorów. Błędy arytmetyki zmiennopozycyjnej
3. Instrukcja warunkowa i pętle. Miary złożoności algorytmów.
4. Struktura programu. Funkcje. Dokumentowanie i testowanie kodu. Przekazywanie parametrów przez wartość a przez referencję.
5. Implementacja algorytmów typu: metoda bisekcji znajdowania zera funkcji, największy wspólny dzielnik, sprawdzanie, czy liczba jest pierwsza itd.
6. Listy (ciągi, tablice)
7. Implementacja algorytmów typu: zastosowywanie danej operacji na każdym elemencie listy, obliczanie skumulowanej sumy, iterowanej różnicy, operacje na iloczynie kartezjańskim elementów dwóch list, operacje na odpowiadających sobie elementach dwóch i więcej równolicznych list; sortowanie proste, sortowanie kubełkowe, wyszukiwanie mody (dominanty) w liście, zliczanie liczby unikatowych elementów w wektorze itp.
8. Rekurencja. Algorytmy z nawrotami. Algorytmy typu dziel i rządź
9. Implementacja algorytmów typu: wieże z Hanoi, problem 8 hetmanów, wyszukiwanie binarne (połówkowe), znajdowanie pary najbliższych punktów w R2 itp.
10. Elementy programowania obiektowego: proste klasy, pola i metody
11. Typy zmienialne i niezmienialne. Typy iterowalne i sekwencyjne. Słowniki i zbiory
12. Implementacja algorytmów typu: zliczanie elementów, wyznaczanie średniej w podgrupach
13. Wektory i macierze (NumPy). Zwektoryzowane operacje na wektorach i macierzach (tensorach)
14. Implementacja prostych algorytmów przy użyciu gotowych funkcji i metod na podstawie dokumentacji, np. 1-najbliższych sąsiadów, proste eksperymenty symulacyjne itp.
- Metody oceny:
- Wykład:
Wykład informacyjny, problemowy, studium przypadku
Ćwiczenia:
Wspólne rozwiązywanie zadań, burza mózgów
Laboratorium:
Warsztaty przy użyciu komputera, samodzielne i wspólne rozwiązywanie zadań, burza mózgów
- Egzamin:
- nie
- Literatura:
- 1. Harel D., Rzecz o istocie informatyki, Wydawnictwa Naukowo-Techniczne, Warszawa, 2008
2. Cormen T.H., Leiserson Ch., Rivest R.L., Wprowadzenie do algorytmów, Wydawnictwo Naukowe PWN, Warszawa 2013.
3. Wirth N., Algorytmy+Struktury danych=Programy, Wydawnictwa Naukowo-Techniczne, Warszawa 2001.
4. Lutz M., Learning Python, O'Reilly Media, 2013
5. Bressert E., SciPy and NumPy, O'Reilly Media, 2012
6. Gagolewski M., Bartoszuk M., Cena A., Przetwarzanie i analiza danych w języku Python, Wydawnictwo Naukowe PWN, Warszawa, 2016
- Witryna www przedmiotu:
- .
- Uwagi:
- dotyczy programu 4 semestralnego
Efekty uczenia się
Profil ogólnoakademicki - wiedza
- Charakterystyka W01
- Zna podstawy programowania w języku Python (w tym konstrukcje programistyczne: operacje przypisania, pętle, wyrażenia warunkowe, funkcje) i najważniejsze typy danych (w tym skalary, listy, słowniki, zbiory, wektory i macierze) oraz pojęcie problemu i algorytmu.
Weryfikacja: kolokwium, zadania punktowane na laboratoriach, praca domowa
Powiązane charakterystyki kierunkowe:
DS2_W08, DS2_W14
Powiązane charakterystyki obszarowe:
I.P7S_WG, I.P7S_WK
- Charakterystyka W02
- Zna proste metody i algorytmy wykorzystywane w przetwarzaniu danych
Weryfikacja: kolokwium, zadania punktowane na laboratoriach, praca domowa
Powiązane charakterystyki kierunkowe:
DS2_W09
Powiązane charakterystyki obszarowe:
I.P7S_WG
Profil ogólnoakademicki - umiejętności
- Charakterystyka U01
- Potrafi implementować proste algorytmy w postaci funkcji oraz oceniać ich złożoność obliczeniową i pamięciową oraz stosować je do konstrukcji prostych programów
Weryfikacja: kolokwium, zadania punktowane na laboratoriach, praca domowa
Powiązane charakterystyki kierunkowe:
DS2_U11, DS2_U13, DS2_U14
Powiązane charakterystyki obszarowe:
I.P7S_UW, I.P7S_UK
- Charakterystyka U02
- Umie stosować wybrane narzędzia zaimplementowane w pakietach dla środowiska Python 3, w tym funkcje do tworzenia wykresów oraz wybrane operacje na wektorach i macierzach
Weryfikacja: kolokwium, zadania punktowane na laboratoriach, praca domowa
Powiązane charakterystyki kierunkowe:
DS2_U04, DS2_U13
Powiązane charakterystyki obszarowe:
I.P7S_UW
Profil ogólnoakademicki - kompetencje społeczne
- Charakterystyka K01
- Zna potrzebę uczenia się przez całe życie i podnoszenia kompetencji zawodowych
Weryfikacja: kolokwium, zadania punktowane na laboratoriach, praca domowa
Powiązane charakterystyki kierunkowe:
DS2_K01
Powiązane charakterystyki obszarowe:
I.P7S_KK