Programowanie III

Zaliczenie kursów: Programowanie I lub Programowanie II, Bazy danych 1, Algorytmy i struktury danych, Matematyka dla informatyków II

przedmiot obligatoryjny

Godziny realizowane z udziałem nauczycieli: 20h w.+20h l = 40h

Czas poświęcony na pracę indywidualną studenta: 97h

Czas wymagany do przygotowania się do uczestnictwa w procesie oceniania: 23h

Razem: 160h (6p. ECTS)

Wykład: 12 godzin stacjonarnych, 8 godzin e-nauczanie za pośrednictwem platformy moodle.

Po ukończeniu kursu student osiąga następujące efekty (kody odnoszą się do efektów dla studiów 1 stopnia na kierunku informatyka - studia inżynierskie):

W1:zna podstawową składnię języka Python - K_W03, K_W05, K_W10

W2: zna podstawowe narzędzia ułatwiające instalację bibliotek i programowanie w Pythonie - K_W11

W3: zna wybrane biblioteki rozszerzające podstawową funkcjonalność Pythona - K_W11

W4: zna różne sposoby pobierania informacji z relacyjnych SZBD; zna zasadę działania i sposób wykorzystania przynajmniej jednego frameworka ORM - K_W02

Po ukończeniu kursu student osiąga następujące efekty (kody odnoszą się do efektów dla studiów 1 stopnia na kierunku informatyka - studia inżynierskie):

U1: potrafi pozyskiwać informacje z literatury, baz wiedzy, Internetu oraz innych wiarygodnych źródeł, integrować je, dokonywać ich interpretacji oraz wyciągać wnioski i formułować opinie - K_U02

U2: potrafi pisać, uruchamiać i testować programy w wybranym środowisku programistycznym - K_U05

U3: umie czytać ze zrozumieniem programy zapisane w języku programowania imperatywnego - K_U06

U4: potrafi zaprojektować, zaimplementować i przetestować prostą aplikację bazodanową - K_U17, K_U15, K_U26

U5: potrafi stosować wybrane biblioteki w celu przeprowadzenia prostej analizy danych i wizualizacji wyników - K_U18

U6: potrafi stosować wybrane biblioteki manipulacji obrazami - K_U08

Po ukończeniu kursu student osiąga następujące efekty (kody odnoszą się do efektów dla studiów 1 stopnia na kierunku informatyka - studia inżynierskie):

K1: myśli twórczo i umie wybrać algorytm najbardziej przydatny dla danego problemu oraz potrafi zmodyfikować algorytm w celu optymalizacji jego działania,- K_K02

K2: pracuje systematycznie i posiada umiejętność pozytywnego podejścia do trudności stojących na drodze do realizacji założonego celu; dotrzymuje terminów - K_K08

K3: W pełni samodzielnie realizuje uzgodnione cele, podejmując samodzielne i czasami trudne decyzje; potrafi samodzielnie wyszukiwać informacje w literaturze - K_K07

K4: Jest nastawiony na nieustanne zdobywanie nowej wiedzy, umiejętności i doświadczeń; rozumie potrzebę ciągłego doskonalenia się i podnoszenia kompetencji zawodowych - K_K06

podające: wykład informacyjny, wykład konwersatoryjny

poszukujące: ćwiczeniowa, laboratoryjna

pozostałe: metody służące prezentacji treści, symulacje

- pokaz
- symulacyjna (gier symulacyjnych)

- wykład informacyjny (konwencjonalny)
- wykład konwersatoryjny

- ćwiczeniowa
- laboratoryjna

- metody odnoszące się do autentycznych lub fikcyjnych sytuacji
- metody rozwijające refleksyjne myślenie

W ramach przedmiotu studenci zostaną zaznajomieni z językiem programowania oraz nauczą się budować i testować proste okienkowe aplikacje bazodanowe oraz nauczą się wykorzystywać język Python do obliczeń naukowych.

Zajęcia e-learningowe wspomagane będą narzędziem Jupyter Notebook

W ramach przedmiotu omówione zostaną wymienione niżej tematy. Zaznaczone znakiem * będą realizowane przez Internet.

1. Podstawowe informacje o języku Python. Instalacja i środowiska programistyczne. Typy skalarne, sekwencyjne i iterowalne, słowniki i zbiory, instrukcje sterujące.

2. Funkcje. Przetwarzanie napisów. Przetwarzanie plików.

*3. Wektory, macierze i inne tablice. Ramki danych. (numpy, pandas)

*4. Przetwarzanie danych ze stron Internetowych. (web scraping)

5. Klasy, dziedziczenie. Przeciążanie metod. Polimorfizm. Pakiety.

6. Wizualizacja danych. Obiekty graficzne i ich parametry. Graficzna reprezentacja danych. (matplotlib, pyplot)

*7. Wnioskowanie statystyczne. Estymacja punktowa, przedziałowa. Wykorzystanie testów statystycznych do analizy danych. (stats)

*8. Dostęp do baz danych. Odczytywanie i zapis danych w bazie. Zapytania. SQL. Komunikacja z bazą danych.

9. Obsługa multimediów (tkinter, pygame)

10. Uczenie maszynowe - wybrane zagadnienia (sklearn)

[1] M. Dawson, " Python programming for the absolute beginner", Boston, Premier Press, 2003

[2] M. Gągolewski, M. Bartoszuk, A.Cena, "Przetwarzanie i analiza danych w języku Python", Warszawa, Wydawnictwo Naukowe PWN, 2016.

[3] Kent D. Lee, S. Hubbard,."Data structures and algorithms with Python", Springer, 2015.

[4] https://learnpythonthehardway.org/book/

[5] https://pl.wikibooks.org/wiki/Zanurkuj_w_Pythonie

[6] http://www.greenteapress.com/thinkpython/html/index.html

[7] D. Arbuckle, " Python testing", Birmingham, U.K., Packt Pub., 2010.

[8] T. Gutschmidt," Game programming with Python, Lua, and Ruby", Boston, Premier Press, 2004

[9] https://pl.python.org/kursy,jezyka.html

Wykład:

Testy i zadania na platformie e-learningowej

(razem min. 70% punktów)

Laboratorium:

zaliczenie kolokwium

projekt programistyczny

Ocena:

90-100 - bdb

80-89 +db

70-79 db

60-69 +dst

50-59 dst

nie dotyczy