ABCDFGHIJKLMNOPQRSTUVWXYZ
1
Анализ данных на Python
2
УЦ "Физтех-Потенциал". Профильное программирование. Старшая школа (10 класс).
3
преп. Лазарева С.А.
4
ТемаКраткое содержание Кол-во часов (астр.)Кол-во часов (акад.)Дата
5
Раздел 1. Основы Python
6
1Вводное занятиеЗнакомство. Обзор курса. Язык Python. Интерпретатор Python. Использование локальных и удаленных сред для разработки программ на Python. Среда дистанционного обучения Google Classroom и Google Colaboratory. 3410.09.2025
7
2Типы данных. Операторы. Закрепление и повторение тем. Основные типы. Операторы. Специфика изменяемых и неизменяемых типов. Циклы. Break, continue. Вложенные циклы. 3417.09.2025
8
3Функции и файлыТест 1. Закрепление темы "Функции и файлы". Решение задач по теме "Функции". Написание программ обработки файлов.3424.09.2025
9
4МодулиСоздание модуля. Подключение модуля. Импортирование. Использование псевдонимов. Область видимости переменных модуля. Решение задач. 3401.10.2025
10
5Элементы функционального программированияЛямбда-выражения. Функция как объект. Генератор списка. Функции map, filter. Декораторы.3408.10.2025
11
6ООП-1Встроенные объекты. Методы и свойства. Классы. Построение собственных классов. Экземпляры. Наследование. Служебные методы. Переопределение операций. "Утиная" типизация. Иерархия классов.3415.10.2025
12
7ООП-2Интерфейсы. Распространенные шаблоны поведения объектов. Итераторы и генераторы. Исключения. Иерархия исключений.3422.10.2025
13
8Ключевая точка-1 (Основы Python)Ключевая точка-1. Опрос мнений3429.10.2025
14
15
Раздел 2. Введение в анализ данных
16
9Введение в теорию вероятностейОсновные понятия: случайность, вероятность, математические законы распределения случайных величин, постановка исследовательского вопроса и гипотезы, использование математической модели и интерпретация результатов.
3405.11.2025
17
10Введение в анализ данных. Введение в математическую статистикуМат. статистика, основные понятия: выборка данных, среднее, медиана, дисперсия. Понятие "выброс". Виды распределения данных. Корреляция. Примеры использования. Классические задачи машинного обучения. 3412.11.2025
18
11Основы pandas, занятие 1Обзор библиотек Python для работы с данными. Структуры данных pandas. Базовая функциональность. Выборка и фильтрация. Построение описательных статистик.3419.11.2025
19
12Основы pandas, занятие 2Переформатирование данных: очистка, преобразование. Обработка отсутствующих данных. Преобразование данных: изменение типов, замена значений. 3426.11.2025
20
13Основы pandas, занятие 3Уникальные значения. Удаление дубликатов. Группировки. Слияние данных. Выбросы. Решение задач по теме. 3403.12.2025
21
14Подготовка к КТ-2. Визуализация данных: matplotlib, занятие 1Подготовка к КТ-2. Массивы в numpy. Рисунки и графики. Цвет, маркер, линия. Метки и надписи. Сохранение графика в файле. 3410.12.2025
22
15Ключевая точка – 2. DANO и PandasКлючевая точка-2. Решение задач 1-го и 2-го туров Национальной олимпиады по анализу данных DANO. Pandas. Опрос мнений.3417.12.2025
23
Раздел 3. Визуализация данных
24
16Визуализация данных: matplotlib, занятие 2Функции построения графиков. Линейные графики. Диаграммы. Гистограммы. 3424.12.2025
25
17Визуализация данных: matplotlib, занятие 3Создание анимированных графиков. Модуль matplotlib.animation. Класс FuncAnimation. Сохранение анимации. Создание трёхмерных анимаций.3414.01.2026
26
18Визуализация данных: matplotlib, занятие 4Применение matplotlib для визуализации структур данных pandas. Нанесение данных поверх изображения. Решение задач.3421.01.2026
27
Раздел 4. NumPy и введение в машинное обучение
28
19Основы NumPy, занятие 1Быстродействие NumPy. Основные понятия. Вектор. Массив. Многомерный массив. Операции массив-скаляр. Индексирование. Вырезание. Транспонирование. 3428.01.2026
29
20Основы NumPy, занятие 2Понятие математической модели. Аналитические и численные решения. Аппроксимация функции многочленом. Перевод категориальных признаков в числовые. Решение задач. 3404.02.2026
30
21Основы NumPy, занятие 3. Обработка данных с применением массивов. Сортировки. Теоретико-множественные операции. Устранение дубликатов.3411.02.2026
31
22Основы NumPy, занятие 4. Константы. Округление чисел. Тригонометрические функции. Дробная и целая части чисел. Квадратный корень. Преобразование градусов в радианы. Запись массивов и их чтение из файла. Решение задач. 3418.02.2026
32
23Ключевая точка-3
(numpy, matplotlib).
Ключевая точка-3. Опрос мнений.3425.02.2026
33
24Применение изученных библиотек для решения задач машинного обученияЧто такое машинное обучение (machine learning, ML)? Постановка задачи. Понятие модели. Входные признаки. Целевая переменная. Репрезентативность обучающей выборки. Понятие метрики качества. Обучение с учителем и без. Знакомство со встроенными наборами данных scikit-learn. Визуализация данных. 3404.03.2026
34
25Введение в машинное обучение. Библиотека scikit-learn, занятие -1Подготовка к решению заданий проектного тура
заключительного этапа олимпиады DANO. Разделение данных на множества: тренировочное и тестовое. Генерация прогнозов. Линейная регрессия. Обучение линейной регрессии. Понятие переобучения.
3411.03.2026
35
26Библиотека scikit-learn, занятие -2Улучшение модели линейной регрессии. Нормализация данных. Рекомендательные системы. Использование метрик и корреляции для построения рекомендательных систем.3425.03.2026
36
27Библиотека scikit-learn, занятие -3Кластеризация с помощью графовых методов. Кластеризация методом Forel. 3401.04.2026
37
28Библиотека scikit-learn, занятие -4Кластеризация методом K-means. 3408.04.2026
38
29Библиотека scikit-learn, занятие -5Классификатор. Обучение классификаторов. Метод k-ближайших соседей. Нейронные сети.3415.04.2026
39
30Ключевая точка – 4 (scikit-learn). Ключевая точка – 4 (scikit-learn). 3422.04.2026
40
Раздел 5. Работа над проектами
41
31Работа над проектами
Структура проекта. Разработка архитектуры приложения. Согласование интерфейсов.
A/B тесты.
3429.04.2026
42
32Основы проектной работы. Git, GitHubСвязь с Google Disk и GitHub. Настройки совместного использования файлов. Возможности документирования кода. Дополнительные библиотеки и вычислительные ресурсы. Технология работы над проектами. Открытые и закрытые репозитории. Понятие "контроль версий". Веб-хостинг проектов с поддержкой системы контроля версий. 3406.05.2026
43
33Основы проектной работы. Git, GitHubСоздание собственного репозитория. Ветвление. Копирование на локальную машину. Перенос изменений в главный репозиторий.3413.05.2026
44
34Работа над проектамиСоздание репозитория проекта. Работа над кодом.3420.05.2026
45
35Тестирование приложений. 3427.05.2026
46
36Защита проектов3403.06.2026
47
Всего аудиторных часов 144
48
Самостоятельная работа над домашними заданиями144
49
Общая трудоемкость 288
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100