3_30_M
Programmēšana Python valodā datu analītiķiem
Programmu kopa: Datu apstrāde, analīze un vizualizācija
Kursa mērķis
Sniegt zināšanas un Python programmēšanas pamatprasmes datu apstrādei un rutīnas darbu automatizācijai.
Mērķauditorija
Ikviens, kurš vēlas izmantot Python iespējas datu analīzē, un ir nodarbināta persona.
Kursa mērķis
Sniegt zināšanas un Python programmēšanas pamatprasmes datu apstrādei un rutīnas darbu automatizācijai.
Mērķauditorija
Ikviens, kurš vēlas izmantot Python iespējas datu analīzē, un ir nodarbināta persona.
Tehnoloģijas
Windows, Python
Mācīšanās rezultāti
Pēc veiksmīgas izglītības programmas apgūšanas dalībnieks būs spējīgs:
1. Pielietot Python programmēšanas vidi
2. Pielietot Python objektorientētās programmēšanas metodes
3. Izstrādāt un dokumentēt algoritmus datu apstrādei
4. Deklarēt un veikt darbības ar vienkāršiem datu tipiem, tai skaitā virknēm un skaitļiem
5. Deklarēt un veikt darbības ar sakārtotām un nesakārtotām datu struktūrām, tai skaitā sarakstiem un vārdnīcām
6. Deklarēt datu masīvus
7. Izmantot datu modeļus
8. Veidot zarošanās un loģiskās izteiksmes
9. Veidot loģiskos operatorus un cikla konstrukcijas
10. Strukturēt kodu atkārtotai izmantošanai: definēt un izmantot funkcijas, klases un moduļus
11. Pārvaldīt failus un direktorijus, izmantojot Python kodu
12. Apstrādāt izņēmumus
13. Izstrādāt lietotāja saskarnes Python valodā
14. Testēt un validēt izstrādāto kodu
15. Dokumentēt izstrādāto kodu
16. Sadarboties izstrādātāju, testētāju un pasūtītāja komandā
e-CF 4.0
D.7. Data Science and Analytics L1
Caurviju kompetences
Komunikācija
Pašattīstība
Darbs komandā
Atbildība
DIGCOMP 2.2
Datu zinātne, datu analīze un datu vizualizācija, 6.līmenis
E-kompetences un caurviju kompetences
E-kompetences un caurviju kompetences
Add paragraph text. Click “Edit Text” to update the font, size and more. To change and reuse text themes, go to Site Styles.
Add paragraph text. Click “Edit Text” to update the font, size and more. To change and reuse text themes, go to Site Styles.
Add paragraph text. Click “Edit Text” to update the font, size and more. To change and reuse text themes, go to Site Styles.
e-CF 4.0
D.7. Data Science and Analytics L1
Caurviju kompetences
Komunikācija
Pašattīstība
Darbs komandā
Atbildība
DIGCOMP 2.2
Datu zinātne, datu analīze un datu vizualizācija, 6.līmenis
E-kompetences un caurviju kompetences
E-kompetences un caurviju kompetences
e-CF 4.0
D.7. Data Science and Analytics L1
Caurviju kompetences
Komunikācija
Pašattīstība
Darbs komandā
Atbildība
DIGCOMP 2.2
Datu zinātne, datu analīze un datu vizualizācija, 6.līmenis
Priekšzināšanas
Vismaz vidējā izglītība. Datorlietošanas prasmes vidējā līmenī.
Priekšzināšanas
Vismaz vidējā izglītība. Datorlietošanas prasmes vidējā līmenī.
Kursa tēmas
1. Datorprogrammēšanas pamati:
1.1. Programmas izpildīšanas principi
1.2. Programmēšanas valodas definēšanas un konstruēšanas principi
1.3. Atšķirība starp kompilāciju un interpretāciju
1.4. Python programmēšanas valoda un tās pozicionēšana starp citām valodām
1.5. Python valodas dažādas versijas
2. Python programmēšanas vides instalēšana un konfigurēšana
3. Objektorientētās programmēšanas principi un to realizācija Python
4. Datu apstrādes algoritmi un to izstrāde, attēlošana, aprakstīšana
5. Vienkāršu datu tipi (skaitļi, virknes, masīvi), to deklarēšana un apstrāde
6. Sakārtotas un nesakārtotas datu struktūras
7. Python datu formatēšanas un izvades pamatmetodes:
7.1. Mainīgo lielumu jēdziens un mainīgo nosaukumdošanas noteikumi
7.2. Skaitliskās operācijas
7.3. Piešķiršanas operators
7.4. Izteiksmju veidošana Pythonā un noteikumi, kas reglamentē izteiksmju veidošanu
7.5. Datu ievadīšana un konvertēšana
8. Zarošanās un loģiskās izteiksmju veidošana un to pierakstīšana Python sintaksē
9. Loģisko un cikla operatoru veidošana
10. Python koda strukturēšana atkārtotai izmantošanai, definējot un veidojot funkcijas, klases un moduļus
11. Failu un direktoriju, pārvaldīšana izmantojot Python kodu
12. Izņēmumu apstrāde
13. Python koda atkļūdošana un uzlabošana
14. Tīmekļa lietojumprogrammu saskarņu izmantošana
15. Tabulāru datu apstrādes pamati
Materiāli kursa dalībniekiem
Pasniedzēja sagatavoti mācību materiāli latviešu valodā.
Mācību norise un nepieciešamais aprīkojums
Nodarbības notiek tiešsaistē divus darba dienas vakarus nedēļā un četras sestdienas. Sekmīgai dalībai mācībās dalībniekam ir nepieciešams dators ar Windows operētājsistēmu, webkameru un mikrofonu, kā arī stabils interneta pieslēgums. Mācību programmas apgūšanai nepieciešamo programmatūru nodrošina izglītības iestāde.
Darbs komandā
Praktiska pieredze
Projekta izstrāde
