Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Data Science							Poziom i forma studiów	pierwszego stopnia inżynierskie stacjonarne
Specjalność / Ścieżka dyplomowania	---							Profil kształcenia	ogólnoakademicki
Nazwa przedmiotu	Podstawy programowania							Kod przedmiotu	DS1S1PPR
								Rodzaj przedmiotu	obowiązkowy
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	1
	30				45			Punkty ECTS	6
Przedmioty wprowadzające
Cele przedmiotu	Przekazanie podstawowej wiedzy z zakresu programowania, ze szczególnym uwzględnieniem języka Python jako narzędzia do przetwarzania i analizy danych. Rozwój praktycznych umiejętności implementacji algorytmów i struktur danych, stanowiących fundament dla dalszej nauki zaawansowanych technik programistycznych w data science. Odniesienia do frameworka edukacyjnego mikrokompetencji SFIA: Programming/software development PROG - poziom 2 Testing TEST - poziom 1
Treści programowe	Podstawowe pojęcia i koncepcje programowania. Specyfika Pythona jako języka do analizy danych. Operacje wejścia-wyjścia. Typy danych proste i kontenerowe, operacje na typach i strukturach danych. Struktury kontrolne: instrukcje warunkowe, pętle. Funkcje i moduły. Rekurencja. Praca z plikami. Testowanie i ulepszanie kodu, typy błędów. Biblioteki standardowe. Przegląd podstawowych bibliotek Pythona przydatnych w analizie danych. Wykład: 1. Podstawy Pythona. Konsola, środowiska wirtualne, edytory kodu, zintegrowane środowiska programistyczne. Dokumentacja kodu, styl PEP 8. Definicja algorytmu. 2. Struktura programu, komentarze, operatory, rozgraniczniki, słowa kluczowe, instrukcje proste, importowanie zewnętrznych modułów, zmienne globalne i lokalne. 3. Numeryczne typy danych. Wykonywanie obliczeń w Pythonie. Pierwszeństwo operatorów. 4. Logiczny typ danych. Wyrażenia boolowskie. Operatory logiczne. 5. Złożone typy danych. Listy, krotki, słowniki, zbiory. 6. Instrukcje warunkowe. Instrukcje iteracji. 7. Wyrażenia listowe i słownikowe. 8. Biblioteki. Korzystanie z bibliotek. Standardowe biblioteki. Wykorzystanie bibliotek do rysowania. 9. Funkcje. Przekazywanie parametrów. 10. Rekurencja. 11. Operacje na napisach. Typ danych string. Formatowanie wyjścia. 12. Operacje na plikach. Podstawowe operacje odczytu i zapisu danych oraz wykorzystanie zewnętrznych modułów. 13. Liczby pseudolosowe. Pomiar czasu. 14. Testowanie i ulepszanie kodu. Typy błędów. Debugowanie programu. 15. Python a inne języki programowania. Biblioteki numpy i pandas. Pracownia specjalistyczna: 1. Struktura programu w języku Python. Przykładowy program. Zmienne. 2. Instrukcje wejścia-wyjścia. Wprowadzenie do instrukcji warunkowej. 3. Instrukcja warunkowa. 4. Instrukcja pętli while. 5. Listy, krotki, słowniki i zbiory. 6. Instrukcja pętli for. Pętle zagnieżdżone. 7. Wyrażenia listowe i słownikowe. 8. Kolokwium 1. Typ danych string. 9. Funkcje. 10. Rekurencja. 11. Operacje na plikach. 12. Zadanie projektowe. 13. Zadanie projektowe. 14. Kolokwium 2. Zadanie projektowe. 15. Zaliczenie zadania projektowego.
Metody dydaktyczne	wykład problemowy, programowanie z użyciem komputera, wykład informacyjny, wykład z prezentacją multimedialną,
Forma zaliczenia	Wykład: egzamin pisemny z pytaniami otwartymi Pracownia specjalistyczna: kolokwium, ocena wybranych programów realizowanych na zajęciach, ocena zadania projektowego
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	podstawowe konstrukcje programistyczne i ich zastosowanie w Pythonie								DS1_W02
EU2	zasady projektowania i implementacji algorytmów								DS1_W03 DS1_W16
EU3	podstawowe struktury danych i ich zastosowanie w przetwarzaniu danych								DS1_W16
EU4	implementować proste programy w języku Python								DS1_U06
EU5	wykorzystywać podstawowe struktury danych i algorytmy								DS1_W05 DS1_W21
EU6	tworzyć czytelny i poprawny kod źródłowy								DS1_U21
EU7	systematycznego rozwijania umiejętności programistycznych								DS1_K01
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	egzamin pisemny								W
EU2	egzamin pisemny								W
EU3	egzamin pisemny								W
EU4	kolokwium; rozwiązywanie zadań problemowych								Ps
EU5	kolokwium; rozwiązywanie zadań problemowych								Ps
EU6	kolokwium; rozwiązywanie zadań problemowych								Ps
EU7	kolokwium; rozwiązywanie zadań problemowych								Ps
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - udziałem w wykładach								30
	2 - udziałem w innych formach zajęć								45
	3 - indywidualnym wsparciem merytorycznym procesu uczenia się, udziałem w egzaminie i zaliczeniach organizowanych poza planem zajęć								4
	4 - przygotowaniem do egzaminu								20
	5 - przygotowaniem do bieżących zajęć o charakterze praktycznym								32
	6 - wykonaniem projektu								19
RAZEM:									150
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									79 (1)+(2)+(3)	3.2
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									96 (2)+(5)+(6)	3.8
Literatura podstawowa	1. M. Lutz, M.D. Ascher, Python: Wprowadzenie, Gliwice, Helion, 2002 2. Z.A. Shaw, Python 3 : Proste wprowadzenie do fascynującego świata programowania, Gliwice, Helion, 2018 3. P. Norton, Python Od Podstaw, Gliwice, Helion, 2006 4. M. Summerfield, Python 3 : Kompletne Wprowadzenie Do Programowania. Wyd.2. ed. Gliwice, Helion, 2010
Literatura uzupełniająca	1. R. Miles, Python : Zacznij Programować!, Gliwice, Helion, 2019 2. N. Ceder, Python : Szybko I Prosto, Gliwice, Helion, 2019 3. A. Bell, Python : Uczymy Się Programowania, Gliwice, Helion, 2019
Jednostka realizująca	Katedra Oprogramowania								Data opracowania programu
Program opracował(a)	dr inż. Dorota Duda,dr inż. Tomasz Łukaszuk,dr inż. Anna Łupińska-Dubicka								2025.03.03