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	Programowanie obiektowe							Kod przedmiotu	DS1S2POB
								Rodzaj przedmiotu	obowiązkowy
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	2
	30				30			Punkty ECTS	5
Przedmioty wprowadzające	Podstawy programowania (DS1S1PPR),
Cele przedmiotu	Przekazanie wiedzy o koncepcjach i technikach programowania obiektowego ze szczególnym uwzględnieniem ich zastosowania w rozwoju aplikacji data science. Rozwój praktycznych umiejętności projektowania i implementacji systemów obiektowych w języku Python, z naciskiem na tworzenie skalowalnych i utrzymywalnych rozwiązań analitycznych. Odniesienia do standardu SFIA: Programming/software development PROG - poziom 2 Testing TEST - poziom 2 Software design SWDN - poziom 2
Treści programowe	Paradygmat programowania obiektowego w kontekście data science. Klasy i obiekty. Interfejs i implementacja klasy, hermetyzacja. Metody specjalne. Pola i metody instancyjne i statyczne. Kompozycja. Dziedziczenie. Klasy i metody abstrakcyjne. Obsługa wyjątków. Wzorce projektowe. Wykład: 1. Klasa i obiekt: podstawowe definicje, składowe klasy, metody i ich wywoływanie, inicjowanie obiektów. 2. Projektowanie klas programu na podstawie opisu słownego systemu. 3. Interfejs i implementacja klasy, hermetyzacja, gettery oraz settery. 4. Metody specjalne (magiczne) w klasach. Przeciążanie operatorów. 5. Pola i metody instancyjne, klasowe i statyczne. 6. Kompozycja. Dziedziczenie. 7. Dziedziczenie. 8. Dziedziczenie. 9. Błędy czasu wykonania, mechanizm wyjątków. 10. Introspekcja, dekoratory, klasy wewnętrzne. 11. Biblioteka numpy. 12. Biblioteka pandas. 13. Biblioteka matplotlib. 14. Wzorce projektowe. 15. Zaliczenie wykładu. Pracownia specjalistyczna: 1. Stos strukturalnie. 2. Korzystanie z obiektów - pliki. 3. Stos obiektowo. 4. Hermetyzacja - klasa Ułamek. 5. Metody specjalne - klasa Ułamek. 6. Kompozycja - figury. 7. Dziedziczenie - figury. 8. Metody instancyjne, klasowe i statyczne - klasa Macierz. 9. Kolokwium 1. 10. Klasy abstrakcyjne - system bankowy z różnymi typami klientów. 11. Obsługa wyjątków. 12. Zadanie projektowe. 13. Zadanie projektowe. 14. Kolokwium 2. 15. Zaliczenie zadania projektowego.
Metody dydaktyczne	wykład problemowy, programowanie z użyciem komputera, wykład informacyjny, wykład z prezentacją multimedialną,
Forma zaliczenia	Wykład: zaliczenie pisemne 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	zaawansowane koncepcje programowania obiektowego w kontekście systemów data science								DS1_W02 DS1_W20
EU2	zasady projektowania skalowalnych systemów obiektowych do analizy danych								DS1_W03 DS1_W08 DS1_W20
EU3	wzorce projektowe i dobre praktyki w tworzeniu systemów analitycznych								DS1_W16 DS1_W20
EU4	projektować i implementować obiektowe systemy do analizy danych								DS1_U02 DS1_U06 DS1_U12 (H1_U02)
EU5	stosować wzorce projektowe w kontekście przetwarzania danych								DS1_U02 DS1_U05 DS1_U21
EU6	tworzyć testowalny i utrzymywalny kod dla systemów data science								DS1_U21
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	zaliczenie pisemne								W
EU2	zaliczenie pisemne								W
EU3	zaliczenie pisemne								W
EU4	kolokwium, rozwiązywanie zadań problemowych, ocena projektu								Ps
EU5	kolokwium, rozwiązywanie zadań problemowych, ocena projektu								Ps
EU6	kolokwium, rozwiązywanie zadań problemowych, ocena projektu								Ps
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - udziałem w wykładach								30
	2 - udziałem w innych formach zajęć								30
	3 - indywidualnym wsparciem merytorycznym procesu uczenia się, udziałem w zaliczeniach organizowanych poza planem zajęć								4
	4 - przygotowaniem do zaliczenia wykładu/egzaminu								10
	5 - przygotowaniem do bieżących zajęć o charakterze praktycznym								32
	6 - wykonaniem projektu								19
RAZEM:									125
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									64 (1)+(2)+(3)	2.6
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									81 (2)+(5)+(6)	3.2
Literatura podstawowa	1. M. Summerfield, Python 3 : Kompletne wprowadzenie do programowania. Wyd.2. ed., Gliwice, Helion, 2010 2. P. Norton, Python Od Podstaw, Gliwice, Helion, 2006 3. Z.A. Shaw, Python 3 : Proste wprowadzenie do fascynującego świata programowania, Gliwice, Helion, 2018
Literatura uzupełniająca	1. D. Hillard, Python: Dobre Praktyki Profesjonalistów, Gliwice, Helion, 2020 2. C. Jackson, Python Ninja : 70 Sekretnych Receptur I Taktyk Programistycznych, Gliwice, Helion, 2019 3. S. Kapil, Czysty Kod W Pythonie, Gliwice, Helion, 2019 4. K. Rother, Python Dla Profesjonalistów: Debugowanie, Testowanie I Utrzymywanie Kodu, Gliwice, Helion, 2018 5. Dokumentacja języka Python: https://docs.python.org/3/
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