Programowanie 1 500-KS1-1PRO1
Profil studiów: ogólnoakademicki
Forma studiów: stacjonarne
Rodzaj przedmiotu: obowiązkowy
Dziedzina i dyscyplina nauki: dziedzina nauki ścisłe i przyrodnicze, dyscyplina informatyka
Rok studiów / semestr: I / 2
Wymagania wstępne (tzw. sekwencyjny system zajęć i egzaminów): brak
Laboratorium: 30
Metody dydaktyczne: metody poszukujące, problemowa, sytuacyjna, giełda pomysłów, pomiar, praca z tekstem, praca w grupach na laboratorium.
Punkty ECTS: 2
Udział w laboratorium – 30h
Przygotowanie teoretyczne do zajęć, zapoznanie się z literaturą – 5h
Przygotowanie do kolokwium i realizacja zadań w domu – 20h
Wskaźniki ilościowe:
- nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela: 30h, 1 ECTS
- nakład pracy studenta, który nie wymaga bezpośredniego udziału nauczyciela: 25h, 1 ECTS
Rodzaj przedmiotu
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
Student zna i rozumie:
- struktury język programowania Python - KP6_WG4.
Student potrafi:
- posługiwać się konstrukcjami w języku Python do pozyskania informacji oraz wspomagania procesów poznawczych - KP6_UW7.
Student jest gotów do:
- podnoszenia kwalifikacji zawodowych oraz kompetencji osobistych w zakresie języka Python - KP6_KR1,
- dobrania i/lub napisania program w języku Python do rozwiązania danego problemu - KP6_KR3,
- współdziałania w grupie w celu rozwiązania problemu badawczego z wykorzystaniem języka Python - KP6_KR2,
- wykorzystania języka Python i jego konstrukcji do rozwiązania problemu badawczego - KP6_KR4.
Kryteria oceniania
Ogólna forma zaliczenia: zaliczenie.
Ocena końcowa wystawiana zgodnie ze skalą ocen wskazaną w par. 23 ust. 6 Regulaminu studiów Uniwersytetu w Białymstoku.
Literatura
1. Michael Dawson, Python dla każdego: podstawy programowania, Helion, 2014
2. Charles R. Severance,, Python dla wszystkich. Odkrywanie danych w Python 3, tłumaczenie Andrzej Wójtowicz 2022 wyd.3, dostępny online: https://py4e.pl/translations/PL/py4e-pl-a4-latest.pdf
3. Fabio Nelli, Python data analytics: data analysis and science using Pandas, Matplotlib and the Python programming language, Apress, 2015
4. John Hunt, A Beginners Guide to Python 3 Programming, Springer 2019
5. Kevin Wilson, The Absolute Beginner's Guide to Python Programming A Step-by-Step Guide with Examples and Lab Exercises. Apress 2022
Literatura uzupełniająca:
1. Alberto Boschetti, Luca Massaron, Python: podstawy nauki o danych, Gliwice, Wydawnictwo Helion, 2017
2. Jerzy Wawro, Uczymy programować się w Pythonie. Otwarty podręcznik programowania, 2017, dostępny online: https://elearning.otwartaedukacja.pl/pluginfile.php/218/mod_resource/content/5/pyprog.pdf
3. Wybrane materiały zawarte na stronie: https://www.python.org
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: