Skip to content

Latest commit

 

History

History
113 lines (53 loc) · 4.32 KB

README.md

File metadata and controls

113 lines (53 loc) · 4.32 KB

Εισαγωγή στην Ανάλυση Δεδομένων με Python

A crash course on data analysis with Python targeting undergraduate students at the University of Crete (in Greek)

Εισαγωγή στην Python I

  • Γνωριμία

    • Πλεονεκτήματα & μειονεκτήματα συγκριτικά με άλλες γλώσσες προγραμματισμού

    • Επεξεργαστές κειμένου και IDEs (vim, emacs, nano, atom, pyCharm, Sublime, etc)

    • Δημιουργία και εκτέλεση αρχείων Python (scripts, Python2 vs Python3)

    • Χρήση του Jupyter Notebook

  • Μεταβλητές

    • Τύποι και ονόματα μεταβλητών

    • Αριθμητικοί τελεστές

    • Τελεστές σύγκρισης

    • Λογικές εκφράσεις

  • Βασικές Δομές Δεδομένων

    • Λίστες

    • Πλειάδες

    • Λεξικά

Εισαγωγή στην Python II

  • Δομές Ελέγχου και Επανάληψης

    • Η δομή ελέγχου if-elif-else

    • Ο βρόγχος επανάληψης for-else

    • Ο βρόγχος επανάληψης while

    • Συνοπτική λίστα (list comprehension)

    • Διαχείριση εξαιρέσεων με try/except

  • Συναρτήσεις και Βιβλιοθήκες

    • Ορισμός συνάρτησης και εμβέλεια μεταβλητών

    • Αλγοριθμικές εφαρμογές

    • Ανώνυμες συναρτήσεις

    • Εισαγωγή βιβλιοθηκών (modules)

  • Αντικειμενοστρεφής Προγραμματισμός

    • Ορισμός κλάσης και δημιουργία αντικειμένων

    • Ενθυλάκωση

    • Ιδιότητες και μέθοδοι

    • Υπερφόρτωση τελεστών

    • Κληρονομικότητα

Αριθμητική Python, Διαχείριση και Προσπέλαση Αρχείων

  • Η βιβλιοθήκη numpy

  • Η βιβλιοθήκη csv

  • Σύνδεση με το λειτουργικό σύστημα: Οι βιβλιοθήκες os και glob

  • Η βιβλιοθήκη pandas

    • DataFrame και Series objects

    • Διευρεύνηση και Προεπεξεργασία των Δεδομένων

    • Ανάλυση των Δεδομένων

Επιστημονική Python και Οπτικοποίηση Δεδομένων

  • Η βιβλιοθήκη matplotlib

  • Η βιβλιοθήκη SciPy

Projects: Ανάλυση Δεδομένων - Εφαρμογή στη Φυσική

Σε αυτή τη συνεδρία οι φοιτητές θα κληθούν να επεξεργαστούν κατάλληλα ένα σύνολο δεδομένων που αφορά κάποιο πρόβλημα κλασικής μηχανικής.

Αρχικά θα ζητηθεί να ελεγχθεί το σύνολο δεδομένων για την ύπαρξη μη-έγκυρων ή έκτοπων τιμών και να γίνει οπτικοποίηση των δεδομένων. Στη συνέχεια οι φοιτητές θα πρέπει να επεξεργαστούν τα δεδομένα και να επαληθεύσουν τη θεωρία παρέχοντας αναλυτικές σχέσεις που περιγράφουν τη συναρτησιακή σχέση μεταξύ των μεταβλητών.

Projects: Ανάλυση Δεδομένων - Εφαρμογή στην Αστροφυσική

Σε αυτή τη συνεδρία οι φοιτητές θα κληθούν να δουλέψουν με αληθινά δεδομένα σε δύο προβλήματα Αστροφυσικής.

  • Δομή και εξέλιξη αστέρων μικρής και μεγάλης μάζας. Διάγραμμα Hertzsprung-Russell, χρόνοι παραμονής στην κύρια ακολουθία, χημικό προφίλ (Δεδομένα προσομοίωσης MESA).

  • Υπολογισμός ακτινικής ταχύτητας και μάζας του εξωπλανήτη 51 Peg b (Δεδομένα από NASA Exoplanet Archive).