Généralités
السداسي: الثالث
اسم الوحدة: وحدة تعليم استكشافية
الرمز: وت اس 1.2
اسم المادة: برمجية Python
الرصيد:
المعامل:
اسم الاستاذ: د. صرارمة عبد الوحيد
أهداف التعليم: تعلم اساسيات البرمجة باستخدام بايثون وتطبيقاتها
وتتمثل المهارات المراد الوصول إليها من خلال دراسة هذه المادة التعليمية إلى ما يلي:
- كتابة برنامج متكامل باستخدام بايثون يتضمن الفئات، الدوال، المتغيرات..
- الاطلاع على أهم المكتبات الاحصائية الموجودة في البايثون مع التطبيق بالأمثلة: statsmodels,Numpy,Pandas,sekilt…
المعارف المسبقة المطلوبة:
لغة التدريس : عربية و انجليزية
محتوى المادة:
المحور الأول: تثبيت وتهيئة برنامج بايثون.
المحور الثاني: أساسيات البرمجة باستخدام بايثون.
المحور الثالث: مكتبة Numpy الرياضية وتطبيقاتها.
المحور الرابع: مكتبة Pandas
المحور الخامس: الرسومات البيانية ومكتبة Matplotlib
المحور السادس: مشروع تطوير برمجية صغيرة لتحليل الانحدار.
المحور السابع: مكتبة statsmodels وطرق إحصائية متقدمة 1.
المحور الثامن: مكتبة statsmodels وطرق إحصائية متقدمة 2.
طريقة التقييم: تقييم مستمر + امتحان نهائي ويقاس معدل المادة بالوزن الترجيحي للدروس (60%) والأعمال الموجهة (40%)
المراجع:
- المرجع الأساسي الموصى به :
- Fabian H. C. Raters (2020), Python for Econometrics, Econometrics, University of Goettingen.
- Kevin Sheppard (2020), Introduction to Python for Econometrics, Statistics and Data Analysis, University of Oxford
Semester: third
Unit Title: Exploratory Teaching Unit
Code: UES 1.2
Course Title: Python Programming
Credits: —
Coefficient: —
Instructor: Dr. Srarma Abdelwahid
Learning Objectives
The main objective of this course is to introduce students to the fundamentals of programming using Python and its practical applications.
The skills expected to be developed through this course include:
-
Writing a complete Python program that incorporates classes, functions, variables, and essential programming structures.
-
Becoming familiar with major statistical libraries in Python and applying them through practical examples, including Statsmodels, NumPy, Pandas, and Scikit-learn.
Prerequisites
No specific prerequisites are required.
Language of Instruction
Arabic and English.
Course Content
Unit 1: Installation and configuration of the Python environment.
Unit 2: Fundamentals of programming using Python.
Unit 3: The NumPy mathematical library and its applications.
Unit 4: The Pandas library for data manipulation and analysis.
Unit 5: Data visualization and the Matplotlib library.
Unit 6: Project development: designing a small software application for regression analysis.
Unit 7: The Statsmodels library and advanced statistical methods (Part I).
Unit 8: The Statsmodels library and advanced statistical methods (Part II).
Assessment Method
Student evaluation is based on continuous assessment and a final examination.
The overall course grade is calculated using a weighted average of lectures (60%) and tutorials/practical sessions (40%).
References
Core Recommended References
-
Raters, F. H. C. (2020). Python for Econometrics. University of Goettingen.
-
Sheppard, K. (2020). Introduction to Python for Econometrics, Statistics and Data Analysis. University of Oxford.