Programavimo pagrindai ekonomistams

Dalyko anotacija lietuvių kalba

Studijų dalyko tikslas - supažindinti su programavimo kalbų Python ir R pagrindais ir jų taikymo duomenų apdorojimui/analizei galimybėmis. Kurso metu studentai įgis programavimo įgūdžius, leisiančius Python ar R kalba rašyti programas, skirtas konkrečių tiriamųjų uždavinių sprendimui; taikyti įvairias specialios paskirties bibliotekas duomenų iš įvairių šaltinių surinkimui, pertvarkymui į reikiamą formatą, pirminei analizei bei vizualizavimui.

Dalyko anotacija užsienio kalba

This course aims to introduce to the basics of Python and R programming, with a strong emphasis on data processing and analysis. Students will acquire R and Python programming skills necessary to solve specific research tasks, apply libraries to access and explore the data from various sources, convert it to the required format, and perform initial analysis and visualization.

Dalyko studijų rezultatai

1. Apibrėžti ir palyginti R ir Python programavimo kalbų taikymo sritis
2. Programavimo kalbą R naudoti duomenų nuskaitymui, jų pertvarkymui ir modifikavimui.
3. Naudoti R kalbos priemones statistinių duomenų analizei.
4. Rašyti programas Python kalba, kuriose naudoti įvairius duomenų ir duomenų rinkinių tipus bei atlikti su jais įvairias operacijas. Programose naudoti sąlyginius sakinius bei ciklus.
5. Skaidyti programos kodą į funkcijas, naudoti modulius, programose naudoti NumPy modulio funkcijas ir metodus.
6. Programose vykdyti nuskaitymą bei rašymą į įvairaus tipo failus, duomenų apdorojimui taikyti Pandas modulio funkcijas ir metodus.
7. Duomenų bei skaičiavimo rezultatų grafiniam atvaizdavimui programose taikyti Matplotlib funkcijas ir metodus.

Dalyko turinys

1. Įvadas. Kodėl Python ir R? Kalbų palyginimas, taikymo sritys
2. R programavimo kalbos įvadas: kintamųjų tipai ir duomenų struktūros
3. R kalbos funkcijos
4. Ciklai ir sąlyginiai sakiniai
5. Vienmatė kintamųjų analizė
6. Daugiamatė duomenų analizė
7. Įvadas į Python’ą, duomenų tipai, operacijos su skaičiais ir eilutėmis
8. Duomenų rinkinių tipai: sąrašai, sekos, aibės, žodynai
9. Sąlyginiai sakiniai. Ciklai
10. Python funkcijos ir moduliai. NumPy modulis: matematinės funkcijos darbui su dideliais daugiamačiais duomenų rinkiniais
11. Darbas su failais. Pandas modulis: duomenų importavimas, analizė, statistiniai skaičiavimai
12. Duomenų vizualizacija. Matplotlib modulis

Dalyko studijos valandomis

Studijų vykdymo forma	Val. auditorinėse studijose	Val. nuotolinėse studijose
Paskaitos	30 val.	30 val.
Seminarai	30 val.	30 val.
Iš viso kontaktinio darbo val.	60 val.
Savarankiškas darbas	100 val.
Iš viso	160 val.

Studijų rezultatų vertinimas

Savarankiškas, individualus darbas (R programavimo kalba) – 15 %
Savarankiškas, individualus darbas Python programavimo kalba) – 15 %
Kolokviumas – 35 %
Egzaminas – 35 %

Literatūra

1. 2022 The Python Tutorial https://docs.python.org/3/tutorial/index.html
2. 2016 Non-Programmer's Tutorial for Python 3 https://en.wikibooks.org/wiki/Non-Programmer's_Tutorial_for_Python_3
3. 2015 Gandrud Ch., Reproducible Research with R and RStudio
4. 2013 Cotton R., Learning R. http://duhi23.github.io/Analisis-de-datos/Cotton.pdf
Papildoma literatūra
1. 2022 NumPy Reference https://numpy.org/doc/stable/reference/
2. 2022 Pandas Documentation https://pandas.pydata.org/pandas-docs/stable/
3. 2021 Matplotlib Users Guide https://matplotlib.org/stable/users/index.html
4. 2022 Hyndman R. J. and Athanasopoulos G., Forecasting: Principles and Practice https://otexts.com/fpp2/
5. 2005 Paradis E., R for Beginners https://cran.r-project.org/doc/contrib/Paradis-rdebuts_en.pdf