Scientific Data Analysis and Visualization in Python 7404-SCI_DATA
- https://sites.google.com/view/scidata-umk/home (w cyklu 2025/26)
Preliminary course schedule (computer laboratories):
1. Introduction: scientific data used in research and ways to visualize it
2. Data visualization with Matplotlib
3. Visualizing one-variable functions
4. One-variable functions: fitting, processing, best practices
5. Project 1: visulizing one-variable functions
6. Data and metadata
7. Best practices in data visualization
8. Two-variable functions
9. Project 2: visualizing two-variable functions
10. Multi-dimensional data: isosurfaces, one and two-diomensional surface cuts
11. Working with large datasets: Pandas
12. Course project selection
13. Statistical analysis and estimation of errors
14. Project 3: statistical analysis on a large dataset
15. Final project work
Całkowity nakład pracy studenta
Efekty uczenia się - wiedza
Efekty uczenia się - umiejętności
Efekty uczenia się - kompetencje społeczne
Koordynatorzy przedmiotu
Metody dydaktyczne
Metody dydaktyczne poszukujące
- laboratoryjna
Rodzaj przedmiotu
Wymagania wstępne
Kryteria oceniania
The final grade will be a weighted average of grades assigned for (1) the active participation in classes 20%, (2) howeworks (30%), (3) Final project (50%).
• 0 - 49%: grade 2
• 50% - 60%: grade 3
• 61% - 70%: grade 3+
• 71% - 80%: grade 4
• 81% - 90%: grade 4+
• 91% - 100%: grade 5.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: