PDS301m - Lập trình Python cho khoa học dữ liệu ứng dụng
PDS301m - Lập trình Python cho khoa học dữ liệu ứng dụng (Python for Applied Data Science) là môn học 3 tín chỉ của Đại học FPT, môn tiên quyết MAS291, gồm 60 buổi đều học trực tiếp trên lớp với 45 giờ lên lớp trong tổng 150 giờ. Học liệu chính là khoá học trực tuyến Python for Data Science, AI & Development do IBM cung cấp, giảng viên Joseph Santarcangelo, gồm 5 module; sinh viên phải hoàn thành khoá này, và các buổi nội dung từ buổi 4 đến buổi 44 bám theo từng module của nó. Học liệu phụ là sách Python Data Science Handbook: Essential Tools for Working with Data của Jake VanderPlas, ấn bản 2, O'Reilly Media, phát hành tháng 12/2022, ISBN bản in 978-1-098-12122-8, syllabus ghi mã bản điện tử 9781098121198. Công cụ của môn gồm Anaconda, Jupyter Notebook, Google Colab và Visual Studio Code. Chương trình có 28 buổi nội dung chia sáu phần theo thứ tự dạy; syllabus có năm mã CLO, buổi nội dung gắn CLO1 đến CLO3, các buổi Lab và Progress test, trừ Lab 7, gắn thêm CLO5. Buổi 1–2 giới thiệu lập trình cho khoa học dữ liệu và thiết lập môi trường. Buổi 4–5 ứng với Module 1 Python Basics: sổ tay Jupyter, kiểu int, float, str, bool, biểu thức và biến, chỉ số và cắt chuỗi, định dạng chuỗi, len, upper, find, replace. Buổi 9–16 ứng với Module 2 Python Data Structures: list và tuple với chỉ số, cắt lát, append, extend, del, sao chép list; dictionary với cặp khoá - giá trị, keys, values; set với add, remove, union, intersection, difference, issubset, issuperset. Buổi 21–23, 25–26, 29–31 và 33–34 ứng với Module 3 Python Programming Fundamentals qua bốn bài: toán tử so sánh, and, or, not và rẽ nhánh if, elif, else; vòng lặp for với range, enumerate và vòng while; hàm dựng sẵn len, sum, max, min, định nghĩa hàm bằng def, tham số, return, docstring, phạm vi biến cục bộ và toàn cục; lớp và đối tượng với class, __init__, self, thuộc tính, phương thức; bài Exception Handling của module này không có buổi riêng trong lịch học. Buổi 38–40 ứng với Module 4 Working with Data in Python: đọc và ghi tệp bằng open, Pandas với Series, DataFrame, read_csv, loc, iloc, lọc theo điều kiện, unique, to_csv, NumPy với mảng một chiều và hai chiều, ndim, shape, size, nhân từng phần tử và nhân ma trận bằng np.dot. Buổi 42–44 ứng với Module 5 APIs and Data Collection: API và REST API, yêu cầu HTTP GET và POST bằng thư viện requests, mã trạng thái phản hồi, web scraping bằng BeautifulSoup, đọc bảng HTML bằng Pandas, các định dạng tệp khác nhau và dự án thực hành (Practice Project) GDP Data Extraction and Processing. Ngoài các buổi nội dung, lịch học có buổi giới thiệu assignment và project, các buổi Lab 1 đến Lab 11, ba mốc review project, hai buổi Progress test, sáu buổi assignment evaluation và tám buổi trình bày, đánh giá group project.