Jezyk Python dla początkujących

Fakultet międzywydziałowy, skierowany do studentów wszystkich lat kierunku lekarskiego oraz kierunków lekarsko-dentystycznego, farmacji, biotechnologii medycznej i analityki medycznej.

Koordynator i osoba zaliczająca: dr hab. Michał Michalak, dr inż. Arkadiusz Majewski

Język Python jest popularnym narzędziem stosowanym w szeroko rozumianym data science. Podobnie jak język R ma także zastosowanie w bioinformatyce. Coraz częstsze zainteresowanie językiem Python wynika z prostoty implementacji, elastyczności i dużych możliwości dostępu do gotowych darmowych bibliotek i algorytmów, które mogą być wykorzystywane w naukach biologicznych, medycznych i farmaceutycznych. Python to bardzo wszechstronny język programowania, który może być dostosowany do wielu potrzeb w medycynie takich jak:

  1. Analiza danych medycznych - wykrywanie trendów i wzorców w danych, tworzenie modeli predykcyjnych, wizualizacja danych.
  2. Symulacje medyczne – tworzenie wirtualnych modeli za pomocą biblioteki VTK (Visualization Toolkit).
  3. Machine learning - Python jest jednym z najczęściej wykorzystywanych języków do tworzenia modeli sieci neuronowych, klasyfikacji obrazów medycznych, diagnostyki chorób i oceny skuteczności terapii – z wykorzystaniem bibliotek takich jak TensorFlow i Keras.

Głównym celem tego fakultetu jest zaznajomienie studentów z językiem Python 
i przedstawieniem wykorzystania jego możliwości w naukach medycznych.

Opis realizowanych zagadnień:

- wprowadzenie do języka Python – omówienie środowiska programistycznego i wprowadzenie do programowania, budowa i struktura algorytmu, biblioteki,

- omówienie operatorów arytmetyczno-logicznych, typów danych (wektory, macierze, listy), operacje na zmiennych (biblioteka Pandas), instrukcje pojedynczego i wielokrotnego wyboru, pętle (iteracja i rekurencja), funkcje i ich zastosowania,

- import danych z plików txt, csv, xlsx,

- przegląd danych – atrybut iloc,

- wizualizacja danych w oparciu o biblioteki Matplotlib i Seaborn,

- wyznaczanie statystyk opisowych przy użyciu bibliotek Pandas i Scipy,

-  analiza statystyczna danych,

- eksport wyników do plików o formacie docx, pdf, png, tiff, html.

Zobacz także