Анализ данных на python, фэн, 2020 fall

О курсе

Преподаватели: Ананьева Марина Евгеньевна, Демешев Борис Борисович, Карпов Максим Евгеньевич, Максимовская Анастасия Максимовна, Петросян Артур Тигранович, Ульянкин Филипп Валерьевич, Филатов Артём Андреевич, Аброскин Илья Дмитриевич.

Распределение групп по семинаристам и ассистентам

Группа	Семинарист	Ассистент
191	Борис Демешев @boris_demeshev	Никулина Женя @evgnikulina
192	Борис Демешев @boris_demeshev	Чирикова Настя @cOWOna_wivus
193	Филипп Ульянкин @Ppilif	Мазуров Матвей @Matmaz1
194	Филипп Ульянкин @Ppilif	Романенко Саша @cutre_sa
195	Максим Карпов @buntar29	Стрельцов Артём @in_chainz
196 [online]	Артем Филатов @filatovartm	Кордзахия Натела @nkrdz
197	Артур Петросян @pet67	Челбаев Михаил @mikhail_chelbaev
198 [online]	Анастасия Максимовская @anastasiyamaxx	Алтунина Настя @anastasiia_altunina
199 [online]	Анастасия Максимовская @anastasiyamaxx	Саурбек Ляззат @lyazzzzzzat
1910	Марина Ананьева @ananyevame	Карев Василий @Jack_karev
1911	Марина Ананьева @ananyevame	Андреевский Александр @alexandreevskiy
1912 [online]	Илья Аброскин @iiiiilllllyyyyyaaaa	Огородников Михаил @Spectag
1913	Максим Карпов @buntar29	Колесников Егор @kollego

Материалы курса

• тг-чат курса и канал для объявлений
• github-репозиторий с материалами курса
• Youtube-канал с записями семинаров
• Материалы прошлого курса (весна 2020)
• Установите перед первым семинаром Anaconda. Инструкция для windows и инструкция для мака

Оценивание

Оценка ставится по формуле:

0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ

Домашки:

- [HW1: таблички в pandas:](https://classroom.github.com/a/iAHUsz3_) предобрабатываем датасет и анализируем его. - [Контест, где надо представиться:](https://official.contest.yandex.ru/contest/20921/enter/) вбить группу и ссылку на репозиторий с дз1. - [HW2: циклы и услоия:](https://official.contest.yandex.ru/contest/20811/enter/) решаем просты задачки на циклы.

Контрольные:

- [Мини-КР 1](https://official.contest.yandex.ru/contest/20469/enter/)

Другое:

- [Прошлогодняя кр1 для разминки](https://official.contest.yandex.ru/contest/18100/problems/)

Большой план маленьких побед

Неделя 1. Вводимся в python, git и делаем import this

• sem01

Необязательное дз:

• Альтернатива 1: попробовать освоить первые три урока из pythontutor и порешать задачки прямо в интерфейсе браузера.
• Альтернатива 2: пройти первые три недели курса на Coursera

Неделя 2. Учимся работать с табличками в pandas

• sem02

Необязательное дз:

• Проработать статью про то как в pandas можно делать разные штуки

Неделя 3. Говорим про циклы и условия

• sem03

Видео-материалы посмотреть:

• Неделя 2 и 5 курса на Coursera.
• Модули 1.10, 2.1, 2.2, 2.3 курса "Программирование на Python" на Stepik.

Дополнительные ссылки почитать:

• Объяснения и задачки на pythontutor по условиям и циклам for и while.
• Совсем краткий конспект на pythonworld по циклам и условиям.

Неделя 4. Говорим о функциях

• Неделя 4 и 6 курса на Coursera.
• Урок про функции и рекурсию на pythontutor
• Краткие конспекты про функции на pythonworld

Неделя 5. Говорим про словарики и множества

• Неделя 7 курса на Coursera.
• Уроки про множества и словари на pythontutor
• Краткие коспекты на pythonworld про словари и множества
• Если вы хотите немного углубиться в алгоритмическую составляющую, прочитайте книгу Грокаем Алгоритмы с примерами кода на python, она великолепная и очень просто написана с примерами на python

Неделя 11, 30 ноября. Логистическая регрессия: начало

• Стартовый ноутбук и данные к логистическим регрессиям.
• Из теории можно поботать из задачника: 3.13, 4.1, 4.5, 4.6, 4.7

Неделя 12, 7 декабря. Логистическая регрессия: вторая часть Марлезонского балета

• credit card example

Литература

Рекомендуемая основная литература:

• Christopher M. Bishop. (n.d.). Pattern Recognition and Machine Learning. Australian National University.
• Lutz, M. (2008). Learning Python (Vol. 3rd ed). Beijing: O’Reilly Media.
• Кремер Н. Ш. Теория вероятностей и математическая статистика 5-е изд., пер. и доп. Учебник и практикум для академического бакалавриата. Издательство Юрайт, 2019.
• Энатская Н. Ю., Хакимуллин Е. Р. Теория вероятностей и математическая статистика. Учебник и практикум для СПО. Издательство Юрайт, 2019.
• Hastie, T., Tibshirani, R., Friedman, J. The elements of statistical learning: Data Mining, Inference, and Prediction. Springer, 2009.

Рекомендуемая дополнительная литература:

• Vanderplas, J. T. Python Data Science Handbook : Essential Tools for Working with Data (Vol. First edition). CA: Reilly - O’Reilly Media, 2016.
• Митчелл Р. Скрапинг веб-сайтов с помощю Python. Издательство "ДМК Пресс", 2016.