Введение в Data Science 21-22
Содержание
О курсе
Курс читается для студентов 2-го курса программ УБ и МиРА в 4 модуле.
Лектор: Омелюсик Владимир Степанович
Лекции проходят по понедельникам в 13:00 в Teams.
Полезные ссылки
Канал в Телеграме для объявлений
Анонимная Google-форма для фидбэка
Семинары
| Группа | Семинарист | Учебные ассистенты | Ссылка | Ссылка на чат | Материалы семинаров |
|---|---|---|---|---|---|
| БМБ201 | Анастасия Волкова | Саид Дандамаев | Чат | Материалы | |
| БМБ203 | Дима Третьяков | Светалана Кондратьева | Zoom | Чат | |
| БМБ204 | Юлия Тукмачева | Айк Микаелян | Чат | ||
| БМБ205 | Кутынина Екатерина | Анна Герцог | Чат | ||
| БМБ206 | Кутынина Екатерина | Анна Герцог | Чат | ||
| БМБ207 | Владимир Омелюсик | Никита Горевой | Teams | Чат | Материалы |
| БМБ208 | Дима Третьяков | Светалана Кондратьева | Zoom | Чат | |
| БММ201 | Настя Максимовская | Полина Ясакова | Zoom на вторник Zoom на пятницу | Чат | |
| БММ202 | Юлия Тукмачева | Айк Микаелян | Чат | ||
| БММ203 | Маргарита Бурова | София Сурова | Чат | Папка с материалами | |
| БММ204 | Пётр Панов | София Сурова | Чат | Материалы к семинарам | |
| БММ205 | Анастасия Волкова | Саид Дандамаев | Чат | Материалы |
Правила выставления оценок
Формула оценки:
Итог = 0.5 * ДЗ + 0.2 * Квизы + 0.3 * Экзамен
- ДЗ – средняя оценка за домашние задания. Домашние задания представляют собой практические работы на Python.
- Квизы – средняя оценка за квизы. Квизы проводятся в Google-формах на лекциях и состоят из 4-5 вопросов с множественным или свободным вариантами ответов. О проведении квиза предупреждается заранее.
- Экзамен - оценка за письменный экзамен (не блокирующий). "Автоматов" за экзамен не предусмотрено.
Каждая форма контроля нормируется к десятибалльной системе. Любая форма контроля на усмотрение преподавателя может быть представлена к устной защите.
Плагиат не допускается. Плагиатом считается смысловое совпадение решений студентов (например, идентичные решения с точностью до названий переменных). При обнаружении плагиата 0 за работу ставится всем участвующим, даже если можно однозначно определить, кто у кого списал.
Используется стандартное арифметическое округление, округляется только итоговая оценка.
Лекции
Лекция 1 (04.04.2022). Введение в статистику и ML. [Конспект] [Запись лекции]
Лекция 2 (04.04.2022). Теория вероятностей. [Конспект] [Запись лекции]
Лекция 3 (11.04.2022). Теория вероятностей (продолжение). [Конспект] [Запись лекции]
Лекция 4 (18.04.2022). Ковариация и корреляция. Проверка гипотез (начало). [Конспект] [Запись лекции]
Лекция 5 (25.04.2022). Проверка гипотез. Непараметрика. [Конспект] [Запись лекции]
Лекция 6 (25.04.2022). Линейная регрессия (начало). [Конспект] [Запись лекции]
Лекция 7 (16.05.2022). Линейная регрессия (продолжение). [Конспект] [Запись лекции]
Лекция 8 (16.05.2022). Введение в машинное обучение. [Конспект] [Запись лекции]
Лекция 9 (30.05.2022). Линейная регрессия в МО. kNN. [Конспект] [Запись лекции]
Лекция 10 (06.06.2022). Логистическая регрессия. Метрики качества в задаче классификации. [Конспект] [Запись лекции]
Семинары
Семинар 1. Повторение Python. [Тетрадка]
Семинар 2. Введение в Pandas. [Тетрадка]
Семинар 3. Визуализация. [Тетрадка]
Семинар 4. EDA. [Тетрадка]
Семинар 5. Тестирование гипотез. [Тетрадка]
Семинар 6. p-value. [Тетрадка]
Семинар 7. Непараметрика. [Тетрадка]
Семинар 8. EDA и тестирование гипотез. [Тетрадка]
Семинары 9-10. Линейная регрессия в статистике. [Тетрадка]
Семинар 11. Линейная регрессия в МО. [Тетрадка]
Семинар 12. Задача классификации. Метод kNN. [Тетрадка]
Семинар 13. Логистическая регрессия. [Тетрадка]
Семинар 14. Разбор демо-варианта. Консультация.
Доп. лекции
Доп. лекция 1 (26.04.2022). ООП. [Кодспект] [Запись лекции]
Доп. лекция 2 (24.05.2022). Множественная регрессия. [Конспект] [Запись лекции]
Доп. лекция 3 (31.05.2022). Метод максимального правдоподобия. Тесты правдоподобия.
Домашние задания
Домашнее задание 2
Дата выдачи: 27 апреля
Дедлайн: 18 мая, 23:59
[Условие]
[Ссылка на задание в Classroom]
Домашнее задание 3
Дата выдачи: 25 мая
Дедлайн: 2 июня, 23:59
[Условие]
[Ссылка на задание в Classroom]
Домашнее задание 4
Дата выдачи: 3 июня
Дедлайн: 10 июня, 23:59
[Условие]
[Ссылка на задание в Classroom]
Домашнее задание 5
Дата выдачи: 12 июня
Дедлайн: 19 июня, 23:59
[Условие]
