http://wiki.cs.hse.ru/api.php?action=feedcontributions&user=Sggpls&feedformat=atom
Wiki - Факультет компьютерных наук - Вклад участника [ru]
2024-03-29T05:06:10Z
Вклад участника
MediaWiki 1.23.2
http://wiki.cs.hse.ru/%D0%9E_%D1%84%D0%B0%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D0%B5%D1%82%D0%B5
О факультете
2018-09-03T21:06:41Z
<p>Sggpls: Добавлен курс Введение в анализ текстов на Python для ФГН 2018</p>
<hr />
<div>__NOTOC__ <br />
<br />
== Учебные курсы факультета компьютерных наук==<br />
=== Курсы за 2018/19 учебный год ===<br />
{| class="wikitable"<br />
|-<br />
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы<br />
|-<br />
|<br />
<br />
[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]<br />
<br />
[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]<br />
<br />
[[Discrete Mathematics DSBA |Discrete Mathematics DSBA]]<br />
<br />
<br />
<br />
||<br />
<br />
[[Теория_вероятностей_2018/2019_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]<br />
<br />
[[Теория_вероятностей_2018/2019_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]<br />
<br />
[[DM2-pilot2018/2019 | Дискретная математика-2 на ПМИ (пилотный поток)]]<br />
<br />
[[DM2-basic2018/2019 | Дискретная математика-2 на ПМИ (основной поток)]]<br />
<br />
||<br />
<br />
[[Машинное_обучение_1 | Машинное обучение 1 на ПМИ]]<br />
<br />
[[Theory_of_Computing_2018_2019 | Theory of Computing, AMI]]<br />
<br />
||<br />
<br />
[[Statistical_learning_theory_2018_2019 | Introduction to statistical learning theory]]<br />
<br />
||<br />
<br />
<br />
|}<br />
<br />
== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==<br />
<br />
=== 1 семестр ===<br />
[[Основы анализа данных в международных отношениях 2018/2019|Основы анализа данных в международных отношениях (ОП "Международные отношения", 2 курс, 1-2 модули)]]<br /><br />
[[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования ("Фундаментальная и компьютерная лингвистика", 1 курс, 1-4 модули)]] <br /><br />
[[Цифровая грамотность(востоковедение)|Цифровая грамотность ( ОП "Востоковедение", 1 курс, 1 модуль)]] <br /><br />
[[Разработка управленческих решений в маркетинге | Разработка управленческих решений в маркетинге(ОП "Маркетинг и рыночная аналитика", 2 курс, 1-2 модули)]] <br /><br />
[[Информационные технологии в деятельности юриста_2018-2019| Информационные технологии в деятельности юриста (ОП "Юриспруденция", 1 курс, 1-2 модули)]] <br /><br />
[[Машинное обучение на матфаке 2018/2019| Машинное обучение (факультет математики)]] <br /><br />
[[ПМСАР-2| Методы анализа больших данных в исследованиях поведения покупателей (факультет социологии, ПМСАР, 2 курс)]] <br /><br />
[[Анализ данных в Python (Политологи 1 семестр 1-2 модули)]] <br /><br />
[[Основы анализа и визуализации данных для медиа (Журналисты 1 семестр 1 модуль)]] <br /><br />
[[Программирование_(python)_для_лингвистов|Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курc)]]<br /><br />
[[Введение в анализ текстов на Python для ФГН 2018|Введение в анализ текстов на Python для ФГН 2018 (3 курс, Компьютерная лингвистика и информационные технологии)]] <br /><br />
<br />
== Архив ==<br />
<br />
=== Курсы за 2017/18 учебный год ===<br />
{| class="wikitable"<br />
|-<br />
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы<br />
|-<br />
|<br />
<br />
[[Математический_анализ_на_ПМИ_2017/2018_(пилотный_поток) | Математический анализ на ПМИ 2017/2018 (пилотный поток)]]<br />
<br />
[[Математический_анализ_на_ПМИ_2017/2018_(основной_поток) | Математический анализ на ПМИ 2017/2018 (основной поток)]]<br />
<br />
[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(пилотный_поток,_1_модуль) | Основы и методология программирования на ПМИ 2017/2018 (пилотный поток, 1 модуль)]]<br />
<br />
[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_2_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 2 модуль)]]<br />
<br />
[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_3_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 3 модуль)]]<br />
<br />
[[Алгоритмы_и_структуры_данных_на_ПМИ_2017/2018_(основной_поток) | Алгоритмы и структуры данных на ПМИ 2017/2018 (основной поток)]]<br />
<br />
[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]<br />
<br />
[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]<br />
<br />
[[Дискретная_математика_1_2017/2018 | Дискретная математика-1 на ПМИ]]<br />
<br />
[[Алгоритмы и структуры данных 1 | Алгоритмы и структуры данных – 1 (пилотный поток)]]<br />
<br />
[[Алгебра_на_ПМИ_2017/2018 | Алгебра на ПМИ]]<br />
<br />
[http://hsealgebra18.wikidot.com Алгебра на ПИ]<br />
<br />
||<br />
[[Теория_вероятностей_2017/2018_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]<br />
<br />
[[Теория_вероятностей_2017/2018_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]<br />
<br />
[[Математический анализ-3 на ПМИ_2017/2018_(основной_поток) | Математический анализ-2 на ПМИ (основной поток)]]<br />
<br />
[[Математический анализ на ПМИ_2017/2018 | Математический анализ-3 на ПМИ (пилотный поток)]]<br />
<br />
[[DM2-pilot2017/2018 | Дискретная математика-2 на ПМИ (пилотный поток)]]<br />
<br />
[[DM_2_2017_2018 | Дискретная математика-2 на ПМИ (основной поток)]]<br />
<br />
[[Алгоритмы и структуры данных_2_2017/2018 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]<br />
<br />
[[Дифференциальные уравнения (2 курс, 2017/2018)| Дифференциальные уравнения]]<br />
<br />
||<br />
[[Машинное_обучение_1/2017_2018 | Машинное обучение 1 на ПМИ]]<br />
<br />
[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]<br />
<br />
[[Численные_методы_2017 | Численные методы]]<br />
<br />
[[Statistics of Stochastic Processes|Статистика случайных процессов 2018]] <br />
<br />
[[Прикладная_статистика_в_машинном_обучении | Прикладная статистика в машинном обучении]]<br />
<br />
[[Theory_of_Computing | Theory of Computing, AMI]]<br />
<br />
[[Statistical_learning_theory | Introduction to statistical learning theory]]<br />
<br />
[[Основные_методы_анализа_данных_(специализация_АДИС) | Основные методы анализа данных на ПМИ]]<br />
<br />
[[Параллельные и распределенные вычисления 2017 | Параллельные и распределенные вычисления]]<br />
<br />
[[Анализ неструктурированных данных]]<br />
<br />
[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]<br />
<br />
[[НИС_Распределенные_системы_(3_курс,_2017) | НИС Распределенные системы]]<br />
<br />
[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]<br />
<br />
[[Непрерывная_оптимизация | Непрерывная оптимизация]]<br />
<br />
[[ Сложность_и_логика| Сложность вычислений и логика в теоретической информатике]]<br />
<br />
[[Data_analysis_(Software_Engineering)_2018 | Data Analysis на ПИ]]<br />
<br />
[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]<br />
<br />
[http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных Машинное обучение на больших данных]<br />
<br />
[[Дискретная_оптимизация | Дискретная оптимизация]]<br />
<br />
||<br />
<br />
[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]<br />
<br />
[[Философия_науки_2017 | Философия науки]]<br />
<br />
[[НИС_Распределенные_системы_(4_курс,_2017) | НИС Распределенные системы]]<br />
<br />
[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]<br />
<br />
[[Анализ неструктурированных данных]]<br />
<br />
[[Байесовские методы машинного обучения 2017 | Байесовские методы машинного обучения]]<br />
<br />
[[Функциональное программирование 2018 | Функциональное программирование]]<br />
<br />
[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]<br />
<br />
||<br />
<br />
[[Современные методы машинного обучения (курс майнора) 2017/2018]]<br />
<br />
[[Введение в программирование (курс майнора) 2017/2018]]<br />
<br />
[[Майнор Интеллектуальный анализ данных/Введение в анализ данных | Введение в анализ данных (курс майнора)]]<br />
<br />
[[Прикладные задачи анализа данных (майнор - весна 2018)]]<br />
<br />
[[Маго-лего "Линейная алгебра в приложениях" весна 2018 | Линейная алгебра в приложениях (маго-лего)]]<br />
<br />
[[Функциональный анализ 2017/18 | Функциональный анализ на ПМИ (факультатив)]]<br />
<br />
[[Дополнительные главы теории вероятностей и математической статистики (факультативы) | Дополнительные главы теории вероятностей и математической статистики (факультативы)]]<br />
<br />
[[Дополнительные главы дискретной математики 2017/18 | Дополнительные главы дискретной математики (факультатив)]]<br />
<br />
[[Цифровые технологии в гуманитарных науках]]<br />
<br />
|}<br />
<br />
== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==<br />
<br />
=== 2 семестр ===<br />
<br />
[[Цифровая_грамотность_2018_(2_семестр)|Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)]]<br /><br />
[[Научно-исследовательский семинар (ФСН) |Научно-исследовательский семинар (ОП "Политология", 1 курс)]]<br /><br />
[[Introduction_to_Data_Culture|Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)]]<br /><br />
[[ИИ_и_БД|Искусственный интеллект и большие данные (ОП "Дизайн", "Мода", 1 курс)]]<br /><br />
[[Программирование_(python)_для_лингвистов|Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 2 семестр)]]<br /><br />
[[Основы анализа данных в международных отношениях|Основы анализа данных в международных отношениях (ОП "Международные отношения", 2 курс, 4 модуль)]]<br /><br />
[[Введение в data science (2_семестр)|Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс)]]<br /><br />
[[Введение в Data Science| Введение в Data Science (ФБиМ, 4 модуль)]]<br /><br />
<br />
=== 1 семестр ===<br />
<br />
[[Цифровая_грамотность|Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)]]<br /><br />
[[Машинное обучение (факультет экономических наук)|Машинное обучение (факультет экономических наук)]] <br /><br />
[[Программирование (python) для лингвистов | Программирование (python) для лингвистов (факультет гуманитарных наук)]]<br /><br />
[[Извлечение и анализ интернет-данных | Извлечение и анализ интернет-данных (факультет экономических наук)]]<br /><br />
[[Анализ больших данных в социальных науках (ФСН, 2017) | Анализ больших данных в социальных науках (ФСН, 2017)]]<br /><br />
[[Информационные_технологии_в_деятельности_юриста|Информационные технологии в деятельности юриста (Факультет права)]] <br /><br />
[[Машинное_обучение_для_лингвистов|Машинное обучение (магистратура Школы лингвистики)]] <br /><br />
<br />
== Курсы магистратуры Финансовые технологии и анализ данных ==<br />
<br />
[[Вероятностные_модели_и_прикладная_статистика_в_финансовой_математике|Вероятностные модели и прикладная статистика в финансовой математике]] <br /><br />
<br />
=== Курсы за 2016/17 учебный год ===<br />
{| class="wikitable"<br />
|-<br />
! 1 курс !! 2 курс !! 3-4 курс !! майноры<br />
|-<br />
|<br />
<br />
[[Математический анализ на ПМИ_2016/2017 | Математический анализ на ПМИ (пилотный поток)]]<br />
<br />
[[Линейная алгебра и геометрия_2016/2017 | Линейная алгебра и геометрия на ПМИ]]<br />
<br />
[[Дискретная_математика_1_2016/2017 | Дискретная математика-1 на ПМИ]]<br />
<br />
[[Основы и методология программирования_2016/2017_пилотный_поток | Основы и методология программирования на ПМИ (пилотный поток)]]<br />
<br />
[[Основы и методология программирования_2016/2017 | Основы и методология программирования на ПМИ (основной поток)]]<br />
<br />
[[Алгоритмы_и_структуры_данных_на_ПМИ_(пилотный_поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]<br />
<br />
[[Алгоритмы_и_структуры_данных_на_ПМИ_(основной_поток) | Алгоритмы и структуры данных на ПМИ (основной поток)]]<br />
<br />
[[Алгебра_на_ПМИ_2016/2017 | Алгебра на ПМИ]]<br />
<br />
[http://hsealgebra17.wikidot.com/ Алгебра на ПИ]<br />
<br />
|| <br />
<br />
[[Математический анализ_2016/2017 | Математический анализ-3 на ПМИ (основной поток)]]<br />
<br />
[[Математически_анализ_3_на_ПМИ_(пилотный_поток) | Математический анализ-3 на ПМИ (пилотный поток)]]<br />
<br />
[[DM_2_2016_2017 | Дискретная математика-2 на ПМИ (основной поток)]]<br />
<br />
[[Дискретная математика_2_2016/2017 | Дискретная математика-2 на ПМИ (пилотный поток)]]<br />
<br />
[[Алгоритмы и структуры данных_2_2016/2017 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]<br />
<br />
[[Теория вероятностей_2016/2017 | Теория вероятностей на ПМИ (основной поток)]]<br />
<br />
[[Теория_вероятностей_2016/2017_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]<br />
<br />
[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы]]<br />
<br />
[[Факультатив_теория_вычислений_2016/2017 | Факультатив теория вычислений на ПМИ]]<br />
<br />
[[Дополнительные_главы_теории_вероятностей_(факультатив,_2017) | Дополнительные главы теории вероятностей (факультатив)]]<br />
<br />
[[Дифференциальные_уравнения_(2_курс,_2016/2017) | Дифференциальные уравнения]]<br />
<br />
[[Математическая_статистика_2016/2017_(пилотный_поток) | Математическая статистика на ПМИ (пилотный поток)]]<br />
<br />
[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы ]]<br />
<br />
|| <br />
<br />
[[НИС_Машинное_обучение_и_приложения_2016/2017 | НИС Машинное обучение и приложения на ПМИ]]<br />
<br />
[[Машинное_обучение_1/2016_2017 | Машинное обучение 1 на ПМИ]]<br />
<br />
[[Машинное_обучение_2/2016_2017 | Машинное обучение 2 на ПМИ]]<br />
<br />
[[Прикладной_статистический_анализ_данных | Прикладной статистический анализ данных на ПМИ]]<br />
<br />
[[Численные_методы_в_анализе_данных | Численные методы в анализе данных на ПМИ]]<br />
<br />
[http://www.machinelearning.ru/wiki/index.php?title=Статистика_случайных_процессов_(курс_лекций,_ФКН_ВШЭ) Вероятностные модели и статистика случайных процессов на ПМИ]<br />
<br />
[http://www.machinelearning.ru/wiki/index.php?title=Opt Методы оптимизации на ПМИ (специализации МОП и РС)]<br />
<br />
[[Методы_оптимизации_(весна_2017)|Методы оптимизации 2 (дискретная оптимизация)]]<br />
<br />
[[НИС_Распределенные_системы_(осень_2016) | НИС Распределенные системы]]<br />
<br />
[[Анализ и верификация алгоритмов биржевой торговли | Анализ и верификация алгоритмов для систем биржевой торговли ]]<br />
<br />
[[Программирование_на_графических_процессорах | Программирование на графических процессорах]]<br />
<br />
[[ЯРПО | Языки разработки ПО (курс по выбору) на ПМИ]]<br />
<br />
[[Data analysis (Software Engineering) 2017 | Data analysis на ПИ]]<br />
<br />
[[Базы данных 2 | Базы данных 2 ]]<br />
<br />
[[Компьютерные сети 2 | Компьютерные сети 2]]<br />
<br />
[[Машинное_обучение_на_больших_данных | Машинное обучение на больших данных на ПМИ]]<br />
<br />
||<br />
<br />
[[Современные_методы_машинного_обучения_(курс_майнора) | Современные методы машинного обучения (курс майнора)]]<br />
<br />
[[Майнор_Интеллектуальный_анализ_данных/Введение_в_программирование_2016/2017 | Введение в программирование (курс майнора)]]<br />
<br />
[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2016-2017 | Введение в анализ данных (курс майнора)]]<br />
<br />
[[Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных| Прикладные задачи анализа данных (курс майнора)]]<br />
<br />
|}<br />
<br />
{|width=100%<br />
|style="vertical-align:top;"|<br />
<br />
<!-- Первая колонка --><br />
<br />
=== Курсы за 2015/16 учебный год ===<br />
{|<br />
|-<br />
| [[Технологии программирования|Технологии программирования на ПМИ]]<br />
|-<br />
|[[ОиМП-2015|Основы и методология программирования на ПМИ]]<br />
|-<br />
|[[Алгоритмы и структуры данных 2016]]<br />
|-<br />
|[[Линейная алгебра и геометрия_2015/2016 | Линейная алгебра и геометрия на ПМИ]]<br />
|-<br />
|[[Алгебра_2015/2016 | Алгебра на ПМИ]]<br />
|-<br />
|[http://hsealgebra.wikidot.com/ Алгебра на ПИ]<br />
|-<br />
|[[Компьютерные системы]]<br />
|-<br />
|[[Математический анализ на ПМИ_2015/2016 | Математический анализ на ПМИ]]<br />
|-<br />
|[[Факультатив_Матпрактикум | Матпрактикум (факультатив) на ПМИ]]<br />
|-<br />
|[[Data analysis (Software Engineering)]]<br /><br />
|-<br />
|[[Майнор Интеллектуальный анализ данных/Введение в программирование|Введение в программирование (курс майнора) на ПМИ]]<br />
|-<br />
|[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2015-2016|Введение в анализ данных (курс майнора) на ПМИ]]<br />
|-<br />
|[[НИС Машинное обучение и приложения|НИС Машинное обучение и приложения на ПМИ]]<br />
|-<br />
|[[Архитектура компьютеров и системное программирование (ПМИ_4, 2015/2016)|Архитектура компьютеров и системное программирование (4 курс)]]<br />
|-<br />
|[[Дифференциальные уравнения (2 курс, 2015/2016)| Дифференциальные уравнения]]<br />
|-<br />
|[[Введение в VBA|Введение в VBA]]<br />
|}<br />
<br />
|style="vertical-align:top;"|<br />
<br />
<!-- Вторая колонка --><br />
<br />
=== Курсы за 2014/15 учебный год ===<br />
{|<br />
|-<br />
|[[Основы и методологии программирования]]<br /><br />
|-<br />
|[[Алгоритмы и структуры данных 2015 | Алгоритмы и структуры данных]]<br /><br />
|-<br />
|[[Анализ данных (Программная инженерия)]]<br /><br />
|-<br />
|[[Алгебра_2014/2015 | Алгебра]]<br /><br />
|-<br />
|[[Magolego_sna_2015| MAGoLEGO Social Network Analysis]]<br />
|}<br />
<br />
==== Проектная работа ====<br />
{|<br />
|-<br />
|[[Проектная работа]] <br /><br />
|-<br />
|[[Учебная практика 1 курс (2016)]]<br />
|-<br />
|[[Проектная работа 2 курс (2016)]]<br />
|}<br />
<br />
<!-- Завершение двухколоночной таблицы --><br />
|}<br />
<br />
== Мероприятия факультета компьютерных наук ==<br />
=== Summer School 2015 ===<br />
[[Introduction to Natural Language Processing|Introduction to Natural Language Processing]]<br />
#[[Lecture 1. Introduction|Introduction]]<br />
#[[Lecture 2. Tokenization and word counts|Tokenization and word counts]]<br />
#[[Lecture 3. POS tagging. Key word and phrase extraction|POS tagging. Key word and phrase extraction]]<br />
#[[Lecture 4. Parsing|Parsing]]<br />
#[[Lecture 5. Language sources|Language sources]]<br />
#[[Lecture 6. Synonyms and near-synonyms detection|Synonyms and near-synonyms detection]]<br />
#[[Lecture 8. Suffix trees for NLP|Suffix trees for NLP]]<br />
#[[NLP References|References]]<br />
<br />
== Архив ==<br />
* [[Учебная практика 1 курс (2015)]]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T05:05:14Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Семинарист:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
<br />
За всеми важными объявлениями можно и нужно следить в чате курса [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX].<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''07.09.18 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''50 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 150+<br />
|-<br />
| Отлично (9) || 140+<br />
|-<br />
| Отлично (8) || 130+<br />
|-<br />
| Хорошо (7) || 110+<br />
|-<br />
| Хорошо (6) || 100+<br />
|-<br />
| Удовлетворительно (5) || 80+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' в разработке.<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T05:04:49Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Семинарист:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
<br />
За всеми важными объявлениями можно и нужно следить в чате курса LingvoX.<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''07.09.18 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''50 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 150+<br />
|-<br />
| Отлично (9) || 140+<br />
|-<br />
| Отлично (8) || 130+<br />
|-<br />
| Хорошо (7) || 110+<br />
|-<br />
| Хорошо (6) || 100+<br />
|-<br />
| Удовлетворительно (5) || 80+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' в разработке.<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T05:04:14Z
<p>Sggpls: /* Описание курса */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Семинарист:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
<br />
За всеми важными объявлениями можно и нужно следить в группе телеграм.<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''07.09.18 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''50 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 150+<br />
|-<br />
| Отлично (9) || 140+<br />
|-<br />
| Отлично (8) || 130+<br />
|-<br />
| Хорошо (7) || 110+<br />
|-<br />
| Хорошо (6) || 100+<br />
|-<br />
| Удовлетворительно (5) || 80+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' в разработке.<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T05:03:56Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Семинарист:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
За всеми важными объявлениями можно и нужно следить в группе телеграм.<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''07.09.18 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''50 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 150+<br />
|-<br />
| Отлично (9) || 140+<br />
|-<br />
| Отлично (8) || 130+<br />
|-<br />
| Хорошо (7) || 110+<br />
|-<br />
| Хорошо (6) || 100+<br />
|-<br />
| Удовлетворительно (5) || 80+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' в разработке.<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T05:02:27Z
<p>Sggpls: /* Правила оценивания */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Семинарист:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''07.09.18 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''50 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 150+<br />
|-<br />
| Отлично (9) || 140+<br />
|-<br />
| Отлично (8) || 130+<br />
|-<br />
| Хорошо (7) || 110+<br />
|-<br />
| Хорошо (6) || 100+<br />
|-<br />
| Удовлетворительно (5) || 80+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' в разработке.<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T05:01:25Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Семинарист:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''07.09.18 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 150+<br />
|-<br />
| Отлично (9) || 140+<br />
|-<br />
| Отлично (8) || 130+<br />
|-<br />
| Хорошо (7) || 110+<br />
|-<br />
| Хорошо (6) || 100+<br />
|-<br />
| Удовлетворительно (5) || 80+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' в разработке.<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T04:59:47Z
<p>Sggpls: фф</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Семинарист:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''07.09.18 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 150+<br />
|-<br />
| Отлично (9) || 140+<br />
|-<br />
| Отлично (8) || 130+<br />
|-<br />
| Хорошо (7) || 110+<br />
|-<br />
| Хорошо (6) || 100+<br />
|-<br />
| Удовлетворительно (5) || 80+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T04:59:15Z
<p>Sggpls: /* Правила оценивания */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Семинарист:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 150+<br />
|-<br />
| Отлично (9) || 140+<br />
|-<br />
| Отлично (8) || 130+<br />
|-<br />
| Хорошо (7) || 110+<br />
|-<br />
| Хорошо (6) || 100+<br />
|-<br />
| Удовлетворительно (5) || 80+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T04:57:58Z
<p>Sggpls: аапп1</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Семинарист:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T04:56:32Z
<p>Sggpls: фф2</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Семинарист:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D_2018
Введение в анализ текстов на Python для ФГН 2018
2018-09-03T04:55:54Z
<p>Sggpls: ффф</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ161 и БКЛ162 в 1, 2 и 4 модулях.<br />
<br />
'''Лектор:''' Кабанов Сергей Михайлович<br />
<br />
'''Ассистенты:''' Соболев Марк и Татаринов Дмитрий <br />
<br />
Семинары проходят по пятницам, 1-я и 2-я пары, в ауд. ???. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/222132678.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
Wiki-страница прошлого года: [http://wiki.cs.hse.ru/index.php?title=Введение_в_анализ_текстов_на_Python_для_ФГН Введение в анализ текстов на Python для ФГН 2017]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-06-28T08:06:40Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
'''09.09.17 Введение в ООП-0''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы-0''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 Алгоритмы-1''' Графовые алгоритмы: Дейкстры, Прима, Крускала. Обзор модуля networkx.<br />
<br />
'''14.10.17 Продолжение ООП-2''' Метапрограммирование. Паттерны проектирования. Модуль abc.<br />
<br />
'''14.10.17 Работа с Web''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''21.10.17 Обзор полезных модулей''' Некоторые полезные модули.<br />
<br />
'''28.10.17 Экзамен''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила игры (правила оценивая курса). Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод ближайших соседей. Метрики качества: recall, precision, accuracy, f1-score. Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена.<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабораторной работы. Метод Монте-Карло. Переборные алгоритмы отбора признаков: full search, add, del, add-del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики качества: roc-auc, pr-auc, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
'''10.03.18 Байесовский классификатор''' Задача восстановления плотностей классов. Линейный дискриминант Фишера. Байесовский наивный классификатор.<br />
<br />
'''17.03.18 Логические модели-0''' Логические модели. Деревья решений.<br />
<br />
'''24.03.18 Композиции моделей-0''' Bias and variance tradeoff. Bootstrap aggregating. Случайный лес.<br />
<br />
'''26.03.18 Композиции моделей-1''' Разбор 3-ей и 4-ой лабораторных работ. Стекинг и блендинг моделей.<br />
<br />
'''31.03.18 Отбор признаков-1''' Статистические критерии. Регуляризация. Отбор на основе важности признаков.<br />
<br />
'''07.03.18 Извлечение признаков''' Сингулярное разложение. Метод главных компонент.<br />
<br />
'''14.04.18 Большие данные''' Визуализация больших данных. Алгоритм t-SNE. Разряженные матрицы. Библиотека Vowpal Wabbit.<br />
<br />
'''21.04.18 Multi-label классификация''' Разбор 5-ой лабораторной работы. Методы решения multi label задач.<br />
<br />
'''28.04.18 Композиции моделей-2 ''' Градиентный бустинг.<br />
<br />
'''07.05.18 Композиции моделей-2''' xgboost vs. lightgbm vs. catboost<br />
<br />
'''05.05.18 Разбор лаб. работ''' Разбор 6-ой и 7-ой лабораторных работ. Задача ранжирования поисковой выдачи.<br />
<br />
'''12.05.18 Кластеризация-0''' Постановка задач кластеризации. Алгоритмы: k-means, x-means, c-means, EM. Метрики качества.<br />
<br />
'''19.05.18 Кластеризация-1''' Алгоритмы: DBSCAN, спектральная кластеризация, графовые алгоритмы.<br />
<br />
'''26.05.18 Полезные модули-0''' Модули: hyperopt, scikit-optimize.<br />
<br />
'''02.06.18 Полезные модули-1''' Модули: scikit-multilearn, imbalanced-learn.<br />
<br />
'''07.06.18''' Разбор 8-ой лабораторной работы. Разбор финальных решений первого конкурса. Позные трюки при решении конкурсов.<br />
<br />
'''14.06.18 Повторение пройденного''' Коллективный тест "Собеседование на позицию junior data scientist" :)<br />
<br />
'''23.06.18 Экзамен''' Разбор финальных решений второго конкурса. Выставление оценок.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
[https://www.kaggle.com/c/competition-1-lingvo-hse-2018-spam-detection/ '''Конкурсное задание'''] в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
[https://www.kaggle.com/c/competition-2-lingvo-hse-2018-toxic-comment/ '''Конкурсное задание'''] в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-06-28T08:06:16Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
'''09.09.17 Введение в ООП-0''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы-0''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 Алгоритмы-1''' Графовые алгоритмы: Дейкстры, Прима, Крускала. Обзор модуля networkx.<br />
<br />
'''14.10.17 Продолжение ООП-2''' Метапрограммирование. Паттерны проектирования. Модуль abc.<br />
<br />
'''14.10.17 Работа с Web''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''21.10.17 Обзор полезных модулей''' Некоторые полезные модлули.<br />
<br />
'''28.10.17 Экзамен''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила игры (правила оценивая курса). Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод ближайших соседей. Метрики качества: recall, precision, accuracy, f1-score. Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена.<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабораторной работы. Метод Монте-Карло. Переборные алгоритмы отбора признаков: full search, add, del, add-del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики качества: roc-auc, pr-auc, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
'''10.03.18 Байесовский классификатор''' Задача восстановления плотностей классов. Линейный дискриминант Фишера. Байесовский наивный классификатор.<br />
<br />
'''17.03.18 Логические модели-0''' Логические модели. Деревья решений.<br />
<br />
'''24.03.18 Композиции моделей-0''' Bias and variance tradeoff. Bootstrap aggregating. Случайный лес.<br />
<br />
'''26.03.18 Композиции моделей-1''' Разбор 3-ей и 4-ой лабораторных работ. Стекинг и блендинг моделей.<br />
<br />
'''31.03.18 Отбор признаков-1''' Статистические критерии. Регуляризация. Отбор на основе важности признаков.<br />
<br />
'''07.03.18 Извлечение признаков''' Сингулярное разложение. Метод главных компонент.<br />
<br />
'''14.04.18 Большие данные''' Визуализация больших данных. Алгоритм t-SNE. Разряженные матрицы. Библиотека Vowpal Wabbit.<br />
<br />
'''21.04.18 Multi-label классификация''' Разбор 5-ой лабораторной работы. Методы решения multi label задач.<br />
<br />
'''28.04.18 Композиции моделей-2 ''' Градиентный бустинг.<br />
<br />
'''07.05.18 Композиции моделей-2''' xgboost vs. lightgbm vs. catboost<br />
<br />
'''05.05.18 Разбор лаб. работ''' Разбор 6-ой и 7-ой лабораторных работ. Задача ранжирования поисковой выдачи.<br />
<br />
'''12.05.18 Кластеризация-0''' Постановка задач кластеризации. Алгоритмы: k-means, x-means, c-means, EM. Метрики качества.<br />
<br />
'''19.05.18 Кластеризация-1''' Алгоритмы: DBSCAN, спектральная кластеризация, графовые алгоритмы.<br />
<br />
'''26.05.18 Полезные модули-0''' Модули: hyperopt, scikit-optimize.<br />
<br />
'''02.06.18 Полезные модули-1''' Модули: scikit-multilearn, imbalanced-learn.<br />
<br />
'''07.06.18''' Разбор 8-ой лабораторной работы. Разбор финальных решений первого конкурса. Позные трюки при решении конкурсов.<br />
<br />
'''14.06.18 Повторение пройденного''' Коллективный тест "Собеседование на позицию junior data scientist" :)<br />
<br />
'''23.06.18 Экзамен''' Разбор финальных решений второго конкурса. Выставление оценок.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
[https://www.kaggle.com/c/competition-1-lingvo-hse-2018-spam-detection/ '''Конкурсное задание'''] в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
[https://www.kaggle.com/c/competition-2-lingvo-hse-2018-toxic-comment/ '''Конкурсное задание'''] в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-06-28T08:01:31Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g LingvoX]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила игры (правила оценивая курса). Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод ближайших соседей. Метрики качества: recall, precision, accuracy, f1-score. Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена.<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабораторной работы. Метод Монте-Карло. Переборные алгоритмы отбора признаков: full search, add, del, add-del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики качества: roc-auc, pr-auc, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
'''10.03.18 Байесовский классификатор''' Задача восстановления плотностей классов. Линейный дискриминант Фишера. Байесовский наивный классификатор.<br />
<br />
'''17.03.18 Логические модели-0''' Логические модели. Деревья решений.<br />
<br />
'''24.03.18 Композиции моделей-0''' Bias and variance tradeoff. Bootstrap aggregating. Случайный лес.<br />
<br />
'''26.03.18 Композиции моделей-1''' Разбор 3-ей и 4-ой лабораторных работ. Стекинг и блендинг моделей.<br />
<br />
'''31.03.18 Отбор признаков-1''' Статистические критерии. Регуляризация. Отбор на основе важности признаков.<br />
<br />
'''07.03.18 Извлечение признаков''' Сингулярное разложение. Метод главных компонент.<br />
<br />
'''14.04.18 Большие данные''' Визуализация больших данных. Алгоритм t-SNE. Разряженные матрицы. Библиотека Vowpal Wabbit.<br />
<br />
'''21.04.18 Multi-label классификация''' Разбор 5-ой лабораторной работы. Методы решения multi label задач.<br />
<br />
'''28.04.18 Композиции моделей-2 ''' Градиентный бустинг.<br />
<br />
'''07.05.18 Композиции моделей-2''' xgboost vs. lightgbm vs. catboost<br />
<br />
'''05.05.18 Разбор лаб. работ''' Разбор 6-ой и 7-ой лабораторных работ. Задача ранжирования поисковой выдачи.<br />
<br />
'''12.05.18 Кластеризация-0''' Постановка задач кластеризации. Алгоритмы: k-means, x-means, c-means, EM. Метрики качества.<br />
<br />
'''19.05.18 Кластеризация-1''' Алгоритмы: DBSCAN, спектральная кластеризация, графовые алгоритмы.<br />
<br />
'''26.05.18 Полезные модули-0''' Модули: hyperopt, scikit-optimize.<br />
<br />
'''02.06.18 Полезные модули-1''' Модули: scikit-multilearn, imbalanced-learn.<br />
<br />
'''07.06.18''' Разбор 8-ой лабораторной работы. Разбор финальных решений первого конкурса. Позные трюки при решении конкурсов.<br />
<br />
'''14.06.18 Повторение пройденного''' Коллективный тест "Собеседование на позицию junior data scientist" :)<br />
<br />
'''23.06.18 Экзамен''' Разбор финальных решений второго конкурса. Выставление оценок.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
[https://www.kaggle.com/c/competition-1-lingvo-hse-2018-spam-detection/ '''Конкурсное задание'''] в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
[https://www.kaggle.com/c/competition-2-lingvo-hse-2018-toxic-comment/ '''Конкурсное задание'''] в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-06-28T08:00:11Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g lingvo-python-ml]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила игры (правила оценивая курса). Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод ближайших соседей. Метрики качества: recall, precision, accuracy, f1-score. Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена.<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабораторной работы. Метод Монте-Карло. Переборные алгоритмы отбора признаков: full search, add, del, add-del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики качества: roc-auc, pr-auc, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
'''10.03.18 Байесовский классификатор''' Задача восстановления плотностей классов. Линейный дискриминант Фишера. Байесовский наивный классификатор.<br />
<br />
'''17.03.18 Логические модели-0''' Логические модели. Деревья решений.<br />
<br />
'''24.03.18 Композиции моделей-0''' Bias and variance tradeoff. Bootstrap aggregating. Случайный лес.<br />
<br />
'''26.03.18 Композиции моделей-1''' Разбор 3-ей и 4-ой лабораторных работ. Стекинг и блендинг моделей.<br />
<br />
'''31.03.18 Отбор признаков-1''' Статистические критерии. Регуляризация. Отбор на основе важности признаков.<br />
<br />
'''07.03.18 Извлечение признаков''' Сингулярное разложение. Метод главных компонент.<br />
<br />
'''14.04.18 Большие данные''' Визуализация больших данных. Алгоритм t-SNE. Разряженные матрицы. Библиотека Vowpal Wabbit.<br />
<br />
'''21.04.18 Multi-label классификация''' Разбор 5-ой лабораторной работы. Методы решения multi label задач.<br />
<br />
'''28.04.18 Композиции моделей-2 ''' Градиентный бустинг.<br />
<br />
'''07.05.18 Композиции моделей-2''' xgboost vs. lightgbm vs. catboost<br />
<br />
'''05.05.18 Разбор лаб. работ''' Разбор 6-ой и 7-ой лабораторных работ. Задача ранжирования поисковой выдачи.<br />
<br />
'''12.05.18 Кластеризация-0''' Постановка задач кластеризации. Алгоритмы: k-means, x-means, c-means, EM. Метрики качества.<br />
<br />
'''19.05.18 Кластеризация-1''' Алгоритмы: DBSCAN, спектральная кластеризация, графовые алгоритмы.<br />
<br />
'''26.05.18 Полезные модули-0''' Модули: hyperopt, scikit-optimize.<br />
<br />
'''02.06.18 Полезные модули-1''' Модули: scikit-multilearn, imbalanced-learn.<br />
<br />
'''07.06.18''' Разбор 8-ой лабораторной работы. Разбор финальных решений первого конкурса. Позные трюки при решении конкурсов.<br />
<br />
'''14.06.18 Повторение пройденного''' Коллективный тест "Собеседование на позицию junior data scientist" :)<br />
<br />
'''23.06.18 Экзамен''' Разбор финальных решений второго конкурса. Выставление оценок.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
[https://www.kaggle.com/c/competition-1-lingvo-hse-2018-spam-detection/ '''Конкурсное задание'''] в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
[https://www.kaggle.com/c/competition-2-lingvo-hse-2018-toxic-comment/ '''Конкурсное задание'''] в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-06-28T07:59:01Z
<p>Sggpls: /* Семинары */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g lingvo-python-ml]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила игры (правила оценивая курса). Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод ближайших соседей. Метрики качества: recall, precision, accuracy, f1-score. Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена.<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабораторной работы. Метод Монте-Карло. Переборные алгоритмы отбора признаков: full search, add, del, add-del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики качества: roc-auc, pr-auc, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
'''10.03.18 Байесовский классификатор''' Задача восстановления плотностей классов. Линейный дискриминант Фишера. Байесовский наивный классификатор.<br />
<br />
'''17.03.18 Логические модели-0''' Логические модели. Деревья решений.<br />
<br />
'''24.03.18 Композиции моделей-0''' Bias and variance tradeoff. Bootstrap aggregating. Случайный лес.<br />
<br />
'''26.03.18 Композиции моделей-1''' Разбор 3-ей и 4-ой лабораторных работ. Стекинг и блендинг моделей.<br />
<br />
'''31.03.18 Отбор признаков-1''' Статистические критерии. Регуляризация. Отбор на основе важности признаков.<br />
<br />
'''07.03.18 Извлечение признаков''' Сингулярное разложение. Метод главных компонент.<br />
<br />
'''14.04.18 Большие данные''' Визуализация больших данных. Алгоритм t-SNE. Разряженные матрицы. Библиотека Vowpal Wabbit.<br />
<br />
'''21.04.18 Multi-label классификация''' Разбор 5-ой лабораторной работы. Методы решения multi label задач.<br />
<br />
'''28.04.18 Композиции моделей-2 ''' Градиентный бустинг.<br />
<br />
'''07.05.18 Композиции моделей-2''' xgboost vs. lightgbm vs. catboost<br />
<br />
'''05.05.18 Разбор лаб. работ''' Разбор 6-ой и 7-ой лабораторных работ. Задача ранжирования поисковой выдачи.<br />
<br />
'''12.05.18 Кластеризация-0''' Постановка задач кластеризации. Алгоритмы: k-means, x-means, c-means. Метрики качества.<br />
<br />
'''19.05.18 Кластеризация-1''' Алгоритмы: DBSCAN, спектральная кластеризация, графовые алгоритмы.<br />
<br />
'''26.05.18 Полезные модули-0''' Модули: hyperopt, scikit-optimize.<br />
<br />
'''02.06.18 Полезные модули-1''' Модули: scikit-multilearn, imbalanced-learn.<br />
<br />
'''07.06.18''' Разбор 8-ой лабораторной работы. Разбор финальных решений первого конкурса. Позные трюки при решении конкурсов.<br />
<br />
'''14.06.18 Повторение пройденного''' Коллективный тест "Собеседование на позицию junior data scientist" :)<br />
<br />
'''23.06.18 Экзамен''' Разбор финальных решений второго конкурса. Выставление оценок.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
[https://www.kaggle.com/c/competition-1-lingvo-hse-2018-spam-detection/ '''Конкурсное задание'''] в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
[https://www.kaggle.com/c/competition-2-lingvo-hse-2018-toxic-comment/ '''Конкурсное задание'''] в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-06-28T07:58:27Z
<p>Sggpls: /* Правила оценивания */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g lingvo-python-ml]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила игры (правила оценивая курса). Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод ближайших соседей. Метрики качества: recall, precision, accuracy, f1-score. Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена.<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабораторной работы. Метод Монте-Карло. Переборные алгоритмы отбора признаков: full search, add, del, add-del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики качества: roc-auc, pr-auc, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
'''10.03.18 Байесовский классификатор''' Задача восстановления плотностей классов. Линейный дискриминант Фишера. Байесовский наивный классификатор.<br />
<br />
'''17.03.18 Логические модели-0''' Логические модели. Деревья решений.<br />
<br />
'''24.03.18 Композиции моделей-0''' Bias and variance tradeoff. Bootstrap aggregating. Случайный лес.<br />
<br />
'''24.03.18 Композиции моделей-1''' Разбор 3-ей и 4-ой лабораторных работ. Стекинг и блендинг моделей.<br />
<br />
'''31.03.18 Отбор признаков-1''' Статистические критерии. Регуляризация. Отбор на основе важности признаков.<br />
<br />
'''07.03.18 Извлечение признаков''' Сингулярное разложение. Метод главных компонент.<br />
<br />
'''14.04.18 Большие данные''' Визуализация больших данных. Алгоритм t-SNE. Разряженные матрицы. Библиотека Vowpal Wabbit.<br />
<br />
'''21.04.18 Multi-label классификация''' Разбор 5-ой лабораторной работы. Методы решения multi label задач.<br />
<br />
'''28.04.18 Композиции моделей-2 ''' Градиентный бустинг.<br />
<br />
'''07.05.18 Композиции моделей-2''' xgboost vs. lightgbm vs. catboost<br />
<br />
'''05.05.18 Разбор лаб. работ''' Разбор 6-ой и 7-ой лабораторных работ. Задача ранжирования поисковой выдачи.<br />
<br />
'''12.05.18 Кластеризация-0''' Постановка задач кластеризации. Алгоритмы: k-means, x-means, c-means. Метрики качества.<br />
<br />
'''19.05.18 Кластеризация-1''' Алгоритмы: DBSCAN, спектральная кластеризация, графовые алгоритмы.<br />
<br />
'''26.05.18 Полезные модули-0''' Модули: hyperopt, scikit-optimize.<br />
<br />
'''02.06.18 Полезные модули-1''' Модули: scikit-multilearn, imbalanced-learn.<br />
<br />
'''07.06.18''' Разбор 8-ой лабораторной работы. Разбор финальных решений первого конкурса. Позные трюки при решении конкурсов.<br />
<br />
'''14.06.18 Повторение пройденного''' Коллективный тест "Собеседование на позицию junior data scientist" :)<br />
<br />
'''23.06.18 Экзамен''' Разбор финальных решений второго конкурса. Выставление оценок.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
[https://www.kaggle.com/c/competition-1-lingvo-hse-2018-spam-detection/ '''Конкурсное задание'''] в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
[https://www.kaggle.com/c/competition-2-lingvo-hse-2018-toxic-comment/ '''Конкурсное задание'''] в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-06-28T07:56:31Z
<p>Sggpls: /* Правила оценивания */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g lingvo-python-ml]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила игры (правила оценивая курса). Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод ближайших соседей. Метрики качества: recall, precision, accuracy, f1-score. Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена.<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабораторной работы. Метод Монте-Карло. Переборные алгоритмы отбора признаков: full search, add, del, add-del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики качества: roc-auc, pr-auc, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
'''10.03.18 Байесовский классификатор''' Задача восстановления плотностей классов. Линейный дискриминант Фишера. Байесовский наивный классификатор.<br />
<br />
'''17.03.18 Логические модели-0''' Логические модели. Деревья решений.<br />
<br />
'''24.03.18 Композиции моделей-0''' Bias and variance tradeoff. Bootstrap aggregating. Случайный лес.<br />
<br />
'''24.03.18 Композиции моделей-1''' Разбор 3-ей и 4-ой лабораторных работ. Стекинг и блендинг моделей.<br />
<br />
'''31.03.18 Отбор признаков-1''' Статистические критерии. Регуляризация. Отбор на основе важности признаков.<br />
<br />
'''07.03.18 Извлечение признаков''' Сингулярное разложение. Метод главных компонент.<br />
<br />
'''14.04.18 Большие данные''' Визуализация больших данных. Алгоритм t-SNE. Разряженные матрицы. Библиотека Vowpal Wabbit.<br />
<br />
'''21.04.18 Multi-label классификация''' Разбор 5-ой лабораторной работы. Методы решения multi label задач.<br />
<br />
'''28.04.18 Композиции моделей-2 ''' Градиентный бустинг.<br />
<br />
'''07.05.18 Композиции моделей-2''' xgboost vs. lightgbm vs. catboost<br />
<br />
'''05.05.18 Разбор лаб. работ''' Разбор 6-ой и 7-ой лабораторных работ. Задача ранжирования поисковой выдачи.<br />
<br />
'''12.05.18 Кластеризация-0''' Постановка задач кластеризации. Алгоритмы: k-means, x-means, c-means. Метрики качества.<br />
<br />
'''19.05.18 Кластеризация-1''' Алгоритмы: DBSCAN, спектральная кластеризация, графовые алгоритмы.<br />
<br />
'''26.05.18 Полезные модули-0''' Модули: hyperopt, scikit-optimize.<br />
<br />
'''02.06.18 Полезные модули-1''' Модули: scikit-multilearn, imbalanced-learn.<br />
<br />
'''07.06.18''' Разбор 8-ой лабораторной работы. Разбор финальных решений первого конкурса. Позные трюки при решении конкурсов.<br />
<br />
'''14.06.18 Повторение пройденного''' Коллективный тест "Собеседование на позицию junior data scientist" :)<br />
<br />
'''23.06.18 Экзамен''' Разбор финальных решений второго конкурса. Выставление оценок.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
[https://www.kaggle.com/c/competition-2-lingvo-hse-2018-toxic-comment/, '''Конкурсное задание'''] в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-06-28T07:51:23Z
<p>Sggpls: /* Семинары */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g lingvo-python-ml]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила игры (правила оценивая курса). Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод ближайших соседей. Метрики качества: recall, precision, accuracy, f1-score. Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена.<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабораторной работы. Метод Монте-Карло. Переборные алгоритмы отбора признаков: full search, add, del, add-del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики качества: roc-auc, pr-auc, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
'''10.03.18 Байесовский классификатор''' Задача восстановления плотностей классов. Линейный дискриминант Фишера. Байесовский наивный классификатор.<br />
<br />
'''17.03.18 Логические модели-0''' Логические модели. Деревья решений.<br />
<br />
'''24.03.18 Композиции моделей-0''' Bias and variance tradeoff. Bootstrap aggregating. Случайный лес.<br />
<br />
'''24.03.18 Композиции моделей-1''' Разбор 3-ей и 4-ой лабораторных работ. Стекинг и блендинг моделей.<br />
<br />
'''31.03.18 Отбор признаков-1''' Статистические критерии. Регуляризация. Отбор на основе важности признаков.<br />
<br />
'''07.03.18 Извлечение признаков''' Сингулярное разложение. Метод главных компонент.<br />
<br />
'''14.04.18 Большие данные''' Визуализация больших данных. Алгоритм t-SNE. Разряженные матрицы. Библиотека Vowpal Wabbit.<br />
<br />
'''21.04.18 Multi-label классификация''' Разбор 5-ой лабораторной работы. Методы решения multi label задач.<br />
<br />
'''28.04.18 Композиции моделей-2 ''' Градиентный бустинг.<br />
<br />
'''07.05.18 Композиции моделей-2''' xgboost vs. lightgbm vs. catboost<br />
<br />
'''05.05.18 Разбор лаб. работ''' Разбор 6-ой и 7-ой лабораторных работ. Задача ранжирования поисковой выдачи.<br />
<br />
'''12.05.18 Кластеризация-0''' Постановка задач кластеризации. Алгоритмы: k-means, x-means, c-means. Метрики качества.<br />
<br />
'''19.05.18 Кластеризация-1''' Алгоритмы: DBSCAN, спектральная кластеризация, графовые алгоритмы.<br />
<br />
'''26.05.18 Полезные модули-0''' Модули: hyperopt, scikit-optimize.<br />
<br />
'''02.06.18 Полезные модули-1''' Модули: scikit-multilearn, imbalanced-learn.<br />
<br />
'''07.06.18''' Разбор 8-ой лабораторной работы. Разбор финальных решений первого конкурса. Позные трюки при решении конкурсов.<br />
<br />
'''14.06.18 Повторение пройденного''' Коллективный тест "Собеседование на позицию junior data scientist" :)<br />
<br />
'''23.06.18 Экзамен''' Разбор финальных решений второго конкурса. Выставление оценок.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-06-14T23:53:36Z
<p>Sggpls: /* Семинары */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g lingvo-python-ml]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила игры (правила оценивая курса). Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод ближайших соседей. Метрики качества: recall, precision, accuracy, f1-score. Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена.<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабораторной работы. Метод Монте-Карло. Переборные алгоритмы отбора признаков: full search, add, del, add-del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики качества: roc-auc, pr-auc, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
'''10.03.18 Байесовский классификатор''' Задача восстановления плотностей классов. Линейный дискриминант Фишера. Байесовский наивный классификатор.<br />
<br />
'''17.03.18 Логические модели-0''' Логические модели. Деревья решений.<br />
<br />
'''24.03.18 Композиции моделей-0''' Bias and variance tradeoff. Bootstrap aggregating. Случайный лес.<br />
<br />
'''24.03.18 Композиции моделей-1''' Разбор 3-ей и 4-ей лабораторных работ. Стекинг и блендинг моделей.<br />
<br />
'''31.03.18 Отбор признаков-1''' Статистические критерии. Регуляризация. Отбор на основе важности признаков.<br />
<br />
'''07.03.18 Извлечение признаков''' Сингулярное разложение. Метод главных компонент.<br />
<br />
'''14.04.18 Большие данные''' Визуализация больших данных. t-SNE. Разряженные матрицы. Библиотека Vowpal Wabbit.<br />
<br />
'''21.04.18 Multi-label классификация''' Разбор 5-ой лабораторной работы. Методы решения multi label задач.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-04-06T12:02:43Z
<p>Sggpls: /* Полезные ссылки */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g lingvo-python-ml]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод k-ближайших соседей sklearn.kNearestClassifier. [Метрики качества, ] (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. sklearn.CentroidNearest<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабороторной работы. Метод Монте-Карло. Алгоритмы отбора признаков: Full search, Add, Del, Add-Del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики ROC-AUC, PR-AUC, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство в логистической регрессии. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
''' '''<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-04-06T12:02:13Z
<p>Sggpls: /* Полезные ссылки */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: [https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g invite]<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод k-ближайших соседей sklearn.kNearestClassifier. [Метрики качества, ] (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. sklearn.CentroidNearest<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабороторной работы. Метод Монте-Карло. Алгоритмы отбора признаков: Full search, Add, Del, Add-Del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики ROC-AUC, PR-AUC, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство в логистической регрессии. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
''' '''<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-02-27T15:33:21Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод k-ближайших соседей sklearn.kNearestClassifier. [Метрики качества, ] (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. sklearn.CentroidNearest<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабороторной работы. Метод Монте-Карло. Алгоритмы отбора признаков: Full search, Add, Del, Add-Del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики ROC-AUC, PR-AUC, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство в логистической регрессии. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор векторных моделей текста. Расстояние между строками.<br />
<br />
''' '''<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-02-27T15:32:25Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод k-ближайших соседей sklearn.kNearestClassifier. [Метрики качества, ] (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. sklearn.CentroidNearest<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабороторной работы. Метод Монте-Карло. Алгоритмы отбора признаков: Full search, Add, Del, Add-Del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Градиентный спуск.<br />
<br />
'''17.02.18 Линейный модели-1.''' Логистическая регрессия. Метрики ROC-AUC, PR-AUC, log-loss.<br />
<br />
'''24.02.18 Линейный модели-2.''' Переход в спрямляющее пространство в логистической регрессии. Метод опорных векторов. Kernel trick.<br />
<br />
'''03.03.18 Векторные модели текста''' Разбор 2-ой лабораторной работы. Обзор венкторных моделей текста. Расстояние между строками.<br />
<br />
''' '''<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-02-04T10:21:54Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод k-ближайших соседей sklearn.kNearestClassifier. [Метрики качества, ] (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. sklearn.CentroidNearest<br />
<br />
'''03.02.18 Отбор признаков-0.''' Разбор 1-ой лабороторной работы. Метод Монте-Карло. Алгоритмы отбора признаков: Full search, Add, Del, Add-Del.<br />
<br />
'''10.02.18 Линейный модели-0.''' Общий подход к построению линейных моделей. Линейная регрессия. Логистическая регрессия. Градиентный спуск. Метрики ROC-AUC, PR-AUC, log-loss.<br />
<br />
'''10.02.18 Линейный модели-1.''' Метод опорных векторов...<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-02-01T12:13:30Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод k-ближайших соседей sklearn.kNearestClassifier. [Метрики качества, ] (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. sklearn.CentroidNearest<br />
<br />
'''03.02.18 Линейные модели-0.''' Обобщенные линейные модели, функция потерь. Логистическая регрессия. ROC и PRC - кривые, метрики ROC-AUC, PR-AUC.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-02-01T12:12:35Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию (args, kwargs). Перегрузка операторов-1. Итераторы и генераторы.<br />
<br />
'''23.09.17 Замыкания.''' Декораторы.<br />
<br />
'''30.09.17 Алгоритмы.''' RAM-модель. Сложность алгоритмов и нотация Big-O. Бинарный поиск. Задача сортировки массива: quick-sort, merge-sort, timsort. <br />
<br />
'''30.09.17 Структуры данных.''' Ассоциативный массив. Хэш-таблицы. Обзор модуля collections.<br />
<br />
'''07.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''14.10.17 '''<br />
<br />
'''21.10.17 Работа с Web.''' XML и HTML как деревья. Парсинг XML (модуль lxml).<br />
<br />
'''28.10.17 Экзамен.''' Финальный тест. Последний срок сдачи финального проекта.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод k-ближайших соседей sklearn.kNearestClassifier. [Метрики качества, ] (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. sklearn.CentroidNearest<br />
<br />
'''03.02.18 Линейные модели-0.''' Линейный дискриминант Фишера. Логистическая регрессия. ROC и PRC - кривые, метрики ROC-AUC, PR-AUC.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-01-27T06:47:20Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод k-ближайших соседей sklearn.kNearestClassifier. [Метрики качества, ] (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. sklearn.CentroidNearest<br />
<br />
'''03.02.18 Линейные модели-0.''' Линейный дискриминант Фишера. Логистическая регрессия. ROC и PRC - кривые, метрики ROC-AUC, PR-AUC.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-01-26T16:59:19Z
<p>Sggpls: </p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0.''' Метод k-ближайших соседей sklearn.kNearestClassifier. Метрики качества (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1.''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. sklearn.CentroidNearest<br />
<br />
'''03.02.18 Линейные модели-0.''' Линейный дискриминант Фишера. Логистическая регрессия. ROC и PRC - кривые, метрики ROC-AUC, PR-AUC.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-01-22T05:27:00Z
<p>Sggpls: /* 4 модуль */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0''' Метод k-ближайших соседей sklearn.kNearestClassifier. Метрики качества (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. ROC и PRC - кривые, метрики ROC-AUC, PR-AUC.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-01-22T05:19:52Z
<p>Sggpls: /* Семинары */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0''' Метод k-ближайших соседей sklearn.kNearestClassifier. Метрики качества (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier. ROC и PRC - кривые, метрики ROC-AUC, PR-AUC.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]<br />
<br />
== 4 модуль ==</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-01-22T05:17:03Z
<p>Sggpls: /* Полезные литература и ссылки */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0''' Метод k-ближайших соседей sklearn.kNearestClassifier. Метрики качества (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.dataquest.io/blog/jupyter-notebook-tips-tricks-shortcuts/ 28 jupyter-notebook tips and tricks]<br />
# [https://www.youtube.com/watch?v=qLBkB4sMztk, Видеолекции Воронцова от ШАД]<br />
# [https://www.datacamp.com/community/tutorials/seaborn-python-tutorial, Seabor vizualization tutorial]<br />
# [http://www2.compute.dtu.dk/pubdb/views/edoc_download.php/6814/pdf/imm6814.pdf, 100 страничная брошюра кратко описывающая принципы работы с основные библиотеками курса (numpy, pandas, scipy, sklearn, nltk etc)]<br />
<br />
== 4 модуль ==</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-01-22T04:57:34Z
<p>Sggpls: /* 3 модуль */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 - 4 модули ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0''' Метод k-ближайших соседей sklearn.kNearestClassifier. Метрики качества (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier.<br />
<br />
=== Правила оценивания ===<br />
<br />
В 3 - 4 модулях ~20 семинаров.<br />
<br />
'''~8 домашних''' лабораторных '''работ''' стоимостью '''20 баллов каждая'''.<br />
<br />
'''Конкурсное задание''' в конце 3-го модуля стоимостью '''30 баллов'''.<br />
<br />
'''Конкурсное задание''' в середине 4-го модуля стоимостью '''30 баллов'''.<br />
<br />
По желанию: в конце 4-го модуля можно будет увеличить оценку на 1 балл по десятибалльной шкале, доделав часть несданных лаб. работ.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 160+<br />
|-<br />
| Отлично (9) || 150+<br />
|-<br />
| Отлично (8) || 140+<br />
|-<br />
| Хорошо (7) || 120+<br />
|-<br />
| Хорошо (6) || 110+<br />
|-<br />
| Удовлетворительно (5) || 90+<br />
|-<br />
| Удовлетворительно (4) || 70+<br />
|-<br />
| Незачет || менее 70<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
<br />
== 4 модуль ==</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2018-01-22T04:52:38Z
<p>Sggpls: /* 3 модуль */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 модуль ==<br />
=== Семинары ===<br />
'''13.01.18 Ознакомительный семинар.''' Правила оценивая курса = правила игры. Постановки и примеры задач машинного обучения. Основные понятия. Задача классификации.<br />
<br />
'''20.01.18 Метрические классификаторы-0''' Метод k-ближайших соседей sklearn.kNearestClassifier. Метрики качества (recall, precision, accuracy, f1-score). Скользящий контроль (k-fold CV).<br />
<br />
'''27.01.18 Метрические классификаторы-1''' Метод потенциальных функций. Метод окна Парзена. sklearn.RadiusNeighborsClassifier.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
<br />
== 4 модуль ==</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2017-09-10T09:54:04Z
<p>Sggpls: /* Семинары */</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8). [https://github.com/ustya-k/hse-python/tree/master/3%20%D0%BA%D1%83%D1%80%D1%81/week-1 lab1 (решение Усти)]<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 модуль ==<br />
== 4 модуль ==</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2017-09-09T06:44:25Z
<p>Sggpls: правка почты курса</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-python-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 модуль ==<br />
== 4 модуль ==</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2017-09-09T06:43:25Z
<p>Sggpls: Правка почты курса</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-python-ml@yandex.ru lingvo-yandex-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 модуль ==<br />
== 4 модуль ==</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2017-09-09T04:16:50Z
<p>Sggpls: Добавлено правила офрмления лаб работ</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-yandex-ml@yandex.ru lingvo-yandex-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
'''Лабораторные''' работы '''отправлять''' на почту курса '''не позднее начала следующего семинара''', если не оговорено иное. '''Правила формления:''' надо упаковать в архив все решения и тесты задач, решения называть solution''номер''.py, архив назвать lab''номер''-''имя''-''фамилия''-''номер группы''.rar, тема письма lab''номер''-''имя''-''фамилия''-''номер группы''<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 модуль ==<br />
== 4 модуль ==</div>
Sggpls
http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BE%D0%B2_%D0%BD%D0%B0_Python_%D0%B4%D0%BB%D1%8F_%D0%A4%D0%93%D0%9D
Введение в анализ текстов на Python для ФГН
2017-09-09T04:04:10Z
<p>Sggpls: Первая версия</p>
<hr />
<div>== Описание курса ==<br />
=== О курсе ===<br />
Курс читается на 3 курсе факультета гуманитарных наук для групп БКЛ151 и БКЛ152 в 1, 3 и 4 модулях.<br />
<br />
'''Семинарист:''' Сергей Кабанов<br />
<br />
'''Ассистенты:''' Алие Тефикова и Анастасия Родыгина<br />
<br />
Семинары проходят по субботам, 3-я и 4-я пары, ауд. 509. <br />
<br />
'''Просьба, по возможности, приходить со своими ноутбуками.'''<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ling/courses/207398318.html Карточка курса и программа]<br />
<br />
Почта курса: [http://lingvo-yandex-ml@yandex.ru lingvo-yandex-ml@yandex.ru]<br />
<br />
Чат курса в телеграм: https://t.me/joinchat/C3XPaw39FpiCBNJKwmqw-g<br />
<br />
== 1 модуль ==<br />
=== Семинары ===<br />
'''02.09.17 Ознакомительный семинар.''' Краткое описание курса. Повторение основ программирования на Python: функции и области видимости, встроенные типы данных, модули и пространство имен. Среда разработки IDLE PyCharm. Разработка через тестирование TDD (модули doctest, pytest). Стиль кодирования (PEP8).<br />
<br />
'''09.09.17 Введение в ООП-0.''' Абстракция данных, инкапсуляция, наследование, полиморфизм. Класс, объект. Конструктор и деструктор. Перегрузка операторов-0. Исключения-0.<br />
<br />
'''16.09.17 Продолжение ООП-1.''' Передача аргументов в функцию. Итераторы и генераторы. Перегрузка операторов-1. Исключения-1. Декораторы-0.<br />
<br />
=== Правила оценивания ===<br />
<br />
В модуле 10 семинаров.<br />
<br />
'''10 домашних''' лабораторных '''работ''' стоимостью '''10 баллов каждая'''.<br />
<br />
'''Домашний мини-проект''' с ревью кода стоимостью '''40 баллов'''.<br />
<br />
'''Финальный тест''' в классе стоимостью '''40 баллов'''.<br />
<br />
По желанию: '''индивидуальное домашнее задание''' стоимостью '''20 баллов'''.<br />
<br />
Шкала перевода баллов в итоговую оценку представлена в таблице.<br />
<br />
{| class="wikitable"<br />
|-<br />
! Итоговая оценка !! Суммарные баллы<br />
|-<br />
| Отлично (10) || 140+<br />
|-<br />
| Отлично (9) || 130+<br />
|-<br />
| Отлично (8) || 120+<br />
|-<br />
| Хорошо (7) || 100+<br />
|-<br />
| Хорошо (6) || 90+<br />
|-<br />
| Удовлетворительно (5) || 70+<br />
|-<br />
| Удовлетворительно (4) || 60+<br />
|-<br />
| Незачет || менее 60<br />
|}<br />
<br />
=== Полезные литература и ссылки ===<br />
<br />
# [https://www.shashkovs.ru/_prog/Lutc_M._-_Izuchaem_Python_(4-e_izdanie)-_2011.pdf Лутц, Изучаем Python, 4-е издание, 2011]<br />
# [https://www.cs.auckland.ac.nz/courses/compsci105ssc/resources/ProblemSolvingwithAlgorithmsandDataStructures.pdf Brad Miller, David Ranum, Problem Solving with Algorithms and Data Structures, Release 3.0, 2013 ]<br />
# [https://doc.lagout.org/programmation/python/Data%20Structures%20and%20Algorithms%20in%20Python%20%5BGoodrich%2C%20Tamassia%20%26%20Goldwasser%202013-03-18%5D.pdf Michael T. Goodrich, Data Structures and Algorithms in Python, 1st edition, 2013]<br />
# [https://vk.com/wall-54530371_2325 Т.Кормен, Ч.Лейзерсон, Р.Ривест, К.Штайн - Алгоритмы. Построение и анализ. Издание 3-е, 2013]<br />
# [https://www.youtube.com/watch?v=VP2wRhwlg6c&t=1s Умнов, Видиолекции ШАДа по Python]<br />
# [http://defpython.ru/pep8 PEP8, коротко, на русском]<br />
# [http://python.net/~goodger/projects/pycon/2007/idiomatic/handout.html Code Like a Pythonista: Idiomatic Python]<br />
# [http://www.dabeaz.com/coroutines/Coroutines.pdf A Curious Course on Coroutines and Concurrency]<br />
# [https://github.com/faif/python-patterns Python patterns OOP]<br />
# [https://github.com/vinta/awesome-python Awesome Python, Много разных библиотек]<br />
== 3 модуль ==<br />
== 4 модуль ==</div>
Sggpls