Просмотр исходного текста страницы Основы программирования в Python 2019

== О курсе ==

[[Файл:Python-logo2.png|120px|borderless|left]]


Курс читается для студентов факультета Мировой Экономики ВШЭ в 3-4 модулях.

'''Лектор:''' [https://www.hse.ru/org/persons/137309442 Кохтев Вадим Михайлович]

Лекции проходят с 2019 года.

=== Полезные ссылки ===
* [https://t.me/PythonWE2019 Канал курса в телеграме]
* [https://github.com/Kokhtev/HSE-teaching/tree/master/Python-WE-2019 Репозиторий с материалами на GitHub]
* [https://www.hse.ru/edu/courses/219891009 Карточка курса и программа]
* [https://events.webinar.ru/11659699/1903467 Ссылка на вебинар] Вебинар состоялся 23 января.

=== Онлайн-курс ===
Дисциплина реализуется в формате смешанного обучения и состоит из очных занятий и on-line курса, реализованного на базе платформы Coursera для НИУ ВШЭ: https://www.coursera.org/learn/python-osnovy-programmirovaniya/

О записи на курс будет объявлено дополнительно

=== Семинары ===

Семинары проходят по вторникам и субботам. Некоторые семинары проходят на Шаболовке, некоторые — в Армянском переулке. Пожалуйста, всегда проверяйте [https://ruz.hse.ru/ruz/main (РУЗ)], поскольку расписание может меняться.

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание
|-
| БМЭ171 || Такташева Мария Вадимовна  || Пузырев Дмитрий || [https://ruz.hse.ru/ruz/main (есть в РУЗе)]
|-
| БМЭ172 || Такташева Мария Вадимовна  || Пузырев Дмитрий || [https://ruz.hse.ru/ruz/main (есть в РУЗе)]
|-
| БМЭ173 || Першин Максим Андреевич  || Кошелев Антон || 30.04, 14.05, 21.05, 28.05, 04.06, 11.06<br />
4336 (Шаболовка ул., д. 26), 15:10–16:30
|-
| БМЭ174 || Першин Максим Андреевич  || Кошелев Антон || 30.04, 14.05, 21.05, 28.05, 04.06, 11.06<br />
4336 (Шаболовка ул., д. 26), 16:40–18:00
|-
|-
| БМЭ175 || Панков Алексей Алексеевич  || Попова Наталья || [https://ruz.hse.ru/ruz/main (есть в РУЗе)]
|-
| БМЭ176 || Панков Алексей Алексеевич  || Попова Наталья || [https://ruz.hse.ru/ruz/main (есть в РУЗе)]
|-
|}

=== Система оценок ===
==== Формула оценки ====

Результирующая оценка по дисциплине рассчитывается по формуле:

'''O<sub>итог</sub> = 0.7 * O<sub>накопл</sub> + 0.3 * O<sub>экз</sub>'''

Накопленная оценка рассчитывается по формуле:

'''O<sub>накопл</sub> = 0.3 * O<sub>онлайн-курс</sub> + 0.3 * O<sub>дз</sub> + 0.4 * O<sub>ср</sub>'''

{| role="presentation" class="wikitable mw-collapsible mw-collapsed"
| <strong>Подробнее</strong>
|-
|

==== Правила вычисления оценок ====

О<sub>онлайн-курс</sub> — [https://www.coursera.org/learn/python-osnovy-programmirovaniya/ Задания онлайн-курса на базе платформы Coursera], каждое оценивается от 0 до 10 баллов; итоговая оценка рассчитывается как сумма баллов от 0 до 100 разделить на 8

О<sub>ср</sub> — Самостоятельная работа, оценивается от 0 до 10

О<sub>дз</sub> — Домашние задания: все оцениваются от 0 до 10, после чего находится среднее арифметическое оценок

Все промежуточные оценки могут быть не целыми. Накопленная и итоговая оценки округляются арифметически.

==== Правила сдачи заданий ====
Дедлайны по всем домашним заданиям являются жёсткими, то есть после срока работы не принимаются.
Домашнее задание выполняется самостоятельно. При попытке сдать хотя бы частично списанный код (текст), или код (текст), полученный в результате совместного решения задач, вся работа будет оценена на 0 баллов. При обнаружении плагиата оценки за домашнее задание или практику обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. 
|}

== Лекции ==

[https://github.com/Kokhtev/HSE-teaching/blob/master/Python-WE-2019/lecture-notes/lecture01-intro.pdf Лекция 1 — Типы задач и основные понятия анализа данных и машинного обучения, 18 мая]

[https://github.com/Kokhtev/HSE-teaching/blob/master/Python-WE-2019/lecture-notes/lecture02-regression.pdf Лекция 2 — Задачи регрессии, 24 мая]

[https://github.com/Kokhtev/HSE-teaching/blob/master/Python-WE-2019/lecture-notes/lecture03-classification.pdf Лекция 3 — Задачи классификации, 4 июня]

[https://github.com/Kokhtev/HSE-teaching/blob/master/Python-WE-2019/lecture-notes/lecture04-ensembles.pdf Лекция 4 — Ансамбли алгоритмов и визуализация данных, 13 июня]

== Семинары ==

[https://yadi.sk/d/4a4o8TKp7eGMKg Семинар 1 — работа с таблицами в pandas]. [https://yadi.sk/d/iyNuckTrRcRVew Данные]. [https://yadi.sk/d/5iQhMnxnFn7OuQ Заполненный семинар]

[https://colab.research.google.com/drive/1NuzmfgQrdZM8ZmffHIIV-OwGh4qARxtS Семинар 2 — градиентный спуск и линейная регрессия]. [https://colab.research.google.com/drive/1PJ7lJ1PuZ42jsZ3yTGj8sxqji2MmeL7g Заполненный семинар]

[https://colab.research.google.com/drive/1lK4puat0AJ6IYvGziv00MZUt2w5TxRJM Семинар 3 — методы классификации]. [https://github.com/Skvidvardin/Fun/blob/master/sem_3_classification_full.ipynb Заполненный семинар]

[https://colab.research.google.com/drive/1RIHiG-xloEhLaOtIa3m4yjIoHJAmfRLT Семинар 4 — Визуализация c matplotlib. Подбор гиперпараметров]

[https://colab.research.google.com/drive/18nJ0O_OYvv9I56gP7Dp8Qk4cOc4wPTGI Семинар 5 —  Качественная визуализация данных]

== Домашние задания ==

[https://drive.google.com/file/d/1Y8_Fz_w-Cizf8G-2x41UJ43w1ZDb2Sqy/view?usp=sharing Домашнее задание №1. Дедлайн: 23:59 2 июня 2019]

[https://colab.research.google.com/drive/1qq0klJ1X7ET6OfrL5U9FcbQFNRsPXRdT Домашнее задание №2. Дедлайн: 23:59 11 июня 2019]

[https://colab.research.google.com/drive/1u7tfhH1XgTRy0RjglNRI33NM89VQ5wi0 Домашнее задание №3. Дедлайн: 11:59 16 июня 2019]

== Экзамен ==
Экзамен состоится 18 июня, задания будут на компьютерах.

== Полезные материалы ==
=== Основная литература ===
# Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
# Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006.
# Diez, D.M, Barr, C.D., Cetinkaya-Rundel, M., Dorazio, L. Advanced High School Statistics. —  OpenIntro, 2015.
# Wooldridge, J. Introductory Econometrics: A Modern Approach. — Mason: South-Western Cengage Learning, 2013.
# Lutz, Mark. Learning Python: Powerful Object-Oriented Programming. &quot;O&#39;Reilly Media.&quot;, 2013.

=== Полезные ссылки ===
# Документация языка Python https://docs.python.org/3/
# Хороший классический курс по машинному обучению https://ru.coursera.org/learn/machine-learning
# Материалы вышкинского курса по машинному обучению https://github.com/esokolov/ml-course-hse
# Курс майнора по анализу данных http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных
# Курс майнора по машинному обучению http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2018/2019