Minor da2016 gr3 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
Строка 28: Строка 28:
  
 
== Полезные ссылки (Будут пополняться) ==
 
== Полезные ссылки (Будут пополняться) ==
−
=== Семинар 8 ===
+
''' Семинар 8 '''
 
# [http://aimotion.blogspot.ru/2011/11/machine-learning-with-python-logistic.html On Logistic Regression with examples]
 
# [http://aimotion.blogspot.ru/2011/11/machine-learning-with-python-logistic.html On Logistic Regression with examples]
 
# [http://www.stat.cmu.edu/~cshalizi/350/lectures/25/lecture-25.pdf Perceptron Algorithm]
 
# [http://www.stat.cmu.edu/~cshalizi/350/lectures/25/lecture-25.pdf Perceptron Algorithm]
 
# [http://www.eecs.yorku.ca/course_archive/2012-13/F/4404-5327/lectures/05%20Linear%20Classifiers.pdf On Linear Classifiers]
 
# [http://www.eecs.yorku.ca/course_archive/2012-13/F/4404-5327/lectures/05%20Linear%20Classifiers.pdf On Linear Classifiers]
  
−
=== Семинар 7 ===
+
''' Семинар 7 '''
 
# [http://scikit-learn.org/stable/modules/linear_model.html Sklearn Linear Models]
 
# [http://scikit-learn.org/stable/modules/linear_model.html Sklearn Linear Models]
 
# [http://statsmodels.sourceforge.net/devel/examples/ Statmodels Examples]
 
# [http://statsmodels.sourceforge.net/devel/examples/ Statmodels Examples]
  
−
=== Семинар 6 ===
+
''' Семинар '''
 
# [http://docs.scipy.org/doc/scipy/reference/stats.html SciPy Stats reference]  
 
# [http://docs.scipy.org/doc/scipy/reference/stats.html SciPy Stats reference]  
  
−
=== Семинар 5 ===
+
''' Семинар 5 '''
 
# [https://www.fourmilab.ch/rpkp/experiments/statistics.html Good Intro to Probability and Statistics]
 
# [https://www.fourmilab.ch/rpkp/experiments/statistics.html Good Intro to Probability and Statistics]
 
# [http://static1.squarespace.com/static/54bf3241e4b0f0d81bf7ff36/t/55e9494fe4b011aed10e48e5/1441352015658/probability_cheatsheet.pdf Probability Cheat-Sheet]
 
# [http://static1.squarespace.com/static/54bf3241e4b0f0d81bf7ff36/t/55e9494fe4b011aed10e48e5/1441352015658/probability_cheatsheet.pdf Probability Cheat-Sheet]
Строка 46: Строка 46:
 
# [http://www.lancaster.ac.uk/pg/jamest/Group/stats2.html Monte-Carlo]
 
# [http://www.lancaster.ac.uk/pg/jamest/Group/stats2.html Monte-Carlo]
  
−
=== Семинар 4 ===
+
''' Семинар 4 '''
−
''' Optimization '''
+
 
 +
'' Optimization ''
 
# [https://www.coursera.org/learn/machine-learning/lecture/8SpIM/gradient-descent Gradient Descent - Coursera]
 
# [https://www.coursera.org/learn/machine-learning/lecture/8SpIM/gradient-descent Gradient Descent - Coursera]
 
# [http://cs229.stanford.edu/notes/cs229-notes1.pdf Regression Lecture Notes]
 
# [http://cs229.stanford.edu/notes/cs229-notes1.pdf Regression Lecture Notes]
Строка 53: Строка 54:
 
# [http://matplotlib.org/mpl_toolkits/mplot3d/tutorial.html 3D plotting in Matplotlib]
 
# [http://matplotlib.org/mpl_toolkits/mplot3d/tutorial.html 3D plotting in Matplotlib]
  
−
=== Семинар 3 ===
+
''' Семинар 3 '''
−
''' Probability And Linear Algebra '''
+
 
 +
'' Probability And Linear Algebra ''
 
# [http://www.math.uwaterloo.ca/~hwolkowi/matrixcookbook.pdf Matrix Cookbook]
 
# [http://www.math.uwaterloo.ca/~hwolkowi/matrixcookbook.pdf Matrix Cookbook]
 
# [http://arxiv.org/pdf/1404.1100.pdf PCA Tutorial]
 
# [http://arxiv.org/pdf/1404.1100.pdf PCA Tutorial]
 
# [http://www4.ncsu.edu/~swu6/documents/A-probability-and-statistics-cheatsheet.pdf Probability & Statistics Cheat-Sheet]
 
# [http://www4.ncsu.edu/~swu6/documents/A-probability-and-statistics-cheatsheet.pdf Probability & Statistics Cheat-Sheet]
  
−
=== Семинар 2 ===
+
''' Семинар 2 '''
−
''' Pandas & Seaborn'''
+
 
 +
'' Pandas & Seaborn ''
 
# [http://pandas.pydata.org/ Pandas]
 
# [http://pandas.pydata.org/ Pandas]
 
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
 
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
Строка 66: Строка 69:
 
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]
 
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]
  
−
''' Наборы данных '''  
+
'' Наборы данных ''  
 
# [http://data.gov.ru/ Портал Открытых Данных РФ]
 
# [http://data.gov.ru/ Портал Открытых Данных РФ]
 
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
 
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
Строка 72: Строка 75:
 
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]
 
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]
  
−
''' FYI '''  
+
'' FYI ''
 
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
 
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
 
# [https://xkcd.com/552/ Correlation]
 
# [https://xkcd.com/552/ Correlation]
  
−
=== Семинар 1 ===
+
''' Семинар 1 '''
−
''' Python '''
+
 
 +
'' Python ''
 
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
 
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
 
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
 
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
Строка 86: Строка 90:
 
# [https://www.yhat.com/products/rodeo yhat Rodeo]
 
# [https://www.yhat.com/products/rodeo yhat Rodeo]
  
−
''' Ресурсы и Книги '''  
+
'' Ресурсы и Книги ''  
 
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
 
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
 
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
 
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]

Версия 01:38, 17 марта 2016

Майнор по Анализу Данных -- ИАД-3

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий группы ИАД-3

Семинарист: Шестаков Андрей shestakoffandrey@gmail.com
При обращении по почте, начинайте тему письма со слов [Майнор ИАД 2016]

Презентации лекций лежат тут

Пройдите опрос!

Таблица с результатами содержится здесь

Анонимные комментарии, замечания и пожелания можно оставить здесь

Семинары

12 Января 2016: Введение в Python, настройка среды программирования - IPython Notebook
19 Января 2016: Исследование данных с помощью Pandas и Seaborn - IPython Notebook
26 Января 2016: Элементы работы с матрицами. Меры расстояний и сходства - IPython Notebook
2 Февраля 2016: Оптимизация функций. Символьные вычисления - IPython Notebook
9 Февраля 2016: Вероятность и мат. статистика, ч. 1 - IPython Notebook
16 Февраля 2016: Вероятность и мат. статистика, ч. 2 - IPython Notebook
1 Марта 2016: Линейная регрессия - IPython Notebook
15 Марта 2016: Линейные методы классификации - IPython Notebook

Домашние Задания

ДЗ 1. Срок - 2 февраля 2016
ДЗ 2. Срок - 20 февраля 2016
ДЗ 3. Срок - 4 марта 2016

Полезные ссылки (Будут пополняться)

Семинар 8

  1. On Logistic Regression with examples
  2. Perceptron Algorithm
  3. On Linear Classifiers

Семинар 7

  1. Sklearn Linear Models
  2. Statmodels Examples

Семинар

  1. SciPy Stats reference

Семинар 5

  1. Good Intro to Probability and Statistics
  2. Probability Cheat-Sheet
  3. Naive Bayes
  4. Monte-Carlo

Семинар 4

Optimization

  1. Gradient Descent - Coursera
  2. Regression Lecture Notes
  3. Optimization Methods in Scipy
  4. 3D plotting in Matplotlib

Семинар 3

Probability And Linear Algebra

  1. Matrix Cookbook
  2. PCA Tutorial
  3. Probability & Statistics Cheat-Sheet

Семинар 2

Pandas & Seaborn

  1. Pandas
  2. Pandas Cheat-Sheet
  3. Pandas Visualization
  4. Seaborn

Наборы данных

  1. Портал Открытых Данных РФ
  2. Funny Datasets
  3. Сборник Открытых Данных (!!!)
  4. Еще наборы данных

FYI

  1. Spurious Correlations
  2. Correlation

Семинар 1

Python

  1. PEP-8 Code Style Guide Cheat-sheet
  2. Python Tutorials Point
  3. Matplotlib Tutorial
  4. Matrix Manipulation Cheat-sheet
  5. Ipython Notebook
  6. Beaker Notebook
  7. yhat Rodeo

Ресурсы и Книги

  1. James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning
  2. Bishop — Pattern Recognition and Machine Learning (первые главы)
  3. MachineLearning.ru
  4. Kaggle
  5. UCI Repo

Онлайн Курсы

  1. Andrew Ng's Course
  2. Introduction to ML
  3. Learning Data Science with Python
  4. Курс от ВШЭ
  5. Обзор МООС Курсов
Источник — «http://wiki.cs.hse.ru/index.php?title=Minor_da2016_gr3&oldid=19053»