Анализ данных в Python 2020-2021 — различия между версиями
Rogovich (обсуждение | вклад) (→Лекции и семинары) |
Rogovich (обсуждение | вклад) |
||
Строка 50: | Строка 50: | ||
{| class="wikitable" | {| class="wikitable" | ||
|- | |- | ||
− | ! ДЗ !! Дедлайн !! Файлы | + | ! ДЗ !! Дедлайн !! Файлы |
|- | |- | ||
|| ДЗ1: Python || 1.10 23.59 || | || ДЗ1: Python || 1.10 23.59 || | ||
Строка 56: | Строка 56: | ||
|| ДЗ2: Pandas & Viz || 1.12 23.59 || [https://docs.google.com/document/d/1cYtkPh11xbMIT6wEsgamx9T_n7gr2zsDro_rpd_sRMs/edit?usp=sharing ДЗ] | || ДЗ2: Pandas & Viz || 1.12 23.59 || [https://docs.google.com/document/d/1cYtkPh11xbMIT6wEsgamx9T_n7gr2zsDro_rpd_sRMs/edit?usp=sharing ДЗ] | ||
|- | |- | ||
− | || ДЗ3: KNN || 8.12 23.59 | + | || ДЗ3: KNN || ориентировочно 8.12 23.59 || |
|- | |- | ||
− | || ДЗ4: ML || 15.12 23.59 | + | || ДЗ4: ML || ориентировочно 15.12 23.59 || |
|- | |- | ||
Версия 23:54, 19 ноября 2020
Содержание
О курсе
"Анализ данных в Python" читается на 4 курсе, в 1 и 2 модуле.
Преподаватель
Рогович Татьяна Владимировна
Ассистент
Инсан-Александр Латыпов
- @Le_Figaro в Telegram
Материалы курса
Дистрибутив для установки Anaconda на собственные компьютеры Пожалуйста, устанавливайте версию Python 3.7 и выше.
Лекции и семинары
Записи занятий на youtube: жмяк
Лекции и семинары
Все блокноты и семинары: репозиторий
Дата | № | Блокноты и презентации | Данные | Доп. материалы |
---|---|---|---|---|
17.09, 24.09 | Python Refresher | Блокноты | Задачи и решения | |
1.10 | Numpy | Блокнот | Задачи для самопроверки | |
15.10, 27.10 | Intro to Pandas (Titanic) | Блокнот | train.csv | Задачи для самопроверки |
3.11 | Pandas DateTime. Визуализация с Matplotlib | DataTime блокнот Matplotlib блокнот | ufo.csv populations.csv crimeRatesByState2005.tsv gapminderData.csv Films | |
10.11 | Визуализация в Plotly. | Plotly блокнот | Spidertchart data iris data Nuclear tests Coordinates | |
17.11 | Web-scraping | Блокноты | ||
20.11 | Введение в ML | gender_submission train.csv test.csv |
Домашние задания
Домашние задания находим в проектах в ЛМС и там же сдаем.
ДЗ | Дедлайн | Файлы |
---|---|---|
ДЗ1: Python | 1.10 23.59 | |
ДЗ2: Pandas & Viz | 1.12 23.59 | ДЗ |
ДЗ3: KNN | ориентировочно 8.12 23.59 | |
ДЗ4: ML | ориентировочно 15.12 23.59 |
Контрольные работы
КР | ДАТА | Тестовый вариант |
---|---|---|
КР1: Python | 8.10 11:10 | Жмяк |
КР2: Анализ данных и ML | 18.12 |
КР1
- Проводится во время занятия по расписанию.
- Тест и задачи будут опубликованы на online.hse.ru (проверьте логины заранее, мы не сможем вам оперативно помочь!)
- Задания по типу и количеству аналогичны демонстрационному варианту.
- Во время контрольной у вас должна быть включена камера в zoom и предоставлен доступ к экрану (прокторинг нашими силами на минималках).
Дополнительные баллы
Дополнительные баллы рассчитываются по следующей формуле:
- 8+ заданий: 1.5 балла
- 5-7 заданий: 1 балл
- <5 заданий: 0 баллов
Баллы прибавляются к итоговой оценке до округления.
Номер | Платформа | Дедлайн |
---|---|---|
1 | DataCamp. Pandas | 3 ноября 23.59 |
2 | LMS. Pandas | 11 ноября 23.59 |
3 | DataCamp. Viz | 18 ноября 23.59 |
4 | DataCamp. Project | 25 ноября 23.59 |
У студентов есть возможность получить до полутора
дополнительных баллов за выполнение необязательных заданий в течение
семестра. Дополнительные баллы учитываются в итоговой оценке до
округления с весом 1. Обратите внимания, что дополнительные задания,
выполненные в рамках онлайн курса засчитываются только при условии
прохождения исключительно с корпоративного почтового адреса студента.
Подключение студентов к онлайн курсу на платформе НПОО
(https://openedu.ru/) производит Дирекция по онлайн обучению НИУ ВШЭ
по заявке администратора учебного офиса образовательной программы.
Скрытая сессия для студентов ВШЭ автоматически появляется в личном
аккаунте на платформе. Регистрироваться на открытую сессию для всех
желающих слушателей нельзя. На платформе DataCamp слушатели
приглашаются в специальную сессию, созданную преподавателем курса.
Всего за семестр будет дано 10 небольших заданий. У каждого свой дедлайн. Задания будут выложены на вики и в ЛМС, решенные блокноты принимаются в ЛМС. После дедлайна задания не принимаются. В качестве некоторых заданий будет предложено пройти часть онлайн курса или выполнить его задания. Оценка за задание не ставится, задание считается выполненным, если оно выполнено на 100% (допускаются небольшие помарки, в этом случае выполнение засчитывается на усмотрение преподавателя).
Экзамен
TBA
Оценка
Окончательная оценка = Округление(0.35 * среднее(Домашние задания) + 0.35 * среднее(Контрольные работы) + 0.3 * Экзамен)
Домашние задания выдаются по темам: программирование на Python, скрейпинг, визуализация, реализация алгоритма kNN. Контрольные работы по темам: программирование на Python, работа с данными Pandas.
Формат контрольных работ пока не определен (очно или дистанционно), будет сообщено позднее.
Преподаватель оставляет за собой право изменить темы домашних и контрольных работы, а также устроить устную защиту любой из форм контроля.
Домашнее задание должно быть сдано до установленного дедлайна. В случае сдачи в течение суток после дедлайна, оценка снижается на 1 балл. В случае сдачи в течение недели после дедлайна, оценка снижается на 2 балла. Работы, сданные позже, не принимаются и за них выставляется оценка «0».
Список рекомендуемых материалов
Линейная алгебра и статистика
- Hastie, Tibshirani, Friedman. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction.
- Lavine. (2013). Introduction to Statistical Thought
- MIT Open course: Linear Algebra by Strang
Python
- Pandas Cheat Sheet
- Python RegExp Cheat Sheet
- O'Reilly: Python for Data Analysis
- Базовый курс по программированию на Stepik
Machine learning
- Bishop. (2006). Pattern Recognition and Machine Learning
- Курс по машинному обучению К.В. Воронцова
- Coursera: Machine Learning by Andrew Ng
- O'Reilly: Machine Learning for Hackers
Материала по ML
- Simple Decision Tree
- Andreas C. Müller, Sarah Guido. Introduction to Machine Learning with Python: A Guide for Data Scientists
Статистика
- Бослав С. Статистика для всех (Есть в библиотеке)
- Gravetter F, Wallnau L. Statistics for behavioral sciences (Есть в библиотеке)