Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19 — различия между версиями
A.kvasov (обсуждение | вклад) |
|||
| (не показано 5 промежуточных версии 2 участников) | |||
| Строка 1: | Строка 1: | ||
| − | {{notice | 0= | + | {{notice | 0=Выложено домашнее задание №3. Срок сдачи - 9 июня в 23:59 |
| + | Выложена [https://drive.google.com/open?id=0B1IOQiIIAb5nVC1hQWpWcUVWYTQ информация] о проекте. Срок сдачи - 15 июня в 23:59 | ||
}} | }} | ||
| Строка 21: | Строка 22: | ||
Сроки: 02.03.16 - 11.03.16 23:59 | Сроки: 02.03.16 - 11.03.16 23:59 | ||
| + | |||
| + | ===Задание 3.=== | ||
| + | [https://shad.people.yandex.net/notebooks/19/0_Seminar%20Notebook(00MeineWassermelone)/Sem13_clustering%26text_feature/K-means%20for%20text%20clustering.ipynb# Скачать файл] Задание на исследование кластеризации текстовых данных с помощью k-means. Задание, выложено на виртуальной машине, **обязательно** скачайте файл к себе в папку или на собственный компьютер. | ||
| + | |||
| + | Сроки: 30.05.16 - 09.06.16 | ||
==Проект== | ==Проект== | ||
| + | ===Часть 1. (модуль 3)=== | ||
| + | |||
[https://www.dropbox.com/s/w21779wxjjxspf0/project.ipynb?dl=1 Скачать файл] | [https://www.dropbox.com/s/w21779wxjjxspf0/project.ipynb?dl=1 Скачать файл] | ||
| Строка 34: | Строка 42: | ||
Сроки: до 10.04.16 23:59 | Сроки: до 10.04.16 23:59 | ||
| + | |||
| + | ===Часть 2. (модуль 4)=== | ||
| + | |||
| + | Продолжается работа с данными от первой части проекта. [https://drive.google.com/open?id=0B1IOQiIIAb5nVC1hQWpWcUVWYTQ Задание]. | ||
| + | |||
| + | Сроки: до 15.06.16 23:59 | ||
| + | |||
==Расписание семинаров== | ==Расписание семинаров== | ||
Текущая версия на 21:23, 15 июня 2016
|
Выложено домашнее задание №3. Срок сдачи - 9 июня в 23:59
Выложена информация о проекте. Срок сдачи - 15 июня в 23:59 |
Содержание
Организационная информация
Семинаристы: Нина Полякова, Андрей Квасов
Чтобы задать вопрос по курсу/отправить домашнее задание следует написать письмо на hse.minor.dm@gmail.com
Тема письма обязательно должна соответствовать формату: [ИАД-19], Фамилия Имя, Ваш текст
Домашние задания
Задание 1.
Скачать файл с домашним заданием без GitHub и танцев с бубном.
Примечание: при выполнении задания запрещается использовать все библиотеки кроме NumPy, Pandas, Matplotlib
Материалы по установке Jupyter на свой компьютер можно найти на cтраницe курса на github.com
Задание 2.
Скачать файл Задание на исследование возможностей линейной регрессии с помощи библиотеки scikit-learn
Сроки: 02.03.16 - 11.03.16 23:59
Задание 3.
Скачать файл Задание на исследование кластеризации текстовых данных с помощью k-means. Задание, выложено на виртуальной машине, **обязательно** скачайте файл к себе в папку или на собственный компьютер.
Сроки: 30.05.16 - 09.06.16
Проект
Часть 1. (модуль 3)
Для выполнения проекта требуется скачать данные согласно варианту.
Для тех, кто хочет поработать с другими данными:
Описание данных: TODO, kaggle competition
Сроки: до 10.04.16 23:59
Часть 2. (модуль 4)
Продолжается работа с данными от первой части проекта. Задание.
Сроки: до 15.06.16 23:59
Расписание семинаров
| Дата | № занятия | Занятие | Материалы |
|---|---|---|---|
| 12 января 2016 | 1 | Вводный семинар. Обсуждение основных понятий анализа данных. | |
| 19 января 2016 | 2 | Python для анализа данных. Pandas. |
IPython Notebook "Pandas_(sem2)" |
| 26 января 2016 | 3 | Python для анализа данных. Numpy. Проверочная работа. |
IPython Notebook "Numpy_1(sem3)" |
| 2 февраля 2016 | 4 | Python для анализа данных. Numpy часть 2. Matplotlib. Линейная алгебра. Выдача ДЗ №1 (до 16.02.16 до 23:59) |
IPython Notebook "NumpyScipyMatplotlib_(sem4)" |
| 9 февраля 2016 | 5 | Метод градиентного спуска в линейных моделях (линейной регрессии). |
Пример работы градиентного спуска |
| 1 марта 2016 | 7 | Линейная регрессия. Scikit-learn. |
IPython Notebook Семинара №7 |
