Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19 — различия между версиями
Материал из Wiki - Факультет компьютерных наук
A.kvasov (обсуждение | вклад) |
A.kvasov (обсуждение | вклад) |
||
| Строка 35: | Строка 35: | ||
|- | |- | ||
|9 февраля 2016 || align="center"|5 || Метод градиентного спуска в линейных моделях (линейной регрессии).|| | |9 февраля 2016 || align="center"|5 || Метод градиентного спуска в линейных моделях (линейной регрессии).|| | ||
| − | [http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/8dhvk2063n49xm8/GD_visualization.ipynb Пример работы градиентного спуска] | + | [http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/8dhvk2063n49xm8/GD_visualization.ipynb?flush_cache=True Пример работы градиентного спуска] |
|-} | |-} | ||
Версия 20:40, 13 февраля 2016
|
Выложено домашнее задание №1. Срок сдачи - 16 февраля |
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
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 |
