Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17 — различия между версиями
(→Семинары) |
|||
| Строка 24: | Строка 24: | ||
| 02.02.2016 || Метод градиентного спуска на примере регрессии || | | 02.02.2016 || Метод градиентного спуска на примере регрессии || | ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия] | [http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия] | ||
| + | |- | ||
| + | | 09.02.2016 || Ликбез по статистике. Наивный байес || | ||
| + | [http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия] | ||
|} | |} | ||
Версия 13:43, 1 марта 2016
Содержание
Общая информация
Семинаристы: Гитман Игорь, Захаров Егор
Занятия проходят по вторникам 3-ей парой в аудитории 4335
Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с шаблоном)
Семинары
| Дата | Тема | Материалы |
|---|---|---|
| 12.01.2016 | Вводное занятие | |
| 19.01.2016 | Линейная алгебра, Python NumPy. Проверочная по вводному занятию |
notebook с занятия |
| 26.01.2016 | Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания |
|
| 02.02.2016 | Метод градиентного спуска на примере регрессии | |
| 09.02.2016 | Ликбез по статистике. Наивный байес |
Практические задания
Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"
Практическое задание №2 "Методы линейной регрессии"
Оформление писем
Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:
- Вопросы: [ИАД-17] Вопрос
- Сдача заданий: [ИАД-17] Задание N, ФИО
Сдача домашних заданий
- Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы
- Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием
- Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb
- Просьба отправлять на почту курса только итоговую версию задания
Обращаем внимание, что плагиат будет строго наказываться.
Задания вы можете выполнять как на виртуальной машине, так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится здесь. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.
Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.
