Python для сбора и анализа данных КНАД 23/24 — различия между версиями
Serggor (обсуждение | вклад) |
Serggor (обсуждение | вклад) |
||
Строка 6: | Строка 6: | ||
[http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%BD%D0%B0_Python_%D0%9A%D0%9D%D0%90%D0%94_23/24 Курс 1 модуля] | [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%BD%D0%B0_Python_%D0%9A%D0%9D%D0%90%D0%94_23/24 Курс 1 модуля] | ||
+ | |||
+ | [https://anytask.org/course/1090 Курс anytask] | ||
==Лекции== | ==Лекции== |
Версия 04:01, 10 февраля 2024
Содержание
Записи занятий
Лекции
Понедельник 11:10 – 12:30
1. 15 января Модуль numpy. Основные операции для работы с numpy.array. презентация colab
2. 22 января Модуль pandas. series и работа с одним датафреймом colab, первый пункт
3. 26 января Вопросы производительности. GIL. Работа в Pandas с несколькими таблицами презентация colab colab performance magic в jupyter
4. 3 февраля Визуализация данных в Python matplotlib1 matplotlib2 pandas_plot plotly seaborn
Домашнее задание
Сдача задач проводится в anytask, инвайты будут позже. Максимум за одно дз – 10 баллов, по решению проверяющего могут быть добавлены бонусные баллы за изящные решения. Указанный в anytask максимальный балл – чисто формальное ограничение, оно больше, чем наш максимум, ибо в него входят бонусные баллы.
Ваше задание может быть проверено и возвращено на доработку на усмотрение преподавателя.
1. numpy. Дедлайн 01.02.2024 09:30. Максимум без учёта бонусов – 10 баллов
2. pandas. Дедлайн 08.02.2024 09:30. Максимум без учёта бонусов – 10 баллов
Оценивание
Накоп = МИНИМУМ((ДЗ1 + ДЗ2 + ДЗ3 + ДЗ4 + ДЗ5 + ДЗ6 + Пр) / 6, 10)
Итог = 0.7 * Накоп + 0.3 * экз
Автомат = Накоп если Накоп >= 6 и есть желание получить автомат
Рекомендуемая основная литература
1. Python для анализа данных – курс от МФТИ и Mail.Ru Group
2. Hadoop. Система для обработки больших объемов данных
3. Основы SQL – курс Андрея Созыкина
4. Курс Техносферы Методы распределенной обработки больших объемов данных в Hadoop
5. https://numpy.org/, https://pandas.pydata.org/, https://matplotlib.org/
Рекомендуемая дополнительная литература
1. https://mrjob.readthedocs.io/en/latest/
2. Devpractice Team. Python. Визуализация данных. Matplotlib. Seaborn. Mayavi.