Python для сбора и анализа данных КНАД 24/25 — различия между версиями
Serggor (обсуждение | вклад) |
Serggor (обсуждение | вклад) |
||
| Строка 22: | Строка 22: | ||
4. '''30 января''' Визуализация данных в Python [https://colab.research.google.com/drive/1RpHTrG6KYo26af8OoIRHrcnJcsOcWGMT?usp=sharing matplotlib1] [https://colab.research.google.com/drive/1ozGNbCPTJ23wE9gXWVswT7ikCK73JJjL?usp=sharing matplotlib2] [https://colab.research.google.com/drive/1rMBLCIIJLPCD9mLKSXgmnaYj33dxuoQt?usp=sharing pandas_plot] [https://colab.research.google.com/drive/1rcr8nLmpKjCxK8MtzLrYld4u4Vr2RoNY?usp=sharing plotly] [https://colab.research.google.com/drive/1X6PA89UHuz4n4zGamIqAu0orESROcoI4?usp=sharing seaborn] [https://colab.research.google.com/drive/1T1njeWLQfkViLrF27G-JYS7ebkwxGioX?usp=sharing magic в jupyter] | 4. '''30 января''' Визуализация данных в Python [https://colab.research.google.com/drive/1RpHTrG6KYo26af8OoIRHrcnJcsOcWGMT?usp=sharing matplotlib1] [https://colab.research.google.com/drive/1ozGNbCPTJ23wE9gXWVswT7ikCK73JJjL?usp=sharing matplotlib2] [https://colab.research.google.com/drive/1rMBLCIIJLPCD9mLKSXgmnaYj33dxuoQt?usp=sharing pandas_plot] [https://colab.research.google.com/drive/1rcr8nLmpKjCxK8MtzLrYld4u4Vr2RoNY?usp=sharing plotly] [https://colab.research.google.com/drive/1X6PA89UHuz4n4zGamIqAu0orESROcoI4?usp=sharing seaborn] [https://colab.research.google.com/drive/1T1njeWLQfkViLrF27G-JYS7ebkwxGioX?usp=sharing magic в jupyter] | ||
| + | |||
| + | 5. '''6 февраля''' Работа с базами данных [https://colab.research.google.com/drive/1Ac4e-Xaby3iNnYHQ-lHzhW3aN8Ww3v88?usp=sharing colab] [https://docs.google.com/presentation/d/1Q78okPzXqGA3eqlKKokOV3srVLwp7QIolq-4CsF9TGk/edit#slide=id.g223715285da_0_0 Слайды] | ||
вместо 13.02.2025 2п (11:10-12:30) лекция будет 11.02.2025 1п (09:30-10:50) | вместо 13.02.2025 2п (11:10-12:30) лекция будет 11.02.2025 1п (09:30-10:50) | ||
Версия 14:50, 7 февраля 2025
Содержание
Записи занятий
Форма обратной связи. Можно заполнять когда угодно с любыми вопросами
Лекции
Четверг 11:10 – 12:30
1. 9 января. Модуль numpy. Основные операции для работы с numpy.array. Презентация, ноутбук.
2. 16 января. Модуль pandas ноутбукgroupby/merge
3. 23 января Параллельность: GIL, многопоточность, многопроцессность, синхронизация. параллельностьcolab performance презентация
4. 30 января Визуализация данных в Python matplotlib1 matplotlib2 pandas_plot plotly seaborn magic в jupyter
5. 6 февраля Работа с базами данных colab Слайды
вместо 13.02.2025 2п (11:10-12:30) лекция будет 11.02.2025 1п (09:30-10:50)
Семинары
Код семинаров группы 241 github Код семинаров группы 242 github
Домашнее задание
Сдача задач проводится в anytask, инвайты будут в телеграм канале курса. 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 платформы, оно больше, чем наш максимум, ибо в него входят бонусные баллы.
Ваше задание может быть проверено и возвращено на доработку на усмотрение проверяющего.
1. numpy. Дедлайн 18.01.2024 23:59. Максимум без учёта бонусов – 10 баллов
2. pandas. Дедлайн 24.01.2024 23:59. Максимум без учёта бонусов – 10 баллов
3. join. Дедлайн 31.01.2024 23:59. Максимум без учёта бонусов – 10 баллов
4. visualization. Дедлайн 07.02.2024 23:59. Максимум без учёта бонусов – 10 баллов
Ко всем заданиям применяется система мягких и жестких дедлайнов. Мягкий указан выше, жёсткий = мягкий + трое суток.
Оценивание
Накоп = МИНИМУМ((ДЗ1 + ДЗ2 + ДЗ3 + ДЗ4 + ДЗ5 + ДЗ6 + ДЗ7 + ДЗ8) / 8, 10)
Итог = 0.7 * Накоп + 0.3 * экз
Автомат = Накоп если Накоп >= 6 и есть желание получить автомат
Рекомендуемая основная литература
1. Hadoop. Система для обработки больших объемов данных
2. Основы SQL – курс Андрея Созыкина
3. Курс Техносферы Методы распределенной обработки больших объемов данных в Hadoop
4. 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.
