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 1: | Строка 1: | ||
| − | {{notice | 0=[http://nbviewer.jupyter.org/ | + | {{notice | 0=[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dcbbsq1e3kwu2l4/hw2.ipynb?flush_cache=true Выложено] домашнее задание №2. Срок сдачи - 11 марта в 23:59 |
}} | }} | ||
| Строка 7: | Строка 7: | ||
Чтобы задать вопрос по курсу/отправить домашнее задание следует написать письмо на hse.minor.dm@gmail.com | Чтобы задать вопрос по курсу/отправить домашнее задание следует написать письмо на hse.minor.dm@gmail.com | ||
| − | Тема письма | + | Тема письма обязательно должна соответствовать формату: [ИАД-19], Фамилия Имя, Ваш текст |
==Домашние задания== | ==Домашние задания== | ||
| Строка 16: | Строка 16: | ||
Материалы по установке Jupyter на свой компьютер можно найти на [https://github.com/cheerupdude/ml-course-hse cтраницe курса на github.com] | Материалы по установке Jupyter на свой компьютер можно найти на [https://github.com/cheerupdude/ml-course-hse cтраницe курса на github.com] | ||
| + | |||
| + | ===Задание 2.=== | ||
| + | [https://www.dropbox.com/s/dcbbsq1e3kwu2l4/hw2.ipynb?dl=1 Скачать файл] Задание на исследование возможностей линейной регрессии с помощи библиотеки scikit-learn | ||
| + | |||
| + | Сроки: 02.03.16 - 11.03.16 23:59 | ||
==Расписание семинаров== | ==Расписание семинаров== | ||
| Строка 36: | Строка 41: | ||
|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?flush_cache=True Пример работы градиентного спуска] | [http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/8dhvk2063n49xm8/GD_visualization.ipynb?flush_cache=True Пример работы градиентного спуска] | ||
| + | |- | ||
| + | |1 марта 2016 || align="center"|7 || Линейная регрессия. Scikit-lern.|| | ||
| + | [http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xp9tk3qb171dmos/Regression.ipynb?flush_cache=true IPython Notebook Семинара №7] | ||
|-} | |-} | ||
Версия 15:33, 2 марта 2016
|
Выложено домашнее задание №2. Срок сдачи - 11 марта 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
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-lern. |
IPython Notebook Семинара №7 |
