Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17 — различия между версиями
(→Практические задания) |
(→Семинары) |
||
| Строка 44: | Строка 44: | ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ahk8sae6gb4y6yc/talgat_rf_pca.ipynb notebook2] | [http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ahk8sae6gb4y6yc/talgat_rf_pca.ipynb notebook2] | ||
|- | |- | ||
| − | | 17.05.2016 || . | + | | 17.05.2016 || Методы кластеризации, k-means. Метрики качества || |
|- | |- | ||
| 24.05.2016 || Решение задачик с [http://hackerrank.com hackerrank.com] || | | 24.05.2016 || Решение задачик с [http://hackerrank.com hackerrank.com] || | ||
| Строка 52: | Строка 52: | ||
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]], | [https://www.hackerrank.com/challenges/predicting-office-space-price [4]], | ||
[https://www.hackerrank.com/challenges/document-classification [5](*)] | [https://www.hackerrank.com/challenges/document-classification [5](*)] | ||
| − | |} | + | |- |
| + | | 07.06.2016 || Ассоциативные правила. APriori || [http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/qb9me3y2dnwunic/apriori.ipynb notebook с примером], [https://www.dropbox.com/s/zbtamhqgtvyxqbj/accidents.basket?dl=0 данные], [https://www.dropbox.com/s/n2w47t15m5dnfq1/features.csv?dl=0 описание признаков] | ||
| + | |} | ||
==Практические задания== | ==Практические задания== | ||
Версия 11:16, 7 июня 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 | |
| 01.03.2016 | Линейная регрессия: Ridge, Lasso | |
| 15.03.2016 | Линейная классификация: Logistic Regression, метрики качества | |
| 19.04.2016 | Решающие деревья | |
| 26.04.2016 | Разбор первой части проекта | |
| 10.05.2016 | Случайные леса. Метод главных компонент | |
| 17.05.2016 | Методы кластеризации, k-means. Метрики качества | |
| 24.05.2016 | Решение задачик с hackerrank.com | |
| 07.06.2016 | Ассоциативные правила. APriori | notebook с примером, данные, описание признаков |
Практические задания
Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"
Практическое задание №2 "Методы линейной регрессии". Обновлено 1.3.2016
Практическое задание №3 "Решающие деревья"
Практическое задание №4 "Логистическая регрессия и предобработка данных"
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.
