Введение в Data Science — различия между версиями
Материал из Wiki - Факультет компьютерных наук
(→Семинары) |
|||
| Строка 100: | Строка 100: | ||
* [https://t.me/unkinddragon @unkinddragon] | * [https://t.me/unkinddragon @unkinddragon] | ||
* alexander.belugin@outlook.com | * alexander.belugin@outlook.com | ||
| + | |||
| + | Александр Антонов | ||
| + | * [https://t.me/alantonov @alantonov] | ||
| + | * alexantonov@gmail.com | ||
=== Семинары === | === Семинары === | ||
Версия 16:29, 10 апреля 2018
Содержание
О курсе
Курс для студентов 1 курса ФБиМ направлений "Маркетинг и рыночная аналитика" и "Управление бизнесом"
Критерии оценки
Оценка за курс = 0.4*Семинары + 0.4*ДЗ + 0.2*Экзамен
Округление осуществляется по арифметическим правилам.
Семинары
- На каждом семинаре выполняется небольшая самостоятельная работы по пройденной семе
- Дедлайн семинарской работы - до конца занятия, но по решению преподавателя может быть отложен.
- Система оценивания бинарная: 1 - если задание выполнено, 0 - если задание не сделано/сдано после дедлайна
- Предусмотрено 11 семинаров
- В конце семестра суммируется число выполненных заданий (max 11); сумма пропорционально переводится в 10-балльную шкалу
- Студенты имеют право сдать строго 1 задание, не присутствуя на семинаре, в течение курса.
Домашние задания
- В курсе предусмотрено 4 домашних задания
- Дедлайны устаналиваются каждой группе индивидуально преподавателем. О сроках сдачи сообщают не менее, чем за 2 недели до дедлайна.
Экзамен
Материалы курса
Лекции
| № | Тема | Презентация ! |
|---|---|---|
| 1 | Введение | Презентация к лекции 1 |
| 2 | Обзор инструментов. Python | Презентация к лекции 2 |
Семинары
Для работы в классе (при желании) на собственных ноутбуках и самостоятельного изучения рекомендуем установить Anaconda, Python версии 3.6 и выше.
| № | Тема | Ноутбук | Датасет |
|---|---|---|---|
| 1 | Введение в язык | Скачать IPython Notebook | Нет |
| 2 | Введение в Pandas | Скачать IPython Notebook | Датасет для работы на семинаре |
| 3 | Описательная статистика в Python | Скачать IPython Notebook | Датасет для самостоятельной работы |
| 4 | A/B-тестирование | Скачать IPython Notebook | Датасет для работы в классе |
| 5 | Визуализация данных | ||
| 6 - 7 | Классификация. Метрики качества | ||
| 8 | Кластеризация | ||
| 9 | Регрессия. Метрики качества | ||
| 10 | Временные ряды | ||
| 11 | Анализ текстов |
Рабочие ведомости
Маркетинг и рыночная аналитика
Управление бизнесом
БМБ 171
БМБ 172
БМБ 173
БМБ 174
БМБ 175
БМБ 176
БМБ 177
БМБ 178
Источники данных
UCI Machine Learning Repository
Дополнительное
Материалы
100 упражнений для numpy
Сборник из 100 упражнений для знакомства с библиотекой numpy: есть версии без ответов и подсказок, с подсказками, с эталонными ответами
Мероприятия
Data & Science: управление проектами, 14 апреля 2018, Москва — События Яндекса
Преподаватели
Лекции
- @unkinddragon
- alexander.belugin@outlook.com
Александр Антонов
- @alantonov
- alexantonov@gmail.com
Семинары
- @VasilyPanin (Telegram)
- elentevanyan@gmail.com
- Facebook Элен Теванян
- @elentevanyan (Telegram, если asap/мир вот-вот рухнет)
- marat.akhmatnurov@yandex.ru
- @maratakhmatnurov (Telegram, in case of emergency)
