Python для сбора и анализа данных КНАД 22/23 — различия между версиями
Serggor (обсуждение | вклад) |
Serggor (обсуждение | вклад) |
||
Строка 18: | Строка 18: | ||
2. '''20 января''' Решение задач на numpy [https://github.com/rougier/numpy-100/blob/master/100_Numpy_exercises_with_hints.md упражнения отсюда начиная с 9го] | 2. '''20 января''' Решение задач на numpy [https://github.com/rougier/numpy-100/blob/master/100_Numpy_exercises_with_hints.md упражнения отсюда начиная с 9го] | ||
+ | |||
+ | [https://github.com/sanityseeker/lspy-2023 git 222] | ||
==Домашнее задание== | ==Домашнее задание== |
Версия 17:32, 21 января 2023
Содержание
Записи занятий
https://disk.yandex.ru/d/jWp8yYwALIy8AQ
Лекции
Вторник 13:00 – 14:20, zoom
1. 10 января Модуль numpy. Основные операции для работы с numpy.array. презентация colab
2. 17 января Модуль pandas. series и работа с одним датафреймом colab, первый пункт
Семинары
Пятница 13:00 – 14:20, zoom222 (Денис) zoom221 (Михаил)
1. 13 января Продолжение лекции по numpy colab
2. 20 января Решение задач на numpy упражнения отсюда начиная с 9го
Домашнее задание
Сдача задач проводится в anytask, инвайты в закреплённом сообщении телеграм чата. 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 24.01.2022 10:30. Максимум без учёта бонусов – 10 баллов
2. pandas. Дедлайн 31.01.2022 10:30. 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.