Python для сбора и анализа данных КНАД 23/24 — различия между версиями
(Новая страница: «-») |
Serggor (обсуждение | вклад) |
||
Строка 1: | Строка 1: | ||
− | - | + | [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D1%81%D0%B1%D0%BE%D1%80%D0%B0_%D0%B8_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%9A%D0%9D%D0%90%D0%94_22/23 Вики-страница прошлого года] |
+ | |||
+ | ==Лекции== | ||
+ | |||
+ | Понедельник 11:10 – 12:30 | ||
+ | |||
+ | 1. '''15 января''' Модуль numpy. Основные операции для работы с numpy.array. [https://docs.google.com/presentation/d/1YesaTO0I_Qzu1_J3uxNO1AlSNn7jmzWxtWFmwFNQjLU/edit?usp=sharing презентация] [https://colab.research.google.com/drive/1ji_2UDhQFlvq6sDUm6XObR8IGg-KCCM9?usp=sharing colab] | ||
+ | |||
+ | 2. '''22 января''' Модуль pandas. series и работа с одним датафреймом [https://colab.research.google.com/drive/1nd2r3t85U2jGrdms4z0WJ2UPW1G-YsPE?usp=sharing colab], [https://colab.research.google.com/drive/1RkmTX9RqT-qtdMMlUY_nBrPB_UO7ehU5?usp=sharing первый пункт] | ||
+ | |||
+ | ==Домашнее задание== | ||
+ | |||
+ | Сдача задач проводится в [http://anytask.org/ anytask], инвайты будут позже. 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. [https://colab.research.google.com/drive/1xG9SKOsXwq0wFW5NBtnSw1B8odFcAU0y?usp=sharing numpy]. Дедлайн 01.02.2022 09:30. 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. [https://www.coursera.org/learn/python-for-data-science Python для анализа данных – курс от МФТИ и Mail.Ru Group] | ||
+ | |||
+ | 2. [https://stepik.org/course/150/syllabus Hadoop. Система для обработки больших объемов данных] | ||
+ | |||
+ | 3. [https://www.asozykin.ru/courses/sql Основы SQL – курс Андрея Созыкина] | ||
+ | |||
+ | 4. [https://habr.com/ru/company/vk/blog/258045/ 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. | ||
+ | |||
+ | 3. https://vk.com/itcookies/python | ||
+ | |||
+ | 4. [https://towardsdatascience.com/apply-function-to-pandas-dataframe-rows-76df74165ee4 О функции apply в pandas] |
Версия 02:22, 25 января 2024
Содержание
Лекции
Понедельник 11:10 – 12:30
1. 15 января Модуль numpy. Основные операции для работы с numpy.array. презентация colab
2. 22 января Модуль pandas. series и работа с одним датафреймом colab, первый пункт
Домашнее задание
Сдача задач проводится в anytask, инвайты будут позже. 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 01.02.2022 09:30. 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.