Введение в Data Science

О курсе

Курс для студентов 1 курса ФБиМ направлений "Маркетинг и рыночная аналитика" и "Управление бизнесом"

Программа курса

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
3	Обзорная лекция про математику	Презентация к лекции 3

Инструкция по установке и запуску среды

Скачать и установить анаконду:

1. Заходим по ссылке https://www.anaconda.com/download В центре надпись Download for, выбираем нужную ОС

2. Нажимаем на кнопку Download (Python 3.6 version) Дальше следуем инструкции https://docs.anaconda.com/anaconda/install/windows (для windows) https://docs.anaconda.com/anaconda/install/mac-os#macos-graphical-install (для macOS)

Домашнее задание и семнары вы будете выполнять в Jupyter'е. Чтобы его запустить, нужно открыть Ananconda Navigator и там под иконкой Jupyter Notebook (не путать с Jupyterlab) нажать на launch.

Семинары

Для работы в классе (при желании) на собственных ноутбуках и самостоятельного изучения рекомендуем установить Anaconda, Python версии 3.6 и выше.

Внутри каждого IPython-ноутбука есть семинарский материал и задача для самостоятельного выполнения. Датасеты доступны либо в правом столбце, либо в каждом из ноутбуков есть ссылка на скачивание нужного датасета.

№	Тема	Ноутбук	Датасет
1	Введение в язык	Скачать IPython Notebook	Нет
2	Введение в Pandas	Скачать IPython Notebook Версия для семинаров после 2018-04-17	Датасет для работы на семинаре Датасет для самостоятельной работы
3	Описательная статистика в Python	Скачать IPython Notebook Скачать IPython Notebook для БММ171 и БМБ178	Датасет для самостоятельной работы Датасет для работы на семинаре БММ171 и БМБ178
4	Визуализация данных	Скачать IPython Notebook	Датасет для работы в классе
5	A/B-тестирование	Скачать IPython Notebook	Датасет для работы в классе Датасет для самостоятельной работы
6 - 7	Классификация. Метрики качества	Скачать IPython Notebook	Датасет для работы
8	Кластеризация
9	Регрессия. Метрики качества
10	Анализ текстов

Рабочие ведомости

Маркетинг и рыночная аналитика

БММ 171
БММ 172
БММ 173

Управление бизнесом

БМБ 171
БМБ 172
БМБ 173
БМБ 174
БМБ 175
БМБ 176
БМБ 177
БМБ 178

Домашние задания

Требования к датасетам

БМБ178, БММ171

не менее 1000 объектов (строк), не менее 5 признаков (5 колонок)

Источники данных

Kaggle Datasets

UCI Machine Learning Repository

Сроки сдачи

Группа	Адрес отправки ДЗ	Дедлайн ДЗ1	Дедлайн ДЗ2
БММ171	managementdataculture@gmail.com	13.05.2018, 23.59 (UTC +3)	20.05.2018, 23.59 (UTC +3)
БММ172
БММ173
БМБ171
БМБ172
БМБ173
БМБ174
БМБ175
БМБ176
БМБ177
БМБ178	managementdataculture@gmail.com	13.05.2018, 23.59 (UTC +3)	20.05.2018, 23.59 (UTC +3)

Дополнительное

Материалы

Интерактивное введение в python на русском языке

Введение в IPython

(Изучите хотя бы первую часть Notebook Basics (знакомство с интефейсом))

100 упражнений для numpy

Сборник из 100 упражнений для знакомства с библиотекой numpy: есть версии без ответов и подсказок, с подсказками, с эталонными ответами

Pandas CheatSheet

Learn Pandas on Kaggle

Короткие уроки на платформе Kaggle, чтобы закрепить навыки работы с Pandas. Нужно зарегистрироваться, открыть урок, нажать кнопку "Fork" и писать код :)