Анализ данных в Python (Политологи 1 семестр 1-2 модули) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
(→Материалы курса) |
(→Дополнительная литература) |
||
Строка 77: | Строка 77: | ||
− | === | + | === Дополнительные материалы === |
+ | |||
+ | ==== Линейная алгебра и статистика ==== | ||
+ | * [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie, Tibshirani, Friedman. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction.] | ||
+ | * [http://people.math.umass.edu/~lavine/Book/book.pdf Lavine. (2013). Introduction to Statistical Thought] | ||
+ | * [https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/ MIT Open course: Linear Algebra by Strang] | ||
+ | |||
+ | ====Python==== | ||
+ | * [http://opencarts.org/sachlaptrinh/pdf/28232.pdf O'Reilly: Python for Data Analysis] | ||
+ | * [https://stepik.org/course/67/syllabus Базовый курс по программированию на Stepik] | ||
+ | |||
+ | ==== Machine learning ==== | ||
+ | * [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf Bishop. (2006). Pattern Recognition and Machine Learning] | ||
+ | * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова] | ||
+ | * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning by Andrew Ng] | ||
+ | * [http://shop.oreilly.com/product/0636920018483.do O'Reilly: Machine Learning for Hackers] | ||
+ | |||
+ | ==== Web scraping ==== | ||
+ | * [http://shop.oreilly.com/product/0636920028468.do O'Reilly: RESTful Web APIs] |
Версия 17:14, 24 сентября 2018
О курсе
"Анализ данных в Python" читается на 4 курсе, в 1 и 2 модуле.
Преподаватель
Рогович Татьяна Владимировна
Материалы курса
Лекции
№ | Дата лекции | Тема | Презентация |
---|---|---|---|
1 | 4 сентября 2018 г. | Введение в анализ данных на языке Python. Почему Python становится стандартом для работы с большими данными. Прикладные задачи политологов, для решения которых подходит язык Python | Лекция 1 |
2 | 6 сентября 2018 г. | Основы линейной алгебры для анализа данных: векторы, матрицы и операции над ними | см. материалы к семинару |
3 | 20 сентября 2018 г. | Введение в Pandas: Базовые принципы работы модуля | Pandas Cheat Sheet |
Семинары
№ | Дата семинара | Тема | Материалы к занятию |
---|---|---|---|
1 | 4 сентября 2018 г. | Основы программирования на языке Python: типы данных и методы работы с ними (переменные, листы, словари, кортежи). | Введение в Python |
2 | 6 сентября 2018 г. | Основы линейной алгебры для анализа данных и реализация математических операций в NumPy | Математика |
3-4 | 15 сентября 2018 г. | Продвинутый синтаксис Python (итераторы, генераторы списков, функции map() и zip(). Разбор самостоятельного задания | Advanced Python |
5 | 20 сентября 2018 г. | Введение в Pandas |
Самостоятельные работы и домашнее задание
№ | Тип | Дата |
---|---|---|
1 | Домашнее задание №1 | TBA |
2 | Домашнее задание №2 | TBA |
3 | Домашнее задание №3 | TBA |
Материалы
Экзамен
TBC
Порядок формирования оценок
- Оценка за курс накопительная, экзамен не проводится.
- Предусмотрена защита проекта во время сессии.
- Штрафы за задержку сдачи заданий: опоздание в течение часа - штраф 0.5 балла, в течение суток - 1 балл, в течение недели - 2 балла. После недельной задержки домашнее задание не принимается. Уважительные причины рассматриваются в индивидуальном порядке.
- Oрезультирующая = 0.6 * Oдз + 0.4 * Опроект
Список рекомендуемой литературы
Основная литература
Дополнительные материалы
Линейная алгебра и статистика
- Hastie, Tibshirani, Friedman. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction.
- Lavine. (2013). Introduction to Statistical Thought
- MIT Open course: Linear Algebra by Strang
Python
Machine learning
- Bishop. (2006). Pattern Recognition and Machine Learning
- Курс по машинному обучению К.В. Воронцова
- Coursera: Machine Learning by Andrew Ng
- O'Reilly: Machine Learning for Hackers