Анализ данных в Python (Политологи 1 семестр 1-2 модули) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
Rogovich (обсуждение | вклад) |
Rogovich (обсуждение | вклад) |
||
Строка 44: | Строка 44: | ||
===Опрос=== | ===Опрос=== | ||
[https://docs.google.com/forms/d/e/1FAIpQLSc-AtKtVVYwFAVOcOVaM-GjLwTYslQovszDOk1L9eXG-yQv5g/viewform Опрос] | [https://docs.google.com/forms/d/e/1FAIpQLSc-AtKtVVYwFAVOcOVaM-GjLwTYslQovszDOk1L9eXG-yQv5g/viewform Опрос] | ||
− | |||
− | |||
− | |||
===Порядок формирования оценок=== | ===Порядок формирования оценок=== |
Версия 16:50, 27 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
Самостоятельные работы и домашнее задание
№ | Тип | Дедлайн |
---|---|---|
1 | Домашнее задание №1 | 23.59 7.10.18 |
2 | Домашнее задание №2 | TBA |
3 | Домашнее задание №3 | TBA |
Материалы
Опрос
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
- Pandas Cheat Sheet
- Python RegExp Cheat Sheet
- O'Reilly: Python for Data Analysis
- Базовый курс по программированию на Stepik
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