Анализ данных в Python (Политологи 1 семестр 1-2 модули)
Материал из Wiki - Факультет компьютерных наук
Версия от 17:14, 24 сентября 2018; Herrhellana (обсуждение | вклад)
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