Анализ данных в Python 2019-2020 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
 
(не показано 57 промежуточных версии этого же участника)
Строка 2: Строка 2:
 
"Анализ данных в Python" читается на 4 курсе, в 1 и 2 модуле.
 
"Анализ данных в Python" читается на 4 курсе, в 1 и 2 модуле.
  
−
* [https://www.hse.ru/edu/courses/219903928 Карточка курса и программа]
+
* [https://www.hse.ru/data/2019/09/02/1491356826/program-2879568678-bD4RLR88_q.pdf Карточка курса и программа]
 
* [https://t.me/pol_2019_data_analysis_in_python Чат курса в Telegram]
 
* [https://t.me/pol_2019_data_analysis_in_python Чат курса в Telegram]
  
Строка 23: Строка 23:
 
{| class="wikitable"
 
{| class="wikitable"
 
|-
 
|-
−
! Неделя !! № !! Тема !! Блокноты !! Данные !! Доп. материалы
+
! Дата !! № !! Блокноты !! Данные !! Доп. материалы
 
|-
 
|-
−
|| 9-15 сентября || 1-2 || Введение. Refresher: синтаксис Python для анализа данных ||  [https://docs.google.com/presentation/d/1ejcX-u8TDY7VZrtZMXyUOeOCeSMTcHArQp0LGri5YeE/edit?usp=sharing Презентация] [Блокнот по синтаксису] [Задачи для тренировки] || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/titanic.csv Титаник] [http://www.py4inf.com/code/romeo-full.txt Romeo] [http://www.py4inf.com/code/mbox.txt Mbox]|| [http://math-info.hse.ru/2018-19/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_Python Вики-страница курса "Основы программирования в Python"] [https://courses.openedu.ru/courses/course-v1:hse+PYTHON+fall_2019/info Курс "Python для обработки и извлечения данных"] [http://nbviewer.math-hse.info/github/ischurov/pythonhse/blob/master/Lecture%205.ipynb Блокнот И. Щурова про словари, списковые включения, функцию map]
+
|| 11 сентября || Введение. Refresher: синтаксис Python для анализа данных ||  [https://nbviewer.jupyter.org/github/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/1week_Syntax_Refresher/1_Refresher_revised.ipynb Week 1 Python Syntax Refresher]|| [http://www.py4inf.com/code/mbox.txt Mbox]|| [http://math-info.hse.ru/2018-19/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_Python Вики-страница курса "Основы программирования в Python"] [https://courses.openedu.ru/courses/course-v1:hse+PYTHON+fall_2019/info Курс "Python для обработки и извлечения данных"] [http://nbviewer.math-hse.info/github/ischurov/pythonhse/blob/master/Lecture%205.ipynb Блокнот И. Щурова про словари, списковые включения, функцию map]
 
|-
 
|-
 +
|| 18 сентября || Введение в pandas: загружаем, фильтруем и агрегируем данные. || [https://nbviewer.jupyter.org/github/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/2week_Pandas_Intro_Titanic/2_Pandas_Intro.ipynb Week 2: Pandas Intro (Titanic)] || [https://raw.githubusercontent.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/master/2week_Pandas_Intro_Titanic/train.csv Данные Titanic] || [https://pandas.pydata.org/ Документация Pandas] [https://pandas.pydata.org/pandas-docs/stable/getting_started/10min.html 10 min intro to Pandas] [https://pandas.pydata.org/Pandas_Cheat_Sheet.pdf Pandas Cheat Sheet]
 +
|-
 +
|| 25 сентября || Продолжаем с Pandas. Знакомимся с Kaggle. Работаем с датами в Pandas. Упражнения || [https://nbviewer.jupyter.org/github/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/3week_Pandas_Kaggle_DataTime/3week_Titanic_Kaggle_Predictions.ipynb Week 3 Titanic Basic Predictions Kaggle]
 +
[https://nbviewer.jupyter.org/github/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/3week_Pandas_Kaggle_DataTime/3week_Pandas_Datetime.ipynb Week 3 DateTime]
 +
|| [https://raw.githubusercontent.com/justmarkham/pandas-videos/master/data/ufo.csv Данные для Datetime] [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/tree/master/3week_Pandas_Kaggle_DataTime Данные для Титаника]
 +
|| [https://nbviewer.jupyter.org/github/Yorko/mlcourse.ai/blob/master/jupyter_russian/topic01_pandas_data_analysis/topic1_habr_pandas.ipynb ODS Первичный анализ данных в Python (Telecom Churn)]
 +
|-
 +
|| 2 октбяря || Самостоятельная работа || || ||
 +
|-
 +
|| 16 октября || Упражнения по Pandas. Разбираем кейс с парсингом почтовых адресов с помощью регулярных выражений || [https://nbviewer.jupyter.org/github/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/5week_Pandas_Exercises/5week_Emails_parsing.ipynb Emails] [https://nbviewer.jupyter.org/github/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/5week_Pandas_Exercises/5Week_Exercise_MLopen_Olympics.ipynb Pandas Упражнения] [https://nbviewer.jupyter.org/github/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/5week_Pandas_Exercises/5week_Exercise_MLopen_Olympics_Solution.ipynb Упражнения с решением] || [https://raw.githubusercontent.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/master/5week_Pandas_Exercises/data_contacts.csv Данные для email] [https://raw.githubusercontent.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/master/5week_Pandas_Exercises/athlete_events.csv Данные для упражнений]||
 +
[https://nbviewer.jupyter.org/github/Yorko/mlcourse.ai/blob/master/jupyter_english/assignments_demo/assignment02_analyzing_cardiovascular_desease_data.ipynb?flush_cache=true Для тех, кто справился с "олимпийским" заданием] [https://jakevdp.github.io/PythonDataScienceHandbook/03.11-working-with-time-series.html Pandas Datetime like a pro]
 +
|-
 +
|| 30 октября || Визуализация данных в matplotlib. || [https://nbviewer.jupyter.org/github/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/7week_Viz_Matplotlib/7week_Viz_Matplotlib_1.ipynb Визуализация данных в Matplotlib] || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/tree/master/7week_Viz_Matplotlib Данные] [https://www.ssa.gov/oact/babynames/limits.html Данные по именам детей] ||
 +
|-
 +
|| 5 - 6 ноября || Визуализация данных в Matplotlib (продолжение). Введение в Plotly || [https://nbviewer.jupyter.org/github/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/9week_Viz_Matplotlib_Plotly/9week_Viz_Matplotlib_2.ipynb Matplotlib (continued)] [https://nbviewer.jupyter.org/github/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/9week_Viz_Matplotlib_Plotly/9week_Viz_Plotly.ipynb Plotly*] || [https://raw.githubusercontent.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/master/9week_Viz_Matplotlib_Plotly/filmdeathcounts.csv Данные про фильмы] [[https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/tree/master/7week_Viz_Matplotlib Данные для Plotly] [https://raw.githubusercontent.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/master/9week_Viz_Matplotlib_Plotly/iris.csv Ирисы]  || [https://raw.githubusercontent.com/plotly/datasets/master/Nuclear%20Waste%20Sites%20on%20American%20Campuses.csv Данные для карты]
 +
|-
 +
|| 12 ноября || Spiderchart в Plotly. Scraping || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/11week_Viz_Spiderchart_Scraping/11week_Vis_Plotly_Spiderchart.ipynb Plotly Spiderchart] || [https://raw.githubusercontent.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/master/11week_Viz_Spiderchart_Scraping/countries_ranking.txt Spiderchart Данные] [https://en.wikipedia.org/wiki/List_of_nuclear_weapons_tests Wiki для скрэйпинга] || [https://github.com/rogovich/2019_HSE_DPO_Python_for_data_analysis/blob/master/lectures-seminars/11-06-2019_Plotly_Scraping/11-06-2019_Html_Refresher.ipynb html refresher] [https://github.com/rogovich/2019_HSE_DPO_Python_for_data_analysis/blob/master/lectures-seminars/11-06-2019_Plotly_Scraping/11-06-2019_Web_Scrape_nplus1.ipynb nplus 1 scraping]
 +
|-
 +
|| 13 ноября || Scraping. Regex || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/11week_Viz_Spiderchart_Scraping/11week_Scraping_Table.ipynb Скрейпинг вики-таблицы] [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/11week_Viz_Spiderchart_Scraping/11week_Scraping_DownloadingFiles.ipynb Сохраняем файлы и переходим по страницам] [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/11week_Regex/11-13-2019_Regex.ipynb Регулярные выражения] ||  || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/11week_Regex/11-13-2019_Regex_Exercises.ipynb Regex упражнения]
 +
|-
 +
|| 19 ноября || Введение в ML. Реализация KNN ||[https://docs.google.com/presentation/d/1EIUKdPijxgJ5A_z2gQUNLQAxeEoDVo1thommIqOBotI/edit?usp=sharing Презентация по ML, KNN и решающим деревьям] [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/12week_ML_Intro/12week_Classes_KNN.ipynb Реализация метода KNN] || [https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data Ирисы] ||
 +
|-
 +
|| 20 ноября - 24 ноября || Разведывательный анализ данных. Решающие деревья. Случайный лес || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/12week_ML_Intro/12week_House_Data_EDA.ipynb Разведывательный анализ Housing Data] [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/12week_ML_Intro/12week_ML_Intro_DecisionTree_RandomForest.ipynb Решающие деревья и случайный лес Housing data]  || [https://raw.githubusercontent.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/master/12week_ML_Intro/house_data.csv Housing Data] || [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Визуальное объяснение решающих деревьев]
 +
|-
 +
|| 26 ноября || Предобработка текстовых данных. Классификация текстов. || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/13week_ML_Text/13week_Text_Classification.ipynb Блокнот по классификации текстов] || [https://docs.google.com/presentation/d/1tOtw5p2r0U7UeE9etGJzeaT_AGjpRM04g6xuAL81LjI/edit?usp=sharing Презентация] || [https://raw.githubusercontent.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/master/13week_ML_Text/fake_or_real_news.csv Fake News]  ||
 +
|-
 +
|| 4 декабря || Выбор модели. Кросс-валидация и поиск параметров по сетке. || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/14week_LDA_Titanic/14week_Model_Selection_Full.ipynb Титаник: подготовка данных и выбор модели. Кросс-валидация и подбор параметров по сетке] || [https://docs.google.com/presentation/d/1dvIXrKBZis2dUV4QR4nn3RPpuVW_oTFi7BmzurrX_hU/edit?usp=sharing Презентация: наивный байес]||
 +
|-
 +
|| 11 декабря || Обучение без учителя: кластеризация и LDA для текстов || [https://docs.google.com/presentation/d/1hd7vq7xDFOtDwvSUMyVCcezKHUE52uvs6b5AU6MTxMc/edit?usp=sharing Презентация: кластеризация и LDA]|| || [https://raw.githubusercontent.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/master/15week_Clustering_LDA/DahlDims.csv Данные по странам]
 
|}
 
|}
 +
*Для того, чтобы графики отображались - скачайте блокнот и откройте его в Jupyter Notebook.
  
 
===Контрольные работы и домашние задания ===
 
===Контрольные работы и домашние задания ===
Строка 35: Строка 65:
 
! Дата !! Тема !! Файлы !! Оценки
 
! Дата !! Тема !! Файлы !! Оценки
 
|-
 
|-
−
| TBA || Контрольная работа по синтаксису Python для решения задач || ||
+
| 2.10 13.40 || Контрольная работа по синтаксису Python для решения задач || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/Tests/Python%20Test%20Training/HSE_POL_2019_Test_Training_8Sep.ipynb Пробный вариант] ||
 
|-
 
|-
−
| TBA || Контрольная работа по работе с данными в pandas || ||  
+
| 6.11 13.40|| Контрольная работа по работе с данными в pandas || ||  
 
|-
 
|-
−
| TBA || Домашнее задание 1: сбор, анализ и визуализация данных || ||  
+
| 25.11 23.59 || Домашнее задание 1: сбор, анализ и визуализация данных || [https://docs.google.com/document/d/1cYtkPh11xbMIT6wEsgamx9T_n7gr2zsDro_rpd_sRMs/edit?usp=sharing ДЗ1]Решения загружать в ЛМС|| [https://docs.google.com/spreadsheets/d/1x3BnN79HxB6DxYoGqHz030QhgmcGDhwPCFDeY4S_Qdg/edit?usp=sharing Оценки]
 
|-
 
|-
−
| TBA || Домашнее задание 2: скрейпинг, обработка и анализ текста || ||  
+
| TBA || Домашнее задание 2: обработка и анализ текста || [https://docs.google.com/document/d/19r_XWUJvVy0kfZMA1vz1624zop4IjG581nWS8VV82IU/edit?usp=sharing ДЗ2] [https://www.youtube.com/watch?v=DKGmFZgR8K8&feature=youtu.be Настройка параметров на collab и загрузка файлов] Kaggle&LMS ||  
 
|}
 
|}
 +
 +
===Дополнительные баллы ===
 +
 +
{| class="wikitable"
 +
|-
 +
! Задание !! Дедлайн !! Файлы !! Условия зачета
 +
|-
 +
| Задание 1 || 25.09 23.59 || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/%40Bonus/1/Bonus_1_25Sep.ipynb Задание 1] || Правильно решить 10/11 задач
 +
|-
 +
| Задание 2 || 9.10 23.59 || DataCamp курса || Пройти курс по Pandas
 +
|-
 +
| Задание 3 || 16.10 23.59 || DataCamp || Два проекта в Pandas
 +
|-
 +
| Задание 4 || 27.10 23.59 || DataCamp || Пройти курс по Pandas-2
 +
|-
 +
| Задание 5-6 || 13.11 23.59 || ЛМС || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/%40Bonus/5/Bonus_5_13Nov.ipynb Задания по визуализации данных (2.25 балла)]
 +
|-
 +
| Задание 7 || 20.11 23.59 || DataCamp || Курс по слиянию и преобразованию таблиц (1 балл)
 +
|-
 +
| Задание 8-9 || 4.12 23.59 || DataCamp || Курс по предобработке данных для машинного обучения (2 балла)
 +
|-
 +
| Задание 10 || 11.12.23.59 || DataCamp || [https://www.datacamp.com/projects/38 Проект по МобиДику]. Html файл выполненного блокнота принимается в ЛМС (0.75 балла)
 +
|-
 +
| Задание 11 || 18.12.23.59 || DataCamp || Пройти курс на DataCamp по Supervised Machine Learning (1 балл)
 +
 +
|}
 +
 +
[https://docs.google.com/spreadsheets/d/1x3BnN79HxB6DxYoGqHz030QhgmcGDhwPCFDeY4S_Qdg/edit?usp=sharing Дополнительные баллы. Ведомость]
 +
 +
Всего за семестр будет дано 10 небольших заданий. У каждого свой дедлайн.
 +
Задания будут выложены на вики и в ЛМС, решенные блокноты принимаются в ЛМС. После дедлайна задания не принимаются.
 +
В качестве некоторых заданий будет предложено пройти часть онлайн курса или выполнить его задания.
 +
Оценка за задание не ставится, задание считается выполненным, если оно выполено на 100% (допускаются небольшие помарки, в этом случае выполнение засчитывается на усмотрение преподавателя).
 +
 +
Дополнительные баллы рассчитываются по следующей формуле:
 +
 +
* 11: 3 балла
 +
* 8+: 2 балла
 +
* 5-7: 1 балл
 +
* <5: 0 баллов
 +
 +
Баллы прибавляются к итоговой оценке до округления.
  
 
===Экзамен===
 
===Экзамен===
−
TBA
+
[https://docs.google.com/document/d/1IROnhmJdstGpaK9qR4naLTuwHW20YLg6QKV_jvJvIIs/edit?usp=sharing Требования к проекту и дедлайны]
 +
 
 +
[https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/15week_Clustering_LDA/2019_POL_projectchecklist.pdf Check List для проекта]
  
 
===Оценка===
 
===Оценка===

Текущая версия на 21:58, 10 декабря 2019

О курсе

"Анализ данных в Python" читается на 4 курсе, в 1 и 2 модуле.

Преподаватель

Рогович Татьяна Владимировна

Ассистент

Инсан-Александр Латыпов

@Le_Figaro в Telegram

Материалы курса

Дистрибутив для установки Anaconda на собственные компьютеры

Пожалуйста, устанавливайте версию Python 3.7 и выше.

Лекции и семинары

Лекции и семинары

Дата № Блокноты Данные Доп. материалы
11 сентября Введение. Refresher: синтаксис Python для анализа данных Week 1 Python Syntax Refresher Mbox Вики-страница курса "Основы программирования в Python" Курс "Python для обработки и извлечения данных" Блокнот И. Щурова про словари, списковые включения, функцию map
18 сентября Введение в pandas: загружаем, фильтруем и агрегируем данные. Week 2: Pandas Intro (Titanic) Данные Titanic Документация Pandas 10 min intro to Pandas Pandas Cheat Sheet
25 сентября Продолжаем с Pandas. Знакомимся с Kaggle. Работаем с датами в Pandas. Упражнения Week 3 Titanic Basic Predictions Kaggle

Week 3 DateTime

Данные для Datetime Данные для Титаника ODS Первичный анализ данных в Python (Telecom Churn)
2 октбяря Самостоятельная работа
16 октября Упражнения по Pandas. Разбираем кейс с парсингом почтовых адресов с помощью регулярных выражений Emails Pandas Упражнения Упражнения с решением Данные для email Данные для упражнений

Для тех, кто справился с "олимпийским" заданием Pandas Datetime like a pro

30 октября Визуализация данных в matplotlib. Визуализация данных в Matplotlib Данные Данные по именам детей
5 - 6 ноября Визуализация данных в Matplotlib (продолжение). Введение в Plotly Matplotlib (continued) Plotly* Данные про фильмы [Данные для Plotly Ирисы Данные для карты
12 ноября Spiderchart в Plotly. Scraping Plotly Spiderchart Spiderchart Данные Wiki для скрэйпинга html refresher nplus 1 scraping
13 ноября Scraping. Regex Скрейпинг вики-таблицы Сохраняем файлы и переходим по страницам Регулярные выражения Regex упражнения
19 ноября Введение в ML. Реализация KNN Презентация по ML, KNN и решающим деревьям Реализация метода KNN Ирисы
20 ноября - 24 ноября Разведывательный анализ данных. Решающие деревья. Случайный лес Разведывательный анализ Housing Data Решающие деревья и случайный лес Housing data Housing Data Визуальное объяснение решающих деревьев
26 ноября Предобработка текстовых данных. Классификация текстов. Блокнот по классификации текстов Презентация Fake News
4 декабря Выбор модели. Кросс-валидация и поиск параметров по сетке. Титаник: подготовка данных и выбор модели. Кросс-валидация и подбор параметров по сетке Презентация: наивный байес
11 декабря Обучение без учителя: кластеризация и LDA для текстов Презентация: кластеризация и LDA Данные по странам
  • Для того, чтобы графики отображались - скачайте блокнот и откройте его в Jupyter Notebook.

Контрольные работы и домашние задания

Дата Тема Файлы Оценки
2.10 13.40 Контрольная работа по синтаксису Python для решения задач Пробный вариант
6.11 13.40 Контрольная работа по работе с данными в pandas
25.11 23.59 Домашнее задание 1: сбор, анализ и визуализация данных ДЗ1Решения загружать в ЛМС Оценки
TBA Домашнее задание 2: обработка и анализ текста ДЗ2 Настройка параметров на collab и загрузка файлов Kaggle&LMS

Дополнительные баллы

Задание Дедлайн Файлы Условия зачета
Задание 1 25.09 23.59 Задание 1 Правильно решить 10/11 задач
Задание 2 9.10 23.59 DataCamp курса Пройти курс по Pandas
Задание 3 16.10 23.59 DataCamp Два проекта в Pandas
Задание 4 27.10 23.59 DataCamp Пройти курс по Pandas-2
Задание 5-6 13.11 23.59 ЛМС Задания по визуализации данных (2.25 балла)
Задание 7 20.11 23.59 DataCamp Курс по слиянию и преобразованию таблиц (1 балл)
Задание 8-9 4.12 23.59 DataCamp Курс по предобработке данных для машинного обучения (2 балла)
Задание 10 11.12.23.59 DataCamp Проект по МобиДику. Html файл выполненного блокнота принимается в ЛМС (0.75 балла)
Задание 11 18.12.23.59 DataCamp Пройти курс на DataCamp по Supervised Machine Learning (1 балл)

Дополнительные баллы. Ведомость

Всего за семестр будет дано 10 небольших заданий. У каждого свой дедлайн. Задания будут выложены на вики и в ЛМС, решенные блокноты принимаются в ЛМС. После дедлайна задания не принимаются. В качестве некоторых заданий будет предложено пройти часть онлайн курса или выполнить его задания. Оценка за задание не ставится, задание считается выполненным, если оно выполено на 100% (допускаются небольшие помарки, в этом случае выполнение засчитывается на усмотрение преподавателя).

Дополнительные баллы рассчитываются по следующей формуле:

  • 11: 3 балла
  • 8+: 2 балла
  • 5-7: 1 балл
  • <5: 0 баллов

Баллы прибавляются к итоговой оценке до округления.

Экзамен

Требования к проекту и дедлайны

Check List для проекта

Оценка

Окончательная оценка = Округление(0.7 * ((КР1 + КР2 + ДЗ1 + ДЗ2) / 4) + 0.3 * Проект + ДБ)

Преподаватель оставляет за собой право устроить устную защиту любой из форм контроля.

Домашнее задание должно быть сдано до установленного дедлайна. В случае сдачи в течение суток после дедлайна, оценка снижается на 1 балл. В случае сдачи в течение недели после дедлайна, оценка снижается на 2 балла. Работы, сданные позже, не принимаются и за них выставляется оценка «0».

Дополнительные баллы. У студентов есть возможность получить до трех дополнительных баллов за выполнение необязательных заданий в течение семестра. Дополнительные баллы учитываются в итоговой оценке до округления с весом 1. Обратите внимания, что дополнительные задания, выполненные в рамках онлайн курса засчитываются только при условии прохождения исключительно с корпоративного почтового адреса студента. Подключение студентов к онлайн курсу на платформе НПОО (https://openedu.ru/) производит Дирекция по онлайн обучению НИУ ВШЭ по заявке администратора учебного офиса образовательной программы. Скрытая сессия для студентов ВШЭ автоматически появляется в личном аккаунте на платформе. Регистрироваться на открытую сессию для всех желающих слушателей нельзя. На платформе DataCamp слушатели приглашаются в специальную сессию, созданную преподавателем курса.

Список рекомендуемых материалов

Линейная алгебра и статистика

Python

Machine learning

Материала по ML

Статистика

  • Бослав С. Статистика для всех (Есть в библиотеке)
  • Gravetter F, Wallnau L. Statistics for behavioral sciences (Есть в библиотеке)

Web scraping

Источник — «http://wiki.cs.hse.ru/index.php?title=Анализ_данных_в_Python_2019-2020&oldid=37345»