Анализ данных в Python 2019-2020 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
Строка 27: Строка 27:
 
|| 11 сентября || Введение. Refresher: синтаксис Python для анализа данных ||  [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/1week_Syntax_Refresher/1_Refresher_revised.ipynb Week 1 Syntax Refresher IPYNB]|| [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://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/1week_Syntax_Refresher/1_Refresher_revised.ipynb Week 1 Syntax Refresher IPYNB]|| [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. Работа с kaggle. || || [https://github.com/rogovich/2019_POS_Sociology/blob/master/Data/2_3_Seminar.zip Titanic Train] ||  
+
|| 18 сентября || Введение в pandas: загружаем, фильтруем и агрегируем данные. Работа с kaggle. || [https://github.com/rogovich/2019-2020_PolSci_Data_Analysis_in_Python/blob/master/2week_Pandas_Intro_Titanic/2_Pandas_Intro.ipynb Week 2 Pandas Intro] || [https://github.com/rogovich/2019_POS_Sociology/blob/master/Data/2_3_Seminar.zip Titanic Train] ||  
 
|}
 
|}
  

Версия 20:20, 22 сентября 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 Syntax Refresher IPYNB 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. Работа с kaggle. Week 2 Pandas Intro Titanic Train

Контрольные работы и домашние задания

Дата Тема Файлы Оценки
2.10 13.40 Контрольная работа по синтаксису Python для решения задач Пробный вариант
TBA Контрольная работа по работе с данными в pandas
TBA Домашнее задание 1: сбор, анализ и визуализация данных
TBA Домашнее задание 2: скрейпинг, обработка и анализ текста

Дополнительные баллы

Задание Дедлайн Файлы Условия зачета
Задание 1 25.09 23.59 Задание 1 Правильно решить 10/11 задач

Дополнительные баллы. Ведомость

Всего за семестр будет дано 12 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:

  • 12: 3 балла
  • 9+: 2 балла
  • 6-8: 1 балл
  • <6: 0 баллов

Баллы прибавляются к итоговой оценке до округления.

Экзамен

TBA

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=35238»