Просмотр исходного текста страницы Анализ данных в Python 2020-2021 Политология

== О курсе ==
"Анализ данных в Python" читается на 3 курсе, в 3 и 4 модуле.

* [https://www.hse.ru/ba/political/courses/375301968.html Программа]
* [https://t.me/joinchat/EvsjHkzjQ0pnPbPq Чат курса в Telegram]
* [https://docs.google.com/spreadsheets/d/18JFioxwTs3uAqtKv4-Oh8E4aKERAaLJMGPqSExx_If0/edit?usp=sharing Ведомость]

==Преподаватель==
Рогович Татьяна Владимировна
* [mailto:rogovich@gmail.com E-mail]

==Ассистент==
Инсан-Александр Латыпов
* @Le_Figaro в Telegram

==Материалы==
Записи занятий на youtube: [https://www.youtube.com/playlist?list=PLEwK9wdS5g0qsqVvpc5qz1-HphtFim-Km жмяк]. 
Репозиторий с материалами: [https://github.com/rogovich/2021_HSE_POL_DAinP здесь]

{| class="wikitable"
|-
! Дата !! № !! Блокноты и презентации !! Данные !! Доп. материалы
|-
|| 12.01 || Python Refresher ||  [https://github.com/rogovich/2021_HSE_POL_DAinP/tree/main/01_Python_Refresher Блокноты] || || [https://github.com/rogovich/2021_HSE_POL_DAinP/tree/main/01_Python_Refresher/%40Problems Задачи и решения] 
|-
|| 19.01-26.01|| RegEx ||  [https://github.com/rogovich/2021_HSE_POL_DAinP/tree/main/02_Strings_RegEx Блокноты] || || [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/02_Strings_RegEx/2_Problems.ipynb Задачи для урока] 
|-
|| 02.02 || Алгоритмы || [https://github.com/rogovich/2021_HSE_POL_DAinP/tree/main/03_Algorithms Блокнот] || || 
|-
|| 09.02 || Классы || [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/04_Classes/4_Classes.ipynb Блокнот] || ||
|-
|| 16.02, 20.03 || NumPy. Введение. Pandas || [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/05_Numpy/5_1_Numpy.ipynb Блокнот NumPy] [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/06_Pandas/6_1_Pandas_Intro.ipynb Блокнот Pandas Intro] [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/06_Pandas/6_3_Pandas_Datetime.ipynb Блокнот Datetime]|| [https://github.com/rogovich/Data/blob/master/data/olympics/athlete_events.csv Олимпиады] [https://raw.githubusercontent.com/rogovich/Data/master/data/titanic/train.csv Титаник] [https://raw.githubusercontent.com/rogovich/Data/master/data/ufo/ufo.csv НЛО] ||[https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/05_Numpy/2_2_Numpy_Problems.ipynb Задачи NumPy][https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/05_Numpy/5_2_Numpy_Problems_Solution.ipynb NumPy решения][https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/06_Pandas/6_2_Pandas_Problems.ipynb Задачи Pandas] [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/06_Pandas/6_2_Pandas_Problems_Solution.ipynb Pandas Решения]
|-
|| 06.04 — 13.04|| Визуализация данных. || [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/07_Viz/7_1_Viz_Matplotlib.ipynb Matplotlib] [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/07_Viz/7_2_Plotly.ipynb Plotly] || [https://raw.githubusercontent.com/rogovich/Data/master/data/populations.txt Forest Data] [https://raw.githubusercontent.com/rogovich/Data/master/data/gapminderData.csv Gapminder] [https://raw.githubusercontent.com/rogovich/Data/master/data/crimeRatesByState2005.tsv Crimes] [https://raw.githubusercontent.com/rogovich/Data/master/data/bodycount_Directors_Genra.csv Films] [https://github.com/rogovich/Data/blob/master/data/babies%20names/babies_all.txt Names]|| [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/07_Viz/7_3_Pandas_Viz_Problems.ipynb Задачи]
|-

|}
===Финальный проект===
[https://docs.google.com/document/d/1QCz5ojT6SianwkODDD1UMBis3sWlyPVRxdTy-yscu9E/edit?usp=sharing Описание финального проекта (экзамен) и дедлайны]

===Домашние задания===
Домашние задания или публикуются на платформе (online.hse.ru) или находим их в проектах в ЛМС и там же сдаем.
{| class="wikitable"
|-
! ДЗ !! Дедлайн !! Ссылки 
|-
|| ДЗ1: Python ||  4.02 23.59 || [https://online.hse.ru/mod/quiz/view.php?id=204850 Ссылка на ДЗ]
|-
|| ДЗ2: Pandas & Viz || 27.04 23.59  || [https://docs.google.com/document/d/1THLjluBI6ruFS8YO4bQBox09dwDfRI0LRQSV-7PSG-0/edit# Задание] ДЗ сдается в ЛМС
|-
|| ДЗ3: KNN || 11.05 23.58  || [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/%40HW/3_HW/HW_3_KNN.ipynb Блокнот] ДЗ сдается в ЛМС
|-
|| ДЗ4: ML ||  03.06 23.58 || [https://github.com/rogovich/2021_HSE_POL_DAinP/blob/main/%40HW/4_HW/2021_POL_HW4.ipynb Блокнот] ДЗ сдается в ЛМС
|-
|}

===Контрольные работы===
{| class="wikitable"
|-
! КР !! ДАТА !! Тестовый вариант
|-
|| КР1: Python || 9.02 16.20 - 17.40 || 
|-
|| КР2: Анализ данных и ML || 7.06 13:00 - 14:20 || [https://online.hse.ru/mod/quiz/view.php?id=239056 Демо здесь]
|-
|}

'''КР1'''
*  Проводится во время занятия по расписанию. 
*  Тест и задачи будут опубликованы на online.hse.ru (проверьте логины заранее, мы не сможем вам оперативно помочь!)
*  Задания по типу аналогичны дз1.
*  Во время контрольной у вас должна быть включена камера в zoom и предоставлен доступ к экрану (прокторинг нашими силами на минималках).

===Дополнительные баллы===

'''Дополнительные баллы рассчитываются по следующей формуле:

* 8+ заданий: 1.5 балла
* 5-7 заданий: 1 балл
* <5 заданий: 0 баллов

У студентов есть возможность получить до полутора
дополнительных баллов за выполнение необязательных заданий в течение
семестра. Дополнительные баллы учитываются в итоговой оценке до
округления с весом 1. На платформе DataCamp слушатели
приглашаются в специальную сессию, созданную преподавателем курса.

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 выполнено на 100% (допускаются небольшие помарки, в этом случае выполнение засчитывается на усмотрение преподавателя).

{| class="wikitable"
|-
! Номер !! Тема задания !! Где искать? !! Deadline
|-
|| 1 ||  Regular Expressions in Python || DataCamp || 16.02 23.59
|-
|| 2 ||  Python Data Science Toolbox (Part 1) || DataCamp || 16.03 23.59
|-
|| 3 ||  Python Data Science Toolbox (Part 2) || DataCamp || 16.03 23.59
|-
|| 4 ||  Writing Efficient Python Code || DataCamp || 23.03 23.59
|-
|| 5 ||  Analyzing Police Activity with pandas || DataCamp || 04.05 23.59
|-
|| 6 ||  Improving Your Data Visualizations in Python || DataCamp || 04.05 23.59
|-
|| 7 ||  Interactive Data Visualization with Bokeh ||  Datacamp || 11.05 23.59
|-
|| 7 ||  Interactive Data Visualization with Bokeh ||  Datacamp || 11.05 23.59
|-
|| 8 ||  Machine learning for everyone ||  Datacamp || 11.05 23.59
|-
|| 9 ||  Case Study: School Budgeting with Machine Learning in Python ||  Datacamp || 10.06 23.59
|-
|| 10 ||  Preprocessing for Machine Learning in Python
 || Datacamp || 10.06 23.59
|-
|}

===Оценка===
Окончательная оценка = Округление(0.45 * среднее(Домашние задания) + 0.35 * среднее(Контрольные работы) + 0.2 * Экзамен)

Домашние задания выдаются по темам: программирование на Python, скрейпинг, визуализация, реализация алгоритма kNN.
Контрольные работы по темам: программирование на Python, работа с данными Pandas.

Формат контрольных работ пока не определен (очно или дистанционно), будет сообщено позднее. При дистанционном формате может использоваться процедура прокторинга или аналогичная.

Преподаватель оставляет за собой право изменить темы домашних и контрольных работы, а также 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. Обратите внимание, не у всех ДЗ есть поздний дедлайн (будет уточнено).
Работы, сданные позже, не принимаются и за них выставляется оценка «0».

== Список рекомендуемых материалов ==

==== 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====
* [https://github.com/pandas-dev/pandas/blob/master/doc/cheatsheet/Pandas_Cheat_Sheet.pdf Pandas Cheat Sheet]
* [http://www.pyregex.com/ Python RegExp Cheat Sheet]
* [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]

==== Материала по ML ====
* [https://www.kaggle.com/learn/machine-learning Simple Decision Tree]
* [https://books.google.ru/books?id=vbQlDQAAQBAJ&dq=Introduction+to+Machine+Learning+with+Python:+A+Guide+for+Data+Scientists&hl=ru&source=gbs_navlinks_s Andreas C. Müller, Sarah Guido. Introduction to Machine Learning with Python: A Guide for Data Scientists]

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

==== Web scraping ====
* [http://shop.oreilly.com/product/0636920028468.do O'Reilly: RESTful Web APIs]