Анализ данных в Python 2020-2021 Политология — различия между версиями
Rogovich (обсуждение | вклад) |
Rogovich (обсуждение | вклад) |
||
Строка 12: | Строка 12: | ||
Инсан-Александр Латыпов | Инсан-Александр Латыпов | ||
* @Le_Figaro в Telegram | * @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] | ||
===Домашние задания=== | ===Домашние задания=== |
Версия 13:12, 19 января 2021
Содержание
О курсе
"Анализ данных в Python" читается на 3 курсе, в 3 и 4 модуле.
Преподаватель
Рогович Татьяна Владимировна
Ассистент
Инсан-Александр Латыпов
- @Le_Figaro в Telegram
Материалы
Записи занятий на youtube: жмяк.
Репозиторий с материалами: здесь
Дата | № | Блокноты и презентации | Данные | Доп. материалы | ||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
12.01 | Python Refresher | Блокноты | Задачи и решения
Домашние заданияДомашние задания находим в проектах в ЛМС и там же сдаем.
Контрольные работы
КР1
Дополнительные баллыДополнительные баллы рассчитываются по следующей формуле:
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. 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. 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).
ОценкаОкончательная 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 материаловЛинейная алгебра и статистика
Python
Machine learning
Материала по ML
Статистика
Web scraping |