Анализ данных на python, фэн, 2020 fall — различия между версиями
Материал из Wiki - Факультет компьютерных наук
Bdemeshev (обсуждение | вклад) |
Bdemeshev (обсуждение | вклад) |
||
| Строка 7: | Строка 7: | ||
==Материалы курса== | ==Материалы курса== | ||
| + | * [https://t.me/ds_econ_2020 тг-чат курса] | ||
* github-репозиторий с [https://github.com/hse-econ-data-science/dap_2020_fall материалами курса] | * github-репозиторий с [https://github.com/hse-econ-data-science/dap_2020_fall материалами курса] | ||
Версия 21:43, 6 сентября 2020
О курсе
Преподаватели: Ананьева Марина Евгеньевна, Демешев Борис Борисович, Зарманбетов Ахмед Курманалиевич, Максимовская Анастасия Максимовна, Петросян Артур Тигранович, Ульянкин Филипп Валерьевич, Филатов Артём Андреевич.
Правила выставления оценок
Материалы курса
- тг-чат курса
- github-репозиторий с материалами курса
Литература
Рекомендуемая основная литература:
- Christopher M. Bishop. (n.d.). Pattern Recognition and Machine Learning. Australian National University.
- Lutz, M. (2008). Learning Python (Vol. 3rd ed). Beijing: O’Reilly Media.
- Кремер Н. Ш. Теория вероятностей и математическая статистика 5-е изд., пер. и доп. Учебник и практикум для академического бакалавриата. Издательство Юрайт, 2019.
- Энатская Н. Ю., Хакимуллин Е. Р. Теория вероятностей и математическая статистика. Учебник и практикум для СПО. Издательство Юрайт, 2019.
- Hastie, T., Tibshirani, R., Friedman, J. The elements of statistical learning: Data Mining, Inference, and Prediction. Springer, 2009.
Рекомендуемая дополнительная литература:
- Vanderplas, J. T. Python Data Science Handbook : Essential Tools for Working with Data (Vol. First edition). CA: Reilly - O’Reilly Media, 2016.
- Митчелл Р. Скрапинг веб-сайтов с помощю Python. Издательство "ДМК Пресс", 2016.
