Анализ данных на python, фэн, 2020 fall — различия между версиями
Материал из Wiki - Факультет компьютерных наук
In chainz (обсуждение | вклад) (→Распределение групп по семинаристам и ассистентам) |
Fulyankin (обсуждение | вклад) |
||
| Строка 20: | Строка 20: | ||
| 194 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa | | 194 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa | ||
|- | |- | ||
| − | | 195 || Максим Карпов @buntar29 || Стрельцов | + | | 195 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz |
|- | |- | ||
| 196 [online] || Артем Филатов @filatovartm || Кордзахия Натела @nkrdz | | 196 [online] || Артем Филатов @filatovartm || Кордзахия Натела @nkrdz | ||
| Строка 41: | Строка 41: | ||
==Материалы курса== | ==Материалы курса== | ||
| − | * [https://t.me/ds_econ_2020 тг-чат курса] | + | * [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений] |
* 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] | ||
| + | * [https://github.com/hse-econ-data-science/eds_spring_2020 Материалы прошлого курса (весна 2020)] | ||
* Установите перед первым семинаром Anaconda. [[(https://github.com/hse-econ-data-science/dap_2020_fall/blob/master/utils/install_conda_windows.pdf|Инструкция для windows]] и [https://github.com/hse-econ-data-science/dap_2020_fall/blob/master/utils/install_conda_mac.pdf инструкция для мака] | * Установите перед первым семинаром Anaconda. [[(https://github.com/hse-econ-data-science/dap_2020_fall/blob/master/utils/install_conda_windows.pdf|Инструкция для windows]] и [https://github.com/hse-econ-data-science/dap_2020_fall/blob/master/utils/install_conda_mac.pdf инструкция для мака] | ||
| + | |||
| + | ==Оценивание== | ||
| + | |||
| + | |||
| + | Оценка ставится по формуле: | ||
| + | |||
| + | 0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ | ||
| + | |||
==Рекомендуемые онлайн-материалы к каждой неделе (не оценивается)== | ==Рекомендуемые онлайн-материалы к каждой неделе (не оценивается)== | ||
Версия 23:06, 10 сентября 2020
Содержание
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
Распределение групп по семинаристам и ассистентам
| Группа | Семинарист | Ассистент |
|---|---|---|
| 191 | Борис Демешев @boris_demeshev | Никулина Женя @evgnikulina |
| 192 | Борис Демешев @boris_demeshev | Чирикова Настя @cOWOna_wivus |
| 193 | Филипп Ульянкин @Ppilif | Мазуров Матвей @Matmaz1 |
| 194 | Филипп Ульянкин @Ppilif | Романенко Саша @cutre_sa |
| 195 | Максим Карпов @buntar29 | Стрельцов Артём @in_chainz |
| 196 [online] | Артем Филатов @filatovartm | Кордзахия Натела @nkrdz |
| 197 | Артур Петросян @pet67 | Челбаев Михаил @mikhail_chelbaev |
| 198 [online] | Анастасия Максимовская @anastasiyamaxx | Алтунина Настя @anastasiia_altunina |
| 199 [online] | Анастасия Максимовская @anastasiyamaxx | Саурбек Ляззат @lyazzzzzzat |
| 1910 | Марина Ананьева @ananyevame | Карев Василий @Jack_karev |
| 1911 | Марина Ананьева @ananyevame | Андреевский Александр @alexandreevskiy |
| 1912 [online] | Илья Аброскин @iiiiilllllyyyyyaaaa | Огородников Михаил @Spectag |
| 1913 | Максим Карпов @buntar29 | Колесников Егор @kollego |
Материалы курса
- тг-чат курса и канал для объявлений
- github-репозиторий с материалами курса
- Материалы прошлого курса (весна 2020)
- Установите перед первым семинаром Anaconda. Инструкция для windows и инструкция для мака
Оценивание
Оценка ставится по формуле:
0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ
Рекомендуемые онлайн-материалы к каждой неделе (не оценивается)
Неделя 1:
- Альтернатива 1: попробовать освоить первые три урока из pythontutor и порешать задачки прямо в интерфейсе браузера.
- Альтернатива 2: пройти первые две недели курса на Coursera
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.
