Анализ данных на python, фэн, 2020 spring — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(→‎Распределение групп по семинаристам и ассистентам)
Строка 41: Строка 41:
 
==Материалы курса==
 
==Материалы курса==
  
−
* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
+
* [https://t.me/dap_2021_spring тг-чат курса] и [https://t.me/joinchat/TzqFUCBXnQ4kB4YS канал для объявлений]
 +
* [https://docs.google.com/spreadsheets/d/1EnnWqEnSaPU4lXSSR7B4Ku_oTjXTKvNifytbC_OsRho Таблица с оценками]
 
* 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://www.youtube.com/playlist?list=PLEwK9wdS5g0oKVIXZtbU3evzL4ndN2aXk Youtube-канал] с записями семинаров
 
* [https://www.youtube.com/playlist?list=PLEwK9wdS5g0oKVIXZtbU3evzL4ndN2aXk Youtube-канал] с записями семинаров

Версия 13:30, 18 января 2021

О курсе

Преподаватели: Карпов Максим Евгеньевич, Максимовская Анастасия Максимовна, Петросян Артур Тигранович, Ульянкин Филипп Валерьевич, Филатов Артём Андреевич, Аброскин Илья Дмитриевич, Мидюкин Максим Олегович, Зарманбетов Ахмед Курманалиевич

Правила выставления оценок

Распределение групп по семинаристам и ассистентам

Группа Семинарист Ассистент
201 Филипп Ульянкин @Ppilif Романенко Саша @cutre_sa
202 Максим Карпов @buntar29 Стрельцов Артём @in_chainz
203 Максим Карпов @buntar29 Колесников Егор @kollego
204 Филипп Ульянкин @Ppilif Пешков Максим @peshkovmax
205
206
207
208
209
2010
2011
2012

Материалы курса

Оценивание

Оценка ставится по формуле:

Min(10, Round(0.05 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.15 ДЗ5 + 0.1 КР + 0.3 Экз + 0.1 СР1 + 0.1 СР2 + 0.1 СР3))


Домашки:

Тут будет перечень ссылок с домашками

Контрольные:

Тут будет перечень ссылок с контрольными и самостоятельными

Другое:

Тут будут ещё ссылки

Большой план маленьких побед

Неделя 1 (18-23 января). Вводимся в python, git и делаем import this

Задание:

  • Дорешать все задачи из первого контеста. Обратите внимание, что они полностью соотвествуют первой неделе рекомендованного вам курса с Coursera. Можно решать их в контесте, можно на курсере. Как вам будет удобнее. Постарайтесь решить хотябы половину их них.
  • В качестве альтернативы мы можете попробовать порешать похожие задачи с pythontutor

Если хотите мастерски писать в ноутбуках текст на маркдауне:

Недели 2-3 (25 января - 6 февраля). Циклы, условия и листы

Задачи для семинаров и самостоятельного решения:

Обратите внимание, что эти наборы задач практически полностью соответствуют рекомендованному вам курсу с Coursera. Постарайтесь решить из каждого набора хотябы 50%. Если вам удобнее решать задачи на Coursera, тогда делайте это там.

Похожие задачи ждут вас на первой самостоятельной работе.

Ещё материалы:

Неделя без пар (8 - 13 февраля)

На этой неделе, в субботу, 13 февраля с 13:00 до 15:00 пройдёт самостоятельная работа. Чтобы подготовиться к ней решайте и разбирайте на консультациях задачи из наборов выше.

Неделя 4 (15-20 февраля). Говорим о функциях

Задачи для семинаров и самостоятельного решения:

Обратите внимание, что эти наборы задач практически полностью соответствуют рекомендованному вам курсу с Coursera. Постарайтесь решить из каждого набора хотябы 50%. Если вам удобнее решать задачи на Coursera, тогда делайте это там.

Похожие задачи ждут вас на второй самостоятельной работе.

Ещё материалы:

Недели 5-6. (24 февраля - 6 марта) множества и словари

Задачи для семинаров и самостоятельного решения:

Обратите внимание, что эти наборы задач практически полностью соответствуют рекомендованному вам курсу с Coursera. Постарайтесь решить из каждого набора хотябы 50%. Если вам удобнее решать задачи на Coursera, тогда делайте это там.

Похожие задачи ждут вас на второй самостоятельной работе.

Ещё материалы:

  • Уроки про множества и словари на pythontutor
  • Краткие коспекты на pythonworld про словари и множества
  • Если вы хотите немного углубиться в алгоритмическую составляющую, прочитайте книгу Грокаем Алгоритмы с примерами кода на python, она великолепная и очень просто написана с примерами на python

Неделя без пар (8 - 13 марта)

На этой неделе, в субботу, 13 марта с 13:00 до 15:00 пройдёт самостоятельная работа. Чтобы подготовиться к ней решайте и разбирайте на консультациях задачи из наборов выше.

Неделя 7. (15 - 20 марта)

Разбираемся с numpy

Неделя 8. (22 - 27 марта)

Начинаем разбираться с pandas

Сессия

На этой неделе вас ожидает мидтёрм по всем темам из первой половины курса, кроме pandas. Он пройдёт 1 апреля, в четверг, с 11:00 до 14:00.


По ходу курса тут появятся материалы к следующим неделям.

Литература

Рекомендуемая литература:

Источник — «http://wiki.cs.hse.ru/index.php?title=Анализ_данных_на_python,_фэн,_2020_spring&oldid=49880»