Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-2 — различия между версиями

Версия 18:44, 19 февраля 2019

Организационная информация

Семинарист: Евгений Ковалев (telegram: @blacKitten13)

Ассистент: Максим Мухортов (telegram: @mmukhortov)

Основные ссылки

Чат в Telegram

Страница группы на github.com

События

27.02 - проверочная №2 по лекциям 3-5, основные темы: kNN, линейная регрессия.

06.02 - два семинара (с 12 до 15) и проверочная №1 (основные определения). Занятия пройдут на ФКН (Кочновский проезд, дом 3), аудитория 301.

30.01 - семинара и проверочной не будет, переносятся на следующую неделю

10.01 - дедлайн дз №1 (в 23:59)

Полезные ссылки

Начало работы

• Anaconda (дистрибутив для Python, содержащий в том числе Jupyter Notebook и сам Python): https://www.anaconda.com/download/ - рекомендуется версия Python 3.6 или больше; не забудьте выбрать нужную операционную систему!
• документация по Jupyter: https://jupyter.readthedocs.io/en/latest/
• документация по pip (для установки пакетов в Python с помощью pip install): https://pip.readthedocs.io/en/latest/
• PyCharm: https://www.jetbrains.com/pycharm/

Общее

• для любых вопросов: https://www.google.com/
• для (почти) любых ответов: https://stackoverflow.com/
• профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных: http://www.machinelearning.ru/wiki/index.php?title=Заглавная_страница
• A visual introduction to machine learning: http://www.r2d3.us/visual-intro-to-machine-learning-part-1/

Python & Jupyter

• A Crash Course in Python for Scientists: http://nbviewer.jupyter.org/gist/rpmuller/5920182
• A Gallery of interesting Jupyter Notebooks: https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks
• Markdown Cheatsheet: https://github.com/adam-p/markdown-here/wiki/Markdown-Cheatsheet

numpy

• документация: http://www.numpy.org/
• Python Numpy Array Tutorial: https://www.datacamp.com/community/tutorials/python-numpy-tutorial
• 100 numpy exercises: http://www.labri.fr/perso/nrougier/teaching/numpy.100/

pandas

• документация: http://pandas.pydata.org/pandas-docs/stable/
• 10 minutes to pandas: https://pandas.pydata.org/pandas-docs/stable/10min.html
• Pandas Tutorial: DataFrames in Python: https://www.datacamp.com/community/tutorials/pandas-tutorial-dataframe-python
• Cheet Sheet: https://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/
• Visualization: http://pandas.pydata.org/pandas-docs/stable/visualization.html

sklearn

• документация и многое другое: http://scikit-learn.org/stable/

Другие библиотеки

• matplotlib: https://matplotlib.org/users/pyplot_tutorial.html
• seaborn: http://seaborn.pydata.org/

Онлайн-курсы

• Andrew Ng, "Machine Learning": https://www.coursera.org/learn/machine-learning
• ВШЭ & Яндекс, «Введение в машинное обучение»: https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie
• ВШЭ & Яндекс, специализация "Advanced Machine Learning": https://www.coursera.org/courses?query=advanced%20machine%20learning (более продвинутый уровень)
• обзор онлайн-курсов Coursera: https://habr.com/post/248069/
• Dataquest: https://www.dataquest.io/
• Learn Python: https://www.codecademy.com/learn/learn-python

Соревнования

• Kaggle: https://www.kaggle.com/
• DrivenData: https://www.drivendata.org/

For fun

• http://tylervigen.com/spurious-correlations
• http://blog.yhat.com/posts/7-funny-datasets.html
• https://vk.com/weirdreparametrizationtrick