Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-2 — различия между версиями
Материал из Wiki - Факультет компьютерных наук
(→Организационная информация) |
(→События) |
||
| Строка 12: | Строка 12: | ||
==События== | ==События== | ||
| − | 30.01 - проверочная №1 (основные определения) | + | 30.01 - семинара и проверочной не будет, переносятся на следующую неделю |
| + | |||
| + | 06.01 - два семинара (с 12 до 15) и проверочная №1 (основные определения) | ||
==Полезные ссылки== | ==Полезные ссылки== | ||
Версия 16:28, 29 января 2019
Организационная информация
Семинарист: Евгений Ковалев (telegram: @blacKitten13)
Ассистент: Максим Мухортов
Основные ссылки
События
30.01 - семинара и проверочной не будет, переносятся на следующую неделю
06.01 - два семинара (с 12 до 15) и проверочная №1 (основные определения)
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
