Основы программирования в Python 2019 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Семинары)
Строка 89: Строка 89:
 
[https://colab.research.google.com/drive/1NuzmfgQrdZM8ZmffHIIV-OwGh4qARxtS Семинар 2 — градиентный спуск и линейная регрессия]. [https://colab.research.google.com/drive/1PJ7lJ1PuZ42jsZ3yTGj8sxqji2MmeL7g Заполненный семинар]
 
[https://colab.research.google.com/drive/1NuzmfgQrdZM8ZmffHIIV-OwGh4qARxtS Семинар 2 — градиентный спуск и линейная регрессия]. [https://colab.research.google.com/drive/1PJ7lJ1PuZ42jsZ3yTGj8sxqji2MmeL7g Заполненный семинар]
  
[https://colab.research.google.com/drive/1lK4puat0AJ6IYvGziv00MZUt2w5TxRJM Семинар 3 — методы классификации]. [https://colab.research.google.com/drive/1mkWdv5UIFpvDVmMVXi0hsAKxzsYxyh6w Заполненный семинар]
+
[https://colab.research.google.com/drive/1lK4puat0AJ6IYvGziv00MZUt2w5TxRJM Семинар 3 — методы классификации]. [https://raw.githubusercontent.com/Skvidvardin/Fun/master/sem_3_classification_full.ipynb Заполненный семинар]
  
 
[https://colab.research.google.com/drive/1RIHiG-xloEhLaOtIa3m4yjIoHJAmfRLT Семинар 4 — Визуализация c matplotlib. Подбор гиперпараметров]
 
[https://colab.research.google.com/drive/1RIHiG-xloEhLaOtIa3m4yjIoHJAmfRLT Семинар 4 — Визуализация c matplotlib. Подбор гиперпараметров]

Версия 14:31, 11 июня 2019

О курсе

borderless


Курс читается для студентов факультета Мировой Экономики ВШЭ в 3-4 модулях.

Лектор: Кохтев Вадим Михайлович

Лекции проходят с 2019 года.

Полезные ссылки

Онлайн-курс

Дисциплина реализуется в формате смешанного обучения и состоит из очных занятий и on-line курса, реализованного на базе платформы Coursera для НИУ ВШЭ: https://www.coursera.org/learn/python-osnovy-programmirovaniya/

О записи на курс будет объявлено дополнительно

Семинары

Семинары проходят по вторникам и субботам. Некоторые семинары проходят на Шаболовке, некоторые — в Армянском переулке. Пожалуйста, всегда проверяйте (РУЗ), поскольку расписание может меняться.

Группа Преподаватель Учебный ассистент Расписание
БМЭ171 Такташева Мария Вадимовна Пузырев Дмитрий (есть в РУЗе)
БМЭ172 Такташева Мария Вадимовна Пузырев Дмитрий (есть в РУЗе)
БМЭ173 Першин Максим Андреевич Кошелев Антон 30.04, 14.05, 21.05, 28.05, 04.06, 11.06

4336 (Шаболовка ул., д. 26), 15:10–16:30

БМЭ174 Першин Максим Андреевич Кошелев Антон 30.04, 14.05, 21.05, 28.05, 04.06, 11.06

4336 (Шаболовка ул., д. 26), 16:40–18:00

БМЭ175 Панков Алексей Алексеевич Попова Наталья (есть в РУЗе)
БМЭ176 Панков Алексей Алексеевич Попова Наталья (есть в РУЗе)

Система оценок

Формула оценки

Результирующая оценка по дисциплине рассчитывается по формуле:

Oитог = 0.7 * Oнакопл + 0.3 * Oэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.3 * Oонлайн-курс + 0.3 * Oдз + 0.4 * Oср

Лекции

Лекция 1 — Типы задач и основные понятия анализа данных и машинного обучения, 18 мая

Лекция 2 — Задачи регрессии, 24 мая

Семинары

Семинар 1 — работа с таблицами в pandas. Данные. Заполненный семинар

Семинар 2 — градиентный спуск и линейная регрессия. Заполненный семинар

Семинар 3 — методы классификации. Заполненный семинар

Семинар 4 — Визуализация c matplotlib. Подбор гиперпараметров

Домашние задания

Домашнее задание №1. Дедлайн: 23:59 2 июня 2019

Домашнее задание №2. Дедлайн: 23:59 11 июня 2019

Экзамен

Экзамен состоится 18 июня, задания будут на компьютерах.

Полезные материалы

Основная литература

  1. Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
  2. Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006.
  3. Diez, D.M, Barr, C.D., Cetinkaya-Rundel, M., Dorazio, L. Advanced High School Statistics. —  OpenIntro, 2015.
  4. Wooldridge, J. Introductory Econometrics: A Modern Approach. — Mason: South-Western Cengage Learning, 2013.
  5. Lutz, Mark. Learning Python: Powerful Object-Oriented Programming. "O'Reilly Media.", 2013.

Полезные ссылки

  1. Документация языка Python https://docs.python.org/3/
  2. Хороший классический курс по машинному обучению https://ru.coursera.org/learn/machine-learning
  3. Материалы вышкинского курса по машинному обучению https://github.com/esokolov/ml-course-hse
  4. Курс майнора по анализу данных http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных
  5. Курс майнора по машинному обучению http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2018/2019