Просмотр исходного текста страницы Основы работы с данными: сбор, анализ, визуализация (ОП "Журналистика")

== О курсе ==

[[Файл:Data_journ.png|470px|borderless|left]]



Курс читается для студентов 3-го курса [https://www.hse.ru/ba/journ/ ОП "Журналистика"] ФКМД ВШЭ в 1-2 модулях 2021/2022 уч. г.

'''Лектор:''' [http://www.hse.ru/staff/mekarpov Карпов Максим Евгеньевич]

Лекции проходят по вторникам, 11:10 - 12:30, в zoom ([https://cern.zoom.us/j/67405581597?pwd=MHVQaFVRVUFLdTlIb0FrMGRPTXg0Zz09 ссылка]).

=== Полезные ссылки ===

[https://www.hse.ru/ba/journ/courses/476622217.html Карточка курса и программа]

[https://github.com/hse-python-jour/hse_intro_to_data_journalism Репозиторий с материалами на GitHub]

Видеозаписи лекций и семинаров [https://www.youtube.com/playlist?list=PLkBdGfNz-0qPwZghfyrYWLi531rlSqD4j Youtube]

[https://t.me/joinchat/XJFOQKyYlFdiMDAy Канал в telegram для объявлений]

[https://t.me/joinchat/X9C3_prEjeNiZjRi Чат в telegram для обсуждений]

[https://docs.google.com/spreadsheets/d/1_pUtb_-KKjpwJn3JkuXJpU7GeBKGGlFndPg3ze2Ichk/edit?usp=sharing Таблица с оценками]

Оставить отзыв на курс: [https://forms.gle/zoLqintPVfbS1Wst9 форма]

'''Вопросы''' по курсу можно задавать на почту mekarpov@hse.ru, а также в телеграм лектору (@buntar29) или семинаристу.

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент 
|-
| 191 || [https://www.hse.ru/org/persons/160981103 Максимовская Анастасия Максимовна] || [https://t.me/in_chainz Стрельцов Тёма]
|-
| 192 || [https://www.hse.ru/org/persons/160981103 Максимовская Анастасия Максимовна] || [https://t.me/evgnikulina Никулина Женя]
|-
| 193 || [https://t.me/darkydash Быков Кирилл Валерьевич]  || [https://t.me/wwhatisitt Егорова Настя]
|-
| 194 || [https://www.hse.ru/org/persons/160989222 Перевышина Татьяна Олеговна] || [https://t.me/nkrdz Кордзахия Натела]
|-
| 195 || [https://www.hse.ru/org/persons/160989222 Перевышина Татьяна Олеговна] || [https://t.me/nnvasilevkk Васильев Коля]
|-
|}

=== Консультации ===

Убедительная просьба предупреждать заранее, что вы собираетесь прийти на консультацию, в личку в телеграмме преподавателю. Если желающих нет, консультация в выбранный день не проводится.

* Карпов Максим, по вторникам, 16:20 - 17:40, в зуме ([https://cern.zoom.us/j/67405581597?pwd=MHVQaFVRVUFLdTlIb0FrMGRPTXg0Zz09 ссылка])
* Быков Кирилл, по четвергам, 18:10 - 19:30, по предварительному согласованию, а так же круглосуточно в [https://t.me/darkydash телеграме] и [https://vk.com/darkydash ВК]
* Стрельцов Тёма -- по предварительной договоренности, фиксированного дня/времени консультации нет. Можно 24/7 стучаться в [https://t.me/in_chainz телеграм].

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Работа на семинарах, написание кода для решения задач
* Мини-тесты на лекциях, проверяющие знание основных моментов с предыдущей недели
* Повторение базового Python в рамках онлайн курса
* Практические домашние работы на Python (всего 5 домашних заданий)
* Прикладной проект по сбору, анализу и визуализации данных на заданную тему
* Письменный экзамен

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

Итог = Минимум(10, 0.1 * Онлайн курс + 0.1 * Работа на семинарах + 0.1 * Тесты на лекциях + 0.5 * ДЗ + 0.15 * Проект + 0.15 * Экзамен)

Округление арифметическое. Всего можно набрать за курс 11 баллов, но выставляется по итогу оценка не выше 10. Экзамен неблокирующий.

=== Правила сдачи заданий ===

Каждый элемент контроля (домашнее задание, этап проекта, контрольные точки онлайн курса) имеет жёсткий дедлайн. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее. Есть исключение: в течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки вычитается по два балла. В таком случае, студент должен предупредить своего ассистента о выбранной опции.

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

== Лекции ==

Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!

'''Лекция 1''' (3 сентября). Введение в дата-журналистику. Логистика курса, актуальность и мотивация. [[https://docs.google.com/presentation/d/15swQ9Ejd4sOZIo4tMyPpNTpmjBvWyroheWylDEwUoD4/edit?usp=sharing Слайды]] [[https://www.youtube.com/watch?v=472Ef-1jjbU&list=PLkBdGfNz-0qPwZghfyrYWLi531rlSqD4j&index=1&t=5s Запись лекции]]

== Семинары ==

'''Семинар 1'''. Базовые типы данных. Методы работы со строками, списками. [[ Слайды]] [[ Ноутбук]]

== Практические задания ==

После жёсткого дедлайна работы не принимаются, но есть исключение. В течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки вычитается по два балла. В таком случае, студент должен предупредить своего ассистента о выбранной опции.

'''Онлайн курс. Задачи недели 1, 2'''. Ввод и вывод. Переменные. Арифметические операции.
 
Жесткий дедлайн: 

[[Задание]]

=== Проект ===

Здесь скоро появится описание и примеры проектов. Проекты выполняются в командах строго из двух человек.

== Экзамен ==

Здесь скоро появится вариант экзамена и вопросы для подготовки.

[[ Демо-версия]]

== Полезные материалы ==
===Установка дистрибутива Anaconda===
Инструкция по установке питона на [https://disk.yandex.ru/i/-BoigY3b8-3kYw Windows] и [https://disk.yandex.ru/i/uM6escVXBKax9Q MacOS].

[https://github.com/hse-python-jour/hse_intro_to_data_journalism/blob/main/Gustokashin_summary_python.pdf Конспект] лекций по Python от Михаила Густокашина.

===Книги===
'''Рекомендуемая основная литература'''
* McKinney, W. (2012). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython. Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=495822 
* Митчелл Р. - Скрапинг веб-сайтов с помощю Python - Издательство "ДМК Пресс" - 2016 - 280с. - ISBN: 978-5-97060-223-2 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/100903 
* Yau, N. (2013). Data Points : Visualization That Means Something. New York: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=566405

'''Рекомендуемая дополнительная литература'''
* Anoshin, D., Matic, T., Bogdanovic, S., Lincoln, T., & Shirokov, D. (2019). Tableau 2019.x Cookbook : Over 115 Recipes to Build End-to-end Analytical Solutions Using Tableau. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2022993 
* Joshua N. Milligan. (2019). Learning Tableau 2019 : Tools for Business Intelligence, Data Prep, and Visual Analytics, 3rd Edition. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2092866