Просмотр исходного текста страницы Minor da2016 gr3

__TOC__
== Майнор по Анализу Данных -- ИАД-3==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий группы ИАД-3

Семинарист: [[Участник:Ashestakoff | Шестаков Андрей]] [mailto:shestakoffandrey@gmail.com shestakoffandrey@gmail.com] <br/>
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД 2016]''

''' [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%98%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85#.D0.9A.D0.BE.D0.BB.D0.BB.D0.BE.D0.BA.D0.B2.D0.B8.D1.83.D0.BC Страница] курса''' <br/>
'''[https://docs.google.com/document/d/1WRtQqhegOwV1l7McyJAm-y4ql65B_6dY3z5YkRgpe1k/edit Вопросы к экзамену]'''<br/>
'''Пройдите [https://docs.google.com/forms/d/1e_-EB5AOvE4zOgXVN-DGV67tUPxvO8m4B3IVYE4ZAxo/viewform?c=0&w=1 опрос!]'''<br/>
'''Таблица с результатами''' содержится [https://drive.google.com/open?id=1Ab8RR942JAaoJyHpIcR7j9yIqgumyfReuMsHWd3Au8I здесь]<br/>
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://docs.google.com/forms/d/1JevHn2TS5KD83KLNbwbstDUgOjF7dZ8SaY0pLeRTTIw/viewform здесь]<br/>

== Семинары ==
'''1) 12 Января 2016:''' Введение в Python, настройка среды программирования - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/setting_ur_env.ipynb IPython Notebook] <br/>
'''2) 19 Января 2016:''' Исследование данных с помощью Pandas и Seaborn - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/da_with_pandas_seaborn.ipynb IPython Notebook] <br/>
'''3) 26 Января 2016:''' Элементы работы с матрицами. Меры расстояний и сходства - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/da_with_matrices.ipynb IPython Notebook] <br/>
'''4) 2 Февраля 2016:''' Оптимизация функций. Символьные вычисления - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/da_and_opt.ipynb IPython Notebook] <br/>
'''5) 9 Февраля 2016:''' Вероятность и мат. статистика, ч. 1  - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/da_prob_stat1.ipynb IPython Notebook] <br/>
'''6) 16 Февраля 2016:''' Вероятность и мат. статистика, ч. 2  - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/da_prob_stat2.ipynb IPython Notebook] <br/>
'''7) 1 Марта 2016:''' Линейная регрессия  - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/lin_regression.ipynb IPython Notebook] <br/>
'''8) 15 Марта 2016:''' Линейные методы классификации  - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/classification.ipynb IPython Notebook] <br/>
'''9) 22 Марта 2016:''' + оценка качества, кросс-валидация  - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/classification_plus.ipynb IPython Notebook] <br/>
'''10) 5 Апреля 2016:''' Консультация перед коллоквиумом <br/>
'''11) 19 Апреля 2016:''' Деревья решений - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/dec_trees.ipynb IPython Notebook] <br/>
'''12) 26 Апреля 2016:''' Разбор одного проекта [http://nbviewer.jupyter.org/github/esokolov/ml-course-msu/blob/master/ML15-spring/contests/contest01-dota/contest01-dota-statement.ipynb IPython Notebook], [https://www.dropbox.com/s/fgojcww4nfvw8ik/features.csv?dl=0 Данные]<br/>
'''13) 10 Мая 2016''' Ансамблевые методы. Методы понижения размерности данных [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/ensembles_dim_reduction.ipynb IPython Notebook] <br/>
'''14) 17 Мая 2016''' Работа в программе [http://orange.biolab.si/ Orange] [https://github.com/shestakoff/minor_da_16/blob/master/orange_sem_170516.ows Orange File]<br/>
'''15) 24 Мая 2016''' Кластеризация [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/clustering.ipynb IPython Notebook] <br/>
'''16) 31 Мая 2016''' Метрические методы [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/knn.ipynb IPython Notebook] [http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/knn_seminar_sol.ipynb Решение с семинара]  <br/>
'''17) 7 Июня 2016''' Ассоциативные правила и частые множества признаков  <br/>
'''17) 14 Июня 2016''' Презентации проектов  <br/>
'''17) 21 Июня 2016''' Экзамен  <br/>

== Домашние Задания ==
[http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/hw1.ipynb ДЗ 1]. ''Срок - 2 февраля 2016'' <br/>
[http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/hw2.ipynb ДЗ 2]. ''Срок - 20 февраля 2016'' <br/>
[http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/hw3.ipynb ДЗ 3]. ''Срок - 4 марта 2016'' <br/>
[http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/hw4_short.ipynb ДЗ 4]. ''Срок - 20 мая 2016'' <br/>
[http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/hw5.ipynb ДЗ 5]. ''Срок - 8 июня 2016'' <br/>

== Проект ==
[http://nbviewer.jupyter.org/github/shestakoff/minor_da_16/blob/master/project_task.ipynb '''Задание на проект'''] <br/>
Согласование состава группы и набора данных: 25.03.2016 23:59 <br/>
Срок сдачи первой части: 11.04.2016 23:59 <br/>
Срок сдачи второй части: 10 дней до даты защиты проекта <br/>

== Полезные ссылки (Будут пополняться) ==
''' Семинар 16'''

# [http://www.visiondummy.com/2014/04/curse-dimensionality-affect-classification/ Curse of Dimensionality]

''' Семинар 12'''

''Ensemble methods''
# [https://en.wikipedia.org/wiki/Ensemble_learning Ensemble Learning Wikipedia]
# [http://scikit-learn.org/stable/modules/ensemble.html Sklearn Ensemble Learning]
# [http://www.cs.umd.edu/class/spring2006/cmsc726/Lectures/EnsembleMethods.pdf Bias-Variance and Ensemble Methods]

''Feature Selection\Dimention Reduction''
# [http://research.microsoft.com/pubs/150728/FnT_dimensionReduction.pdf Dimention Reduction Overview]
# [http://blog.datadive.net/selecting-good-features-part-i-univariate-selection/ Publication on Feature Selection ]

''' Семинар 9 '''
# [https://ccrma.stanford.edu/workshops/mir2009/references/ROCintro.pdf ROC-Curve Introduction]
# [http://scikit-learn.org/stable/modules/cross_validation.html sklearn Cross-Validation Routines]

''' Семинар 8 '''
# [http://aimotion.blogspot.ru/2011/11/machine-learning-with-python-logistic.html On Logistic Regression with examples]
# [http://www.stat.cmu.edu/~cshalizi/350/lectures/25/lecture-25.pdf Perceptron Algorithm]
# [http://www.eecs.yorku.ca/course_archive/2012-13/F/4404-5327/lectures/05%20Linear%20Classifiers.pdf On Linear Classifiers]

''' Семинар 7 '''
# [http://scikit-learn.org/stable/modules/linear_model.html Sklearn Linear Models]
# [http://statsmodels.sourceforge.net/devel/examples/ Statmodels Examples]

''' Семинар 6'''
# [http://docs.scipy.org/doc/scipy/reference/stats.html SciPy Stats reference] 

''' Семинар 5 '''
# [https://www.fourmilab.ch/rpkp/experiments/statistics.html Good Intro to Probability and Statistics]
# [http://static1.squarespace.com/static/54bf3241e4b0f0d81bf7ff36/t/55e9494fe4b011aed10e48e5/1441352015658/probability_cheatsheet.pdf Probability Cheat-Sheet]
# [http://documents.software.dell.com/Statistics/Textbook/Naive-Bayes-Classifier Naive Bayes]
# [http://www.lancaster.ac.uk/pg/jamest/Group/stats2.html Monte-Carlo]

''' Семинар 4 '''

'' Optimization ''
# [https://www.coursera.org/learn/machine-learning/lecture/8SpIM/gradient-descent Gradient Descent - Coursera]
# [http://cs229.stanford.edu/notes/cs229-notes1.pdf Regression Lecture Notes]
# [http://www.scipy-lectures.org/advanced/mathematical_optimization/ Optimization Methods in Scipy]
# [http://matplotlib.org/mpl_toolkits/mplot3d/tutorial.html 3D plotting in Matplotlib]

''' Семинар 3 '''

'' Probability And Linear Algebra ''
# [http://www.math.uwaterloo.ca/~hwolkowi/matrixcookbook.pdf Matrix Cookbook]
# [http://arxiv.org/pdf/1404.1100.pdf PCA Tutorial]
# [http://www4.ncsu.edu/~swu6/documents/A-probability-and-statistics-cheatsheet.pdf Probability & Statistics Cheat-Sheet]

''' Семинар 2 '''

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных '' 
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

''' Семинар 1 '''

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги '' 
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]