Minor da2016 gr3 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Семинары)
Строка 17: Строка 17:
 
== Домашние Задания ==
 
== 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/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 - 16 февраля 2016'' <br/>
  
 
== Полезные ссылки (Будут пополняться) ==
 
== Полезные ссылки (Будут пополняться) ==

Версия 17:55, 2 февраля 2016

Майнор по Анализу Данных -- ИАД-3

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

Семинарист: Шестаков Андрей shestakoffandrey@gmail.com
При обращении по почте, начинайте тему письма со слов [Майнор ИАД 2016]

Пройдите опрос!

Семинары

12 Января 2016: Введение в Python, настройка среды программирования - IPython Notebook
19 Января 2016: Исследование данных с помощью Pandas и Seaborn - IPython Notebook
26 Января 2016: Элементы работы с матрицами. Меры расстояний и сходства - IPython Notebook
2 Февраля 2016: Оптимизация функций. Символьные вычисления - IPython Notebook

Домашние Задания

ДЗ 1. Срок - 2 февраля 2016
ДЗ 2. Срок - 16 февраля 2016

Полезные ссылки (Будут пополняться)

Семинар 4

Optimization

  1. Gradient Descent - Coursera
  2. Regression Lecture Notes
  3. Optimization Methods in Scipy
  4. 3D plotting in Matplotlib

Семинар 3

Probability And Linear Algebra

  1. Matrix Cookbook
  2. PCA Tutorial
  3. Probability & Statistics Cheat-Sheet

Семинар 2

Pandas & Seaborn

  1. Pandas
  2. Pandas Cheat-Sheet
  3. Seaborn

Наборы данных

  1. Портал Открытых Данных РФ
  2. Funny Datasets
  3. Сборник Открытых Данных (!!!)

FYI

  1. Spurious Correlations
  2. Correlation

Семинар 1

Python

  1. PEP-8 Code Style Guide Cheat-sheet
  2. Python Tutorials Point
  3. Matplotlib Tutorial
  4. Matrix Manipulation Cheat-sheet
  5. Ipython Notebook
  6. Beaker Notebook
  7. yhat Rodeo

Ресурсы и Книги

  1. James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning
  2. Bishop — Pattern Recognition and Machine Learning (первые главы)
  3. MachineLearning.ru
  4. Kaggle
  5. UCI Repo

Онлайн Курсы

  1. Andrew Ng's Course
  2. Introduction to ML
  3. Learning Data Science with Python
  4. Курс от ВШЭ
  5. Обзор МООС Курсов