Python для сбора и анализа данных КНАД 22/23 — различия между версиями
Serggor (обсуждение | вклад) |
Serggor (обсуждение | вклад) |
||
Строка 1: | Строка 1: | ||
− | + | ==Лекции== | |
− | + | ||
− | https:// | + | Вторник 13:00 – 14:20, [https://us06web.zoom.us/j/82597804590?pwd=VWxZcjErMlQvOXhqczh5VGpaN3ZPZz09 zoom] |
− | + | 1. '''10 января''' Модуль numpy. Основные операции для работы с numpy.array. [https://docs.google.com/presentation/d/1YesaTO0I_Qzu1_J3uxNO1AlSNn7jmzWxtWFmwFNQjLU/edit?usp=sharing презентация] [https://colab.research.google.com/drive/1ji_2UDhQFlvq6sDUm6XObR8IGg-KCCM9?usp=sharing colab] | |
− | + | ||
+ | 2. '''17 января''' Модуль pandas. [https://colab.research.google.com/drive/1nd2r3t85U2jGrdms4z0WJ2UPW1G-YsPE?usp=sharing pandas1], [https://colab.research.google.com/drive/1RkmTX9RqT-qtdMMlUY_nBrPB_UO7ehU5?usp=sharing pandas2] | ||
− | |||
− | https://colab.research.google.com/drive/ | + | ==Семинары== |
+ | |||
+ | Пятница 13:00 – 14:20, [https://us06web.zoom.us/j/87433550226?pwd=RWtRc1YwUTdnWGtPWEJ4cnBXNVh3QT09 222] [https://us06web.zoom.us/j/83134885209?pwd=NHpnc3JoZGtqT2g5WStKN1kzOFBaUT09 221] | ||
+ | |||
+ | 1. '''13 января''' Продолжение лекции по numpy [https://colab.research.google.com/drive/1ji_2UDhQFlvq6sDUm6XObR8IGg-KCCM9?usp=sharing colab] | ||
+ | |||
+ | |||
+ | ==Домашнее задание== | ||
+ | |||
+ | Сдача задач проводится в [http://anytask.org/ anytask], инвайты в закреплённом сообщении телеграм чата. Максимум за одно дз – 10 баллов, по решению проверяющего могут быть добавлены бонусные баллы за изящные решения. Указанный в anytask максимальный балл – чисто формальное ограничение, оно больше, чем наш максимум, ибо в него входят бонусные баллы. | ||
+ | |||
+ | Ваше задание может быть проверено и возвращено на доработку на усмотрение преподавателя. | ||
+ | |||
+ | 1. [https://colab.research.google.com/drive/1xG9SKOsXwq0wFW5NBtnSw1B8odFcAU0y?usp=sharing numpy]. Дедлайн 24.01.2022 10:30. Максимум без учёта бонусов – 10 баллов | ||
+ | |||
+ | |||
+ | ==Рекомендуемая основная литература== | ||
+ | |||
+ | 1. [https://www.coursera.org/learn/python-for-data-science Python для анализа данных – курс от МФТИ и Mail.Ru Group] | ||
+ | |||
+ | 2. [https://stepik.org/course/150/syllabus Hadoop. Система для обработки больших объемов данных] | ||
+ | |||
+ | 3. [https://www.asozykin.ru/courses/sql Основы SQL – курс Андрея Созыкина] | ||
+ | |||
+ | 4. [https://habr.com/ru/company/vk/blog/258045/ Курс Техносферы Методы распределенной обработки больших объемов данных в Hadoop] | ||
+ | |||
+ | 5. https://numpy.org/, https://pandas.pydata.org/, https://matplotlib.org/ | ||
+ | |||
+ | |||
+ | ==Рекомендуемая дополнительная литература== | ||
+ | |||
+ | 1. https://mrjob.readthedocs.io/en/latest/ | ||
+ | |||
+ | 2. Devpractice Team. Python. Визуализация данных. Matplotlib. Seaborn. Mayavi. | ||
+ | |||
+ | 3. https://vk.com/itcookies/python | ||
+ | |||
+ | 4. [https://towardsdatascience.com/apply-function-to-pandas-dataframe-rows-76df74165ee4 О функции apply в pandas] |
Версия 16:33, 17 января 2023
Содержание
Лекции
Вторник 13:00 – 14:20, zoom
1. 10 января Модуль numpy. Основные операции для работы с numpy.array. презентация colab
2. 17 января Модуль pandas. pandas1, pandas2
Семинары
Пятница 13:00 – 14:20, 222 221
1. 13 января Продолжение лекции по numpy colab
Домашнее задание
Сдача задач проводится в anytask, инвайты в закреплённом сообщении телеграм чата. Максимум за одно дз – 10 баллов, по решению проверяющего могут быть добавлены бонусные баллы за изящные решения. Указанный в anytask максимальный балл – чисто формальное ограничение, оно больше, чем наш максимум, ибо в него входят бонусные баллы.
Ваше задание может быть проверено и возвращено на доработку на усмотрение преподавателя.
1. numpy. Дедлайн 24.01.2022 10:30. Максимум без учёта бонусов – 10 баллов
Рекомендуемая основная литература
1. Python для анализа данных – курс от МФТИ и Mail.Ru Group
2. Hadoop. Система для обработки больших объемов данных
3. Основы SQL – курс Андрея Созыкина
4. Курс Техносферы Методы распределенной обработки больших объемов данных в Hadoop
5. https://numpy.org/, https://pandas.pydata.org/, https://matplotlib.org/
Рекомендуемая дополнительная литература
1. https://mrjob.readthedocs.io/en/latest/
2. Devpractice Team. Python. Визуализация данных. Matplotlib. Seaborn. Mayavi.