Wiki - Факультет компьютерных наук - Вклад [ru]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-06-15T18:23:05Z

A.kvasov:

{{notice | 0=Выложено домашнее задание №3. Срок сдачи - 9 июня в 23:59
Выложена [https://drive.google.com/open?id=0B1IOQiIIAb5nVC1hQWpWcUVWYTQ информация] о проекте. Срок сдачи - 15 июня в 23:59
}}

==Организационная информация==
Семинаристы: Нина Полякова, Андрей Квасов

Чтобы задать вопрос по курсу/отправить домашнее задание следует написать письмо на hse.minor.dm@gmail.com

Тема письма обязательно должна соответствовать формату: [ИАД-19], Фамилия Имя, Ваш текст

==Домашние задания==
===Задание 1.===
[https://www.dropbox.com/s/sgth59w7vjcr3j7/Homework_01.ipynb?dl=1 Скачать файл] с домашним заданием без GitHub и танцев с бубном.

Примечание: при выполнении задания запрещается использовать все библиотеки кроме NumPy, Pandas, Matplotlib

Материалы по установке Jupyter на свой компьютер можно найти на [https://github.com/cheerupdude/ml-course-hse cтраницe курса на github.com]

===Задание 2.===
[https://www.dropbox.com/s/dcbbsq1e3kwu2l4/hw2.ipynb?dl=1 Скачать файл] Задание на исследование возможностей линейной регрессии с помощи библиотеки scikit-learn

Сроки: 02.03.16 - 11.03.16 23:59

===Задание 3.===
[https://shad.people.yandex.net/notebooks/19/0_Seminar%20Notebook(00MeineWassermelone)/Sem13_clustering%26text_feature/K-means%20for%20text%20clustering.ipynb# Скачать файл] Задание на исследование кластеризации текстовых данных с помощью k-means. Задание, выложено на виртуальной машине, **обязательно** скачайте файл к себе в папку или на собственный компьютер.

Сроки: 30.05.16 - 09.06.16

==Проект==
===Часть 1. (модуль 3)===

[https://www.dropbox.com/s/w21779wxjjxspf0/project.ipynb?dl=1 Скачать файл]

Для выполнения проекта требуется скачать данные согласно [https://drive.google.com/open?id=1UUlgsu5TD-_YUNVtGkhrFr1zaQSHiQ8JfZ7VfbzYKAg варианту].
*[https://www.dropbox.com/s/k6ns1tb94e3bayn/student-mat.csv?dl=1 student-mat.csv]
*[https://www.dropbox.com/s/np709twg10rng4n/student-por.csv?dl=1 student-por.csv]
Для тех, кто хочет поработать с другими данными:

Описание данных: TODO, [https://www.kaggle.com/c/whats-cooking kaggle competition]
*[https://www.dropbox.com/s/ne4l1l984bk6dwm/train.json?dl=1 what's cooking]

Сроки: до 10.04.16 23:59

===Часть 2. (модуль 4)===

Продолжается работа с данными от первой части проекта. [https://drive.google.com/open?id=0B1IOQiIIAb5nVC1hQWpWcUVWYTQ Задание].

Сроки: до 15.06.16 23:59

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. Pandas. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/bdt2peyyoaz1gim/Pandas_%28sem2%29.ipynb IPython Notebook "Pandas_(sem2)"]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Numpy. Проверочная работа.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0zy77b188bl2oy1/Numpy_1%28sem3%29.ipynb IPython Notebook "Numpy_1(sem3)"]
|-
|2 февраля 2016 || align="center"|4 || Python для анализа данных. Numpy часть 2. Matplotlib. Линейная алгебра. Выдача ДЗ №1 (до 16.02.16 до 23:59) ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rpqgd7kof6i7fkg/NumpyScipyMatplotlib_%28sem4%29.ipynb IPython Notebook "NumpyScipyMatplotlib_(sem4)"]
|-
|9 февраля 2016 || align="center"|5 || Метод градиентного спуска в линейных моделях (линейной регрессии).||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/8dhvk2063n49xm8/GD_visualization.ipynb?flush_cache=True Пример работы градиентного спуска]
|-
|1 марта 2016 || align="center"|7 || Линейная регрессия. Scikit-learn.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xp9tk3qb171dmos/Regression.ipynb?flush_cache=true IPython Notebook Семинара №7]
|-}

==Ссылки==
[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?ts=569b89ad#gid=2136070140 Оценки за курс] 

[https://github.com/cheerupdude/ml-course-hse Страница курса на github.com]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-05-29T18:11:19Z

A.kvasov:

{{notice | 0=Домашнее задание . Срок сдачи - 10 апреля в 23:59
}}

==Организационная информация==
Семинаристы: Нина Полякова, Андрей Квасов

Чтобы задать вопрос по курсу/отправить домашнее задание следует написать письмо на hse.minor.dm@gmail.com

Тема письма обязательно должна соответствовать формату: [ИАД-19], Фамилия Имя, Ваш текст

==Домашние задания==
===Задание 1.===
[https://www.dropbox.com/s/sgth59w7vjcr3j7/Homework_01.ipynb?dl=1 Скачать файл] с домашним заданием без GitHub и танцев с бубном.

Примечание: при выполнении задания запрещается использовать все библиотеки кроме NumPy, Pandas, Matplotlib

Материалы по установке Jupyter на свой компьютер можно найти на [https://github.com/cheerupdude/ml-course-hse cтраницe курса на github.com]

===Задание 2.===
[https://www.dropbox.com/s/dcbbsq1e3kwu2l4/hw2.ipynb?dl=1 Скачать файл] Задание на исследование возможностей линейной регрессии с помощи библиотеки scikit-learn

Сроки: 02.03.16 - 11.03.16 23:59

===Задание 3.===
[https://shad.people.yandex.net/notebooks/19/0_Seminar%20Notebook(00MeineWassermelone)/Sem13_clustering%26text_feature/K-means%20for%20text%20clustering.ipynb# Скачать файл] Задание на исследование кластеризации текстовых данных с помощью k-means. Задание, выложено на виртуальной машине, **обязательно** скачайте файл к себе в папку или на собственный компьютер.

Сроки: 30.05.16 - 06.05.16

==Проект==
[https://www.dropbox.com/s/w21779wxjjxspf0/project.ipynb?dl=1 Скачать файл]

Для выполнения проекта требуется скачать данные согласно [https://drive.google.com/open?id=1UUlgsu5TD-_YUNVtGkhrFr1zaQSHiQ8JfZ7VfbzYKAg варианту].
*[https://www.dropbox.com/s/k6ns1tb94e3bayn/student-mat.csv?dl=1 student-mat.csv]
*[https://www.dropbox.com/s/np709twg10rng4n/student-por.csv?dl=1 student-por.csv]
Для тех, кто хочет поработать с другими данными:

Описание данных: TODO, [https://www.kaggle.com/c/whats-cooking kaggle competition]
*[https://www.dropbox.com/s/ne4l1l984bk6dwm/train.json?dl=1 what's cooking]

Сроки: до 10.04.16 23:59
==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. Pandas. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/bdt2peyyoaz1gim/Pandas_%28sem2%29.ipynb IPython Notebook "Pandas_(sem2)"]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Numpy. Проверочная работа.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0zy77b188bl2oy1/Numpy_1%28sem3%29.ipynb IPython Notebook "Numpy_1(sem3)"]
|-
|2 февраля 2016 || align="center"|4 || Python для анализа данных. Numpy часть 2. Matplotlib. Линейная алгебра. Выдача ДЗ №1 (до 16.02.16 до 23:59) ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rpqgd7kof6i7fkg/NumpyScipyMatplotlib_%28sem4%29.ipynb IPython Notebook "NumpyScipyMatplotlib_(sem4)"]
|-
|9 февраля 2016 || align="center"|5 || Метод градиентного спуска в линейных моделях (линейной регрессии).||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/8dhvk2063n49xm8/GD_visualization.ipynb?flush_cache=True Пример работы градиентного спуска]
|-
|1 марта 2016 || align="center"|7 || Линейная регрессия. Scikit-learn.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xp9tk3qb171dmos/Regression.ipynb?flush_cache=true IPython Notebook Семинара №7]
|-}

==Ссылки==
[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?ts=569b89ad#gid=2136070140 Оценки за курс] 

[https://github.com/cheerupdude/ml-course-hse Страница курса на github.com]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-03-02T12:33:28Z

A.kvasov:

{{notice | 0=[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dcbbsq1e3kwu2l4/hw2.ipynb?flush_cache=true Выложено] домашнее задание №2. Срок сдачи - 11 марта в 23:59
}}

==Организационная информация==
Семинаристы: Нина Полякова, Андрей Квасов

Чтобы задать вопрос по курсу/отправить домашнее задание следует написать письмо на hse.minor.dm@gmail.com

Тема письма обязательно должна соответствовать формату: [ИАД-19], Фамилия Имя, Ваш текст

==Домашние задания==
===Задание 1.===
[https://www.dropbox.com/s/sgth59w7vjcr3j7/Homework_01.ipynb?dl=1 Скачать файл] с домашним заданием без GitHub и танцев с бубном.

Примечание: при выполнении задания запрещается использовать все библиотеки кроме NumPy, Pandas, Matplotlib

Материалы по установке Jupyter на свой компьютер можно найти на [https://github.com/cheerupdude/ml-course-hse cтраницe курса на github.com]

===Задание 2.===
[https://www.dropbox.com/s/dcbbsq1e3kwu2l4/hw2.ipynb?dl=1 Скачать файл] Задание на исследование возможностей линейной регрессии с помощи библиотеки scikit-learn

Сроки: 02.03.16 - 11.03.16 23:59

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. Pandas. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/bdt2peyyoaz1gim/Pandas_%28sem2%29.ipynb IPython Notebook "Pandas_(sem2)"]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Numpy. Проверочная работа.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0zy77b188bl2oy1/Numpy_1%28sem3%29.ipynb IPython Notebook "Numpy_1(sem3)"]
|-
|2 февраля 2016 || align="center"|4 || Python для анализа данных. Numpy часть 2. Matplotlib. Линейная алгебра. Выдача ДЗ №1 (до 16.02.16 до 23:59) ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rpqgd7kof6i7fkg/NumpyScipyMatplotlib_%28sem4%29.ipynb IPython Notebook "NumpyScipyMatplotlib_(sem4)"]
|-
|9 февраля 2016 || align="center"|5 || Метод градиентного спуска в линейных моделях (линейной регрессии).||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/8dhvk2063n49xm8/GD_visualization.ipynb?flush_cache=True Пример работы градиентного спуска]
|-
|1 марта 2016 || align="center"|7 || Линейная регрессия. Scikit-lern.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xp9tk3qb171dmos/Regression.ipynb?flush_cache=true IPython Notebook Семинара №7]
|-}

==Ссылки==
[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?ts=569b89ad#gid=2136070140 Оценки за курс] 

[https://github.com/cheerupdude/ml-course-hse Страница курса на github.com]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-02-13T17:40:31Z

A.kvasov:

{{notice | 0=[http://nbviewer.jupyter.org/github/cheerupdude/ml-course-hse/blob/master/Homework_01.ipynb Выложено] домашнее задание №1. Срок сдачи - 16 февраля
}}

==Организационная информация==
Семинаристы: Нина Полякова, Андрей Квасов

Чтобы задать вопрос по курсу/отправить домашнее задание следует написать письмо на hse.minor.dm@gmail.com

Тема письма _обязательно_ должна соответствовать формату: [ИАД-19], Фамилия Имя, Ваш текст

==Домашние задания==
===Задание 1.===
[https://www.dropbox.com/s/sgth59w7vjcr3j7/Homework_01.ipynb?dl=1 Скачать файл] с домашним заданием без GitHub и танцев с бубном.

Примечание: при выполнении задания запрещается использовать все библиотеки кроме NumPy, Pandas, Matplotlib

Материалы по установке Jupyter на свой компьютер можно найти на [https://github.com/cheerupdude/ml-course-hse cтраницe курса на github.com]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. Pandas. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/bdt2peyyoaz1gim/Pandas_%28sem2%29.ipynb IPython Notebook "Pandas_(sem2)"]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Numpy. Проверочная работа.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0zy77b188bl2oy1/Numpy_1%28sem3%29.ipynb IPython Notebook "Numpy_1(sem3)"]
|-
|2 февраля 2016 || align="center"|4 || Python для анализа данных. Numpy часть 2. Matplotlib. Линейная алгебра. Выдача ДЗ №1 (до 16.02.16 до 23:59) ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rpqgd7kof6i7fkg/NumpyScipyMatplotlib_%28sem4%29.ipynb IPython Notebook "NumpyScipyMatplotlib_(sem4)"]
|-
|9 февраля 2016 || align="center"|5 || Метод градиентного спуска в линейных моделях (линейной регрессии).||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/8dhvk2063n49xm8/GD_visualization.ipynb?flush_cache=True Пример работы градиентного спуска]
|-}

==Ссылки==
[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?ts=569b89ad#gid=2136070140 Оценки за курс] 

[https://github.com/cheerupdude/ml-course-hse Страница курса на github.com]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-02-13T17:39:58Z

A.kvasov:

{{notice | 0=[http://nbviewer.jupyter.org/github/cheerupdude/ml-course-hse/blob/master/Homework_01.ipynb Выложено] домашнее задание №1. Срок сдачи - 16 февраля
}}

==Организационная информация==
Семинаристы: Нина Полякова, Андрей Квасов

Чтобы задать вопрос по курсу/отправить домашнее задание следует написать письмо на hse.minor.dm@gmail.com

Тема письма _обязательно_ должна соответствовать формату: [ИАД-19], Фамилия Имя, Ваш текст

==Домашние задания==
===Задание 1.===
[https://www.dropbox.com/s/sgth59w7vjcr3j7/Homework_01.ipynb?dl=1 Скачать файл] с домашним заданием без GitHub и танцев с бубном.

Примечание: при выполнении задания запрещается использовать все библиотеки кроме NumPy, Pandas, Matplotlib

Материалы по установке Jupyter на свой компьютер можно найти на [https://github.com/cheerupdude/ml-course-hse cтраницe курса на github.com]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. Pandas. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/bdt2peyyoaz1gim/Pandas_%28sem2%29.ipynb IPython Notebook "Pandas_(sem2)"]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Numpy. Проверочная работа.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0zy77b188bl2oy1/Numpy_1%28sem3%29.ipynb IPython Notebook "Numpy_1(sem3)"]
|-
|2 февраля 2016 || align="center"|4 || Python для анализа данных. Numpy часть 2. Matplotlib. Линейная алгебра. Выдача ДЗ №1 (до 16.02.16 до 23:59) ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rpqgd7kof6i7fkg/NumpyScipyMatplotlib_%28sem4%29.ipynb IPython Notebook "NumpyScipyMatplotlib_(sem4)"]
|-
|9 февраля 2016 || align="center"|5 || Метод градиентного спуска в линейных моделях (линейной регрессии).||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/8dhvk2063n49xm8/GD_visualization.ipynb Пример работы градиентного спуска]
|-}

==Ссылки==
[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?ts=569b89ad#gid=2136070140 Оценки за курс] 

[https://github.com/cheerupdude/ml-course-hse Страница курса на github.com]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-02-13T17:17:44Z

A.kvasov: /* Расписание семинаров */

{{notice | 0=[http://nbviewer.jupyter.org/github/cheerupdude/ml-course-hse/blob/master/Homework_01.ipynb Выложено] домашнее задание №1. Срок сдачи - 16 февраля
}}

==Организационная информация==
Семинаристы: Нина Полякова, Андрей Квасов

Чтобы задать вопрос по курсу/отправить домашнее задание следует написать письмо на hse.minor.dm@gmail.com

Тема письма _обязательно_ должна соответствовать формату: [ИАД-19], Фамилия Имя, Ваш текст

==Домашние задания==
===Задание 1.===
[https://www.dropbox.com/s/sgth59w7vjcr3j7/Homework_01.ipynb?dl=1 Скачать файл] с домашним заданием без GitHub и танцев с бубном.

Примечание: при выполнении задания запрещается использовать все библиотеки кроме NumPy, Pandas, Matplotlib

Материалы по установке Jupyter на свой компьютер можно найти на [https://github.com/cheerupdude/ml-course-hse cтраницe курса на github.com]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. Pandas. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/bdt2peyyoaz1gim/Pandas_%28sem2%29.ipynb IPython Notebook "Pandas_(sem2)"]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Numpy. Проверочная работа.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0zy77b188bl2oy1/Numpy_1%28sem3%29.ipynb IPython Notebook "Numpy_1(sem3)"]
|-
|2 февраля 2016 || align="center"|4 || Python для анализа данных. Numpy часть 2. Matplotlib. Линейная алгебра. Выдача ДЗ №1 (до 16.02.16 до 23:59)||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rpqgd7kof6i7fkg/NumpyScipyMatplotlib_%28sem4%29.ipynb IPython Notebook "NumpyScipyMatplotlib_(sem4)"]
|-
|9 февраля 2016 || align="center"|4 || Python для анализа данных. Метод градиентного спуска||
[https://github.com/esokolov/ml-course-msu/blob/master/ML15/lecture-notes/Sem07_linear.pdf Семинар лектора майнора ИАД, Евгения Соколова, с объяснением свойств градиента и метода градиантного спуска (+ линейные классификаторы)]
|}

==Ссылки==
[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?ts=569b89ad#gid=2136070140 Оценки за курс] 

[https://github.com/cheerupdude/ml-course-hse Страница курса на github.com]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-02-01T17:14:34Z

A.kvasov:

Семинаристы: Нина Полякова, Андрей Квасов

===Расписание семинаров===

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. Pandas. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/bdt2peyyoaz1gim/Pandas_%28sem2%29.ipynb IPython Notebook "Pandas_(sem2)"]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Numpy. Проверочная работа.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0zy77b188bl2oy1/Numpy_1%28sem3%29.ipynb IPython Notebook "Numpy_1(sem3)"]
|}

===Ссылки===
[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?ts=569b89ad#gid=2136070140 Оценки за курс] 

[https://github.com/cheerupdude/ml-course-hse Страница курса на github.com]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-02-01T17:14:11Z

A.kvasov:

Семинаристы: Нина Полякова, Андрей Квасов

===Расписание семинаров===

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. Pandas. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/bdt2peyyoaz1gim/Pandas_%28sem2%29.ipynb IPython Notebook "Pandas_(sem2)"]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Numpy. Проверочная работа.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0zy77b188bl2oy1/Numpy_1%28sem3%29.ipynb IPython Notebook "Numpy_1(sem3)"]
|}

===Ссылки===
[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?ts=569b89ad#gid=2136070140 Оценки за курс]
[https://github.com/cheerupdude/ml-course-hse Страница курса на github.com]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-01-26T02:13:06Z

A.kvasov: Добавлены ссылки на .ipynb файлы семинаров

Семинаристы: Нина Полякова, Андрей Квасов

===Расписание семинаров===

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. Pandas. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/bdt2peyyoaz1gim/Pandas_%28sem2%29.ipynb IPython Notebook "Pandas_(sem2)"]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Numpy. Проверочная работа.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0zy77b188bl2oy1/Numpy_1%28sem3%29.ipynb IPython Notebook "Numpy_1(sem3)"]
|}

[https://github.com/cheerupdude/ml-course-hse Страница курса на github.com]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-01-25T22:21:53Z

A.kvasov: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-01-25T18:53:13Z

A.kvasov: Расписание обновлено

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-01-25T15:55:35Z

A.kvasov:

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-01-25T15:55:03Z

A.kvasov:

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-01-25T15:54:37Z

A.kvasov: Строка таблицы: тема семинара 26.01.16

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-19

2016-01-25T15:53:06Z

A.kvasov: Строка: ссылка на страницу кура на github.com