Wiki - Факультет компьютерных наук - Вклад [ru]

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

2016-06-06T13:51:09Z

Cheerupdude: bug

{{notice | 0=Выложено домашнее задание №3. Срок сдачи - 6 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 - 06.06.16

==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

2016-05-31T13:00:51Z

Cheerupdude:

{{notice | 0=Выложено домашнее задание №3. Срок сдачи - 6 июня в 23:59
Выложена [https://drive.google.com/file/d/0B1IOQiIIAb5nS21Sdnh5Z2U4ZVk/view?usp=sharing 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 - 06.06.16

==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/file/d/0B1IOQiIIAb5nS21Sdnh5Z2U4ZVk/view?usp=sharing 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

2016-05-31T12:59:55Z

Cheerupdude: добавлен проект

{{notice | 0=Выложено домашнее задание №3. Срок сдачи - 6 июня в 23:59
Выложена [https://drive.google.com/file/d/0B1IOQiIIAb5nS21Sdnh5Z2U4ZVk/view?usp=sharing 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 - 06.06.16

==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/file/d/0B1IOQiIIAb5nS21Sdnh5Z2U4ZVk/view?usp=sharing 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

2016-05-30T14:37:44Z

Cheerupdude: Поправила даты -_-

{{notice | 0=Выложено домашнее задание №3. Срок сдачи - 6 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 - 06.06.16

==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

2016-03-22T13:00:59Z

Cheerupdude:

{{notice | 0=Появилась информация о проекте. 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

==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

2016-03-22T12:59:25Z

Cheerupdude:

{{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

==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

2016-03-06T10:51:40Z

Cheerupdude:

{{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-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

2016-02-03T02:21:13Z

Cheerupdude: Added templates

{{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)"]
|}

==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]

Шаблон:Notice

2016-02-03T02:20:04Z

Cheerupdude: For the sake of announcements

{{mbox
|FrameColor=#9999bb
|BackColor=#e9e9ff
|Content={{{0}}}
}}

Шаблон:Mbox

2016-02-03T02:16:47Z

Cheerupdude: For the sake of announcements

{| style=" border: thin solid {{{FrameColor}}}; background-color: {{{BackColor}}}; width: 88%; margin: 1em auto 1em auto; padding:.4em; vertical-align: middle; font-size: 90%;" cellpadding="0" cellspacing="0ex"
|-
| style="background-color:#f9f9f9;" width="50px" valign="top" align="center" | [[Файл:Announce.png|30px]]
| style="background-color:{{{BackColor}}}; padding-left:3ex; padding-right:3ex;" | {{{Content}}}
|}

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

2016-02-03T02:03:45Z

Cheerupdude: Added contact info

{| style=" border: thin solid #9999bb; background-color: #e9e9ff; width: 88%; margin: 1em auto 1em auto; padding:.4em; vertical-align: middle; font-size: 90%;" cellpadding="0" cellspacing="0ex"
|-
| style="background-color:#f9f9f9;" width="50px" valign="top" align="center" | [[Файл:Announce.png|30px]]
| style="background-color:{{{ЦветФона}}}; padding-left:3ex; padding-right:3ex;" | [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)"]
|}

==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

2016-02-03T00:19:24Z

Cheerupdude: Я хочу видеть мир в огне

Семинаристы: Нина Полякова, Андрей Квасов

{| style=" border: thin solid #9999bb; background-color: #e9e9ff; width: 88%; margin: 1em auto 1em auto; padding:.4em; vertical-align: middle; font-size: 90%;" cellpadding="0" cellspacing="0ex"
|-
| style="background-color:#f9f9f9;" width="50px" valign="top" align="center" | [[Файл:Announce.png|30px]]
| style="background-color:{{{ЦветФона}}}; padding-left:3ex; padding-right:3ex;" | [http://nbviewer.jupyter.org/github/cheerupdude/ml-course-hse/blob/master/Homework_01.ipynb Выложено] домашнее задание №1. Срок сдачи - 16 февраля
|}

==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)"]
|}

==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]

Файл:Announce.png

2016-02-03T00:13:21Z

Cheerupdude: Cheerupdude загружена новая версия «Файл:Announce.png»

Cool free announcement icon from findicons

Файл:Announce.png

2016-02-03T00:09:47Z

Cheerupdude: Cool free announcement icon from findicons

Cool free announcement icon from findicons

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

2016-02-02T16:35:50Z

Cheerupdude:

Семинаристы: Нина Полякова, Андрей Квасов

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

===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

2016-02-02T16:33:54Z

Cheerupdude:

Семинаристы: Нина Полякова, Андрей Квасов

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

===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

2016-02-02T16:24:27Z

Cheerupdude:

Семинаристы: Нина Полякова, Андрей Квасов

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

===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

2016-01-20T13:14:54Z

Cheerupdude: Создание страницы

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 || rowspan=2 align="center"|2 || Python для анализа данных. Pandas. ||
|-
|}