Wiki - Факультет компьютерных наук - Вклад [ru]

Анализ данных на python, фэн, 2020 spring

2021-01-18T19:58:28Z

Data analysis in R: /* Распределение групп по семинаристам и ассистентам */

==О курсе==

'''Преподаватели:''' [https://www.hse.ru/staff/mekarpov Карпов Максим Евгеньевич], Максимовская Анастасия Максимовна, [https://www.hse.ru/org/persons/65841825 Петросян Артур Тигранович], Ульянкин Филипп Валерьевич, Филатов Артём Андреевич, Аброскин Илья Дмитриевич, Мидюкин Максим Олегович, [https://www.hse.ru/org/persons/307095000 Зарманбетов Ахмед Курманалиевич]

== Правила выставления оценок ==

== Распределение групп по семинаристам и ассистентам ==

{| class="wikitable"
|-
! Группа !! Семинарист !! Ассистент
|-
| 201 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 202 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 203 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 204 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 205 || ||
|-
| 206 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 207 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 208 || ||
|-
| 209 || ||
|-
| 2010 || ||
|-
| 2011 || ||
|-
| 2012 || ||
|}

==Материалы курса==

* [https://t.me/dap_2021_spring тг-чат курса] и [https://t.me/joinchat/TzqFUCBXnQ4kB4YS канал для объявлений]
* [https://docs.google.com/spreadsheets/d/1EnnWqEnSaPU4lXSSR7B4Ku_oTjXTKvNifytbC_OsRho Таблица с оценками]
* github-репозиторий с [https://github.com/hse-econ-data-science/dap_2020_fall материалами курса]
* [https://www.youtube.com/playlist?list=PLEwK9wdS5g0oKVIXZtbU3evzL4ndN2aXk Youtube-канал] с записями семинаров
* [https://github.com/hse-econ-data-science/eds_spring_2020 Материалы прошлого курса (весна 2020)]
* Установите перед первым семинаром Anaconda. [https://github.com/hse-econ-data-science/dap_2020_fall/blob/master/utils/install_conda_windows.pdf Инструкция для windows] и [https://github.com/hse-econ-data-science/dap_2020_fall/blob/master/utils/install_conda_mac.pdf инструкция для мака]

==Оценивание==

Оценка ставится по формуле:

Min(10, Round(0.05 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.15 ДЗ5 + 0.1 КР + 0.3 Экз + 0.1 СР1 + 0.1 СР2 + 0.1 СР3))

'''Домашки:'''

Тут будет перечень ссылок с домашками

'''Контрольные:'''

Тут будет перечень ссылок с контрольными и самостоятельными

'''Другое:'''

Тут будут ещё ссылки

==Большой план маленьких побед==

==== Неделя 1 (18-23 января). Вводимся в python, git и делаем import this ====

* [https://github.com/hse-econ-data-science/dap_2021_spring/tree/main/sem01_intro Материалы семинара sem01]
* [https://official.contest.yandex.ru/contest/24363/enter/ Задачи для семинара]
* Прочитать про то [https://pythonworld.ru/osnovy/pep-8-rukovodstvo-po-napisaniyu-koda-na-python.html как писать код красиво (PEP 8)]

''Задание:''
* Дорешать все задачи из [https://official.contest.yandex.ru/contest/24363/enter/ первого контеста.] Обратите внимание, что они полностью соотвествуют [https://www.coursera.org/learn/python-osnovy-programmirovaniya/home/week/1 первой неделе] рекомендованного вам курса с Coursera. Можно решать их в контесте, можно на курсере. Как вам будет удобнее. Постарайтесь решить хотябы половину их них.
* В качестве альтернативы мы можете попробовать порешать [https://pythontutor.ru/lessons/inout_and_arithmetic_operations/ похожие задачи с pythontutor]

Если хотите мастерски писать в ноутбуках текст на маркдауне:
* [https://www.markdowntutorial.com/ 10-минутный урок по markdown синтаксису]
* [https://guides.github.com/features/mastering-markdown/ Короткий гайд по markdown синтаксису]

==== Недели 2-3 (25 января - 6 февраля). Циклы, условия и листы ====
* [https://github.com/hse-econ-data-science/dap_2021_spring/tree/main/sem02_forif Материалы семинара sem02]
* [https://github.com/hse-econ-data-science/dap_2021_spring/tree/main/sem03_forif Материалы семинара sem03]

''Задачи для семинаров и самостоятельного решения:''

Обратите внимание, что эти наборы задач практически полностью соответствуют [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus рекомендованному вам курсу с Coursera.] Постарайтесь решить из каждого набора хотябы 50%. Если вам удобнее решать задачи на Coursera, тогда делайте это там.

* [https://official.contest.yandex.ru/contest/24441/enter/ Задачи на условия] (первая половина 2 недели курса)
* [https://official.contest.yandex.ru/contest/24442/enter/ Задачи на цикл while (можно решать и через for)] (вторая половина 2 недели курса)
* [https://official.contest.yandex.ru/contest/24443/enter/ Задачи на цикл for (можно решать и через while)] (первая половина 5 недели курса)
* [https://official.contest.yandex.ru/contest/24444/enter/ Задачи на действительные числа и строки] (3 неделя курса)
* [https://official.contest.yandex.ru/contest/24445/enter/ Задачи на списки и циклы] (вторая половина 5 недели курса)

Похожие задачи ждут вас на первой самостоятельной работе.

''Ещё материалы:''

* Объяснения и задачки на pythontutor по [https://pythontutor.ru/lessons/ifelse/ условиям] и циклам [https://pythontutor.ru/lessons/for_loop/ for] и [https://pythontutor.ru/lessons/while/ while].
* Совсем краткий конспект на pythonworld по [https://pythonworld.ru/osnovy/cikly-for-i-while-operatory-break-i-continue-volshebnoe-slovo-else.html циклам] и [https://pythonworld.ru/osnovy/instrukciya-if-elif-else-proverka-istinnosti-trexmestnoe-vyrazhenie-ifelse.html условиям].

==== Неделя без пар (8 - 13 февраля) ====

На этой неделе, в субботу, 13 февраля с 13:00 до 15:00 пройдёт самостоятельная работа. Чтобы подготовиться к ней решайте и разбирайте на консультациях задачи из наборов выше.

==== Неделя 4 (15-20 февраля). Говорим о функциях ====

* [https://github.com/hse-econ-data-science/dap_2021_spring/tree/main/sem04_functions Материалы семинара sem04]

''Задачи для семинаров и самостоятельного решения:''

Обратите внимание, что эти наборы задач практически полностью соответствуют [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus рекомендованному вам курсу с Coursera.] Постарайтесь решить из каждого набора хотябы 50%. Если вам удобнее решать задачи на Coursera, тогда делайте это там.

* [https://official.contest.yandex.ru/contest/24446/enter/ Задачи на написание функций] (4 неделя курса)
* Если хочется задачек чуть сложнее, посмотрите [https://official.contest.yandex.ru/contest/24448/enter/ набор задач на сортировку] (6 неделя курса)

Похожие задачи ждут вас на второй самостоятельной работе.

''Ещё материалы:''

* Урок про функции и рекурсию на [http://pythontutor.ru/lessons/functions/ pythontutor]
* Краткие конспекты [https://pythonworld.ru/tipy-dannyx-v-python/vse-o-funkciyax-i-ix-argumentax.html про функции] на pythonworld

==== Недели 5-6. (24 февраля - 6 марта) множества и словари====

* [https://github.com/hse-econ-data-science/dap_2021_spring/tree/main/sem05_dict Материалы семинара sem05]
* [https://github.com/hse-econ-data-science/dap_2021_spring/tree/main/sem06_dict Материалы семинара sem06]

''Задачи для семинаров и самостоятельного решения:''

Обратите внимание, что эти наборы задач практически полностью соответствуют [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus рекомендованному вам курсу с Coursera.] Постарайтесь решить из каждого набора хотябы 50%. Если вам удобнее решать задачи на Coursera, тогда делайте это там.

* [https://official.contest.yandex.ru/contest/24447/enter/ Задачи на множества] (первая половина 7 недели курса)
* [https://official.contest.yandex.ru/contest/24449/enter/ Задачи на словари] (вторая половина 7 недели курса)

Похожие задачи ждут вас на второй самостоятельной работе.

''Ещё материалы:''

* Уроки про [http://pythontutor.ru/lessons/sets/ множества] и [http://pythontutor.ru/lessons/dicts/ словари] на pythontutor
* Краткие коспекты на pythonworld про [https://pythonworld.ru/tipy-dannyx-v-python/slovari-dict-funkcii-i-metody-slovarej.html словари] и [https://pythonworld.ru/tipy-dannyx-v-python/mnozhestva-set-i-frozenset.html множества]
* Если вы хотите немного углубиться в алгоритмическую составляющую, прочитайте книгу Грокаем Алгоритмы с примерами кода на python, она великолепная и очень просто написана с примерами на python

==== Неделя без пар (8 - 13 марта) ====

На этой неделе, в субботу, 13 марта с 13:00 до 15:00 пройдёт самостоятельная работа. Чтобы подготовиться к ней решайте и разбирайте на консультациях задачи из наборов выше.

==== Неделя 7. (15 - 20 марта)====

Разбираемся с numpy

==== Неделя 8. (22 - 27 марта)====

Начинаем разбираться с pandas

==== Сессия ====

На этой неделе вас ожидает мидтёрм по всем темам из первой половины курса, кроме pandas. Он пройдёт 1 апреля, в четверг, с 11:00 до 14:00.

'''По ходу курса тут появятся материалы к следующим неделям.'''

==Литература==

'''Рекомендуемая литература:'''

* Lutz, M. (2008). [http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=415392 Learning Python (Vol. 3rd ed).] Beijing: O’Reilly Media.
* Vanderplas, J. T. [http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1425081 Python Data Science Handbook : Essential Tools for Working with Data (Vol. First edition).] CA: Reilly - O’Reilly Media, 2016.
* Митчелл Р. [https://e.lanbook.com/book/100903 Скрапинг веб-сайтов с помощю Python.] Издательство "ДМК Пресс", 2016.

Наука о данных (Экономика)

2020-02-16T18:08:26Z

Data analysis in R: Добавил себя в табличку.

==О курсе==

'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], Зарманбетов Ахмед Курманалиевич, Максимовская Анастасия Максимовна, [https://www.hse.ru/org/persons/65841825 Петросян Артур Тигранович], Ульянкин Филипп Валерьевич, Филатов Артём Андреевич.
{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! contact !! Расписание
|-
| 181 || [https://www.hse.ru/staff/bbd Борис Демешев] || Полина Ревина || @r9vina ||
|-
| 182 || [https://www.hse.ru/staff/bbd Борис Демешев] || Василиса Серякова || @Vasilisa_Seryakova ||
|-
| ... || [https://www.hse.ru/org/persons/101555071 Артем Филатов] || || ||
|-
| ... || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || || ||
|-
| 185 || Филипп Ульянкин || Лиза Махнева || @eliza_1 ||
|-
| ... || Зарманбетов Ахмед || Копылов Валентин || @wallykop ||
|-
| ... || Зарманбетов Ахмед || Николаенкова Мария || @nikolamash ||
|}

'''Аннотация курса:'''
Курс "Наука о данных" нацелен на изучение языка программирования Python и получение базовых знаний и навыков для обработки, визуализации и статистического анализа данных, а также дальнейшего прохождения более специализированных курсов в этой области (например, машинного обучения). Первая часть дисциплины отведена на изучение основ языка Python, по итогам которой слушатели узнают о типах и структурах данных, научатся решать алгоритмические задачи и освоят такие базовые понятия программирования, как: условные операторы, функции, рекурсии и циклы. В рамках курса будут пройдены основы различных парадигм программирования: процедурное, функциональное и объектно-ориентированное программирование. Вторая часть курса посвящена освоению теоретической базы и необходимых практических навыков для анализа данных. Слушатели научатся решать задачи по парсингу, препроцессингу и визуализации данных с помощью стандартных и внешних библиотек Python, проверять статистические гипотезы и критерии качества оценок (состоятельность, эффективность и несмещенность), использовать метод максимального правдоподобия.

[https://www.hse.ru/edu/courses/292669321 Официальная программа]

[https://www.coursera.org/learn/python-osnovy-programmirovaniya Информация об онлайн-курсе]

== Правила выставления оценок ==
[https://docs.google.com/spreadsheets/d/13YDDmS561QSkQukWqHnPn_3-aRkniD2trb_KhvsxMRA/edit#gid=0 Таблица с оценками]

Oитоговая = 0.15 * Oонлайн-курс + 0.1 * ОДЗ1 + 0.1 * ОДЗ2 + 0.1 * ОДЗ3 + 0.2 * ОКР1 + 0.2 * ОКР2 + 0.2 * Оэкз

К оценке применяется стандартное арифметическое округление.

==Материалы курса==

Все материалы семинаров находятся [https://github.com/hse-econ-data-science/eds_spring_2020 в репозитории на гитхабе].

Также, для удобства коммуникации, создан [https://t.me/data_science_economics_2020 чат в telegram].

==Литература==

'''Рекомендуемая основная литература:'''

* Christopher M. Bishop. (n.d.). [http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EBA0C705 Pattern Recognition and Machine Learning.] Australian National University.
* Lutz, M. (2008). [http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=415392 Learning Python (Vol. 3rd ed).] Beijing: O’Reilly Media.
* Кремер Н. Ш. [https://biblio-online.ru/book/teoriya-veroyatnostey-i-matematicheskaya-statistika-431167 ТЕОРИЯ ВЕРОЯТНОСТЕЙ И МАТЕМАТИЧЕСКАЯ СТАТИСТИКА 5-е изд., пер. и доп. Учебник и практикум для академического бакалавриата.] Издательство Юрайт, 2019.
* Энатская Н. Ю., Хакимуллин Е. Р. [https://biblio-online.ru/book/teoriya-veroyatnostey-i-matematicheskaya-statistika-446435 ТЕОРИЯ ВЕРОЯТНОСТЕЙ И МАТЕМАТИЧЕСКАЯ СТАТИСТИКА. Учебник и практикум для СПО.] Издательство Юрайт, 2019.
* Hastie, T., Tibshirani, R., Friedman, J. [https://link.springer.com/book/10.1007%2F978-0-387-84858-7 The elements of statistical learning: Data Mining, Inference, and Prediction.] Springer, 2009.

'''Рекомендуемая дополнительная литература:'''

* Vanderplas, J. T. [http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1425081 Python Data Science Handbook : Essential Tools for Working with Data (Vol. First edition).] CA: Reilly - O’Reilly Media, 2016.
* Митчелл Р. [https://e.lanbook.com/book/100903 Скрапинг веб-сайтов с помощю Python.] Издательство "ДМК Пресс", 2016.

Анализ данных в R

2019-09-21T13:26:19Z

Data analysis in R: Новая страница: «== О курсе == Вся информация о курсе находится по [https://ahmedushka7.github.io/R/ ссылке]. == Установка R…»

== О курсе ==

Вся информация о курсе находится по [https://ahmedushka7.github.io/R/ ссылке].

== Установка R и RStudio ==

== Контакты ==

== Материалы курса ==

== Контрольные мероприятия ==

== Список рекомендуемой литераутры ==

Участник:Data analysis in R

2019-08-30T14:06:09Z

Data analysis in R: Полностью удалено содержимое страницы

Участник:Data analysis in R

2019-08-30T14:05:24Z

Data analysis in R: Новая страница: «dew»

dew