Wiki - Факультет компьютерных наук - Вклад [ru]

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T14:08:45Z

Fulyankin:

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T14:07:27Z

Fulyankin:

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T14:05:55Z

Fulyankin:

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T14:03:22Z

Fulyankin:

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T14:03:06Z

Fulyankin:

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T14:00:37Z

Fulyankin:

...
==О курсе==

Это курс по математике для анализа данных. Мы поговорим о поднаготной ML и попытаемся не заблудиться в теоремах и доказательствах. Будет два трека: продвинутый и классный. Программа продвинутой группы выглядит как справочник по продвинутой математике в ML. Мы посвятим основное время матричным производным, матричным разложениям, оптимизации и теории вероятностей. Программа классной группы будет более базовой. Мы вспомним в ней основные вещи из линейной алгебры, оптимизации и теории вероятностей.

* В курсе не будет АБ-тестов и матстата. Они будут в следующем семестре.
* Везде будем пытаться искать примеры из практики.
* Забыть про слово "очевидно" и везде проговаривать, почему это именно так работает, но не закапываться доказательствами.
* Больше смысла и концепций, меньше доказательств.

==Контакты==

Чат курса: ???

Преподаватели:
* Ульянкин Филипп [https://t.me/ppilif @ppilif]
* ???

{| class="wikitable"
|-
! Ассистент !! Группа !! Телеграмм
|-
| style="background:#eaecf0;" | || ||
|-
| style="background:#eaecf0;" | || ||
|-
| style="background:#eaecf0;" | || ||
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 YouTube-playlist]

Ссылка на GitHub с материалами курса: [[ GitHub repository]]

''Темы курсов останутся теми же. Порядок, по всей видимости, тоже. По некоторым из тем проведем несколько занятий (в сумме планируется 8 за семестр). По каким, решим по ситуациям (и просьбам учащихся)''

{| class="wikitable"
|-
! Занятие !! Тема !! Дата !! Ссылки
|-
| style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=xHx6wtExsyE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [Слайды: [https://drive.google.com/file/d/1Bwv73CQOmkD1ZjGRmv-604QCiVWGp2Cs/view OS], [https://drive.google.com/file/d/1SRjIfUDc_vHD9I8cDDEloeeIyckRdyKs/view Welcome to Linux], [https://drive.google.com/file/d/1mXFL1LpbBby4ckw2fwdnIhTnRDxjqw9-/view Working env]] Linux, базовые команды консоли || 16.09.23 || [https://www.youtube.com/watch?v=hb9CTGSJm88 Лекция по OS] от CS-центра
|-
| style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=XwyfFTcAGYo&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 VCS], [https://www.youtube.com/watch?v=00OTScLYAxU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Git], ] || [[https://drive.google.com/file/d/1tF6h_39fTsmWz5N-cqkkks1p84-ZlaA0/view?usp=sharing Слайды]] Git и GitHub. || 23.09.23
|| Установить Git на рабочий компьютер
|-
| style="background:#eaecf0;" | '''3''' [[https://www.youtube.com/watch?v=69MFAA4XMmg&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [[https://drive.google.com/file/d/1XgyMfZ93tsq5aIo2xtXh-HqoBfzOVYXE/view?usp=sharing Слайды]] Клиент-серверная модель, API || 23.09.23 ||
|-
| style="background:#eaecf0;" | '''4''' [[https://www.youtube.com/watch?v=cqBEN0HesK4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 FastAPI], [https://www.youtube.com/watch?v=aSrqOxWkBAs&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Хостинг]] || [[https://drive.google.com/file/d/1NXf6x5MTzhx5lIwosUH8PAAPeVjo5yfw/view?usp=sharing Слайды]] FastAPI. Публикация веб-сервиса на хостинге || 21.10.23 ||
|-
| Конец первого модуля |

|-
| style="background:#eaecf0;" | '''5''' [Логирование ([https://www.youtube.com/watch?v=_lid_D_ejVI&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 logging], [https://www.youtube.com/watch?v=W0BNI-578W4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 loguru]), [https://www.youtube.com/watch?v=b89Z49dOKNc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Виртуализация], [https://www.youtube.com/watch?v=S8Bmed-wHZw&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Установка Docker], [https://www.youtube.com/watch?v=pozjrNb9bEQ&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Создание тг бота]] || [[https://colab.research.google.com/drive/1W4V8jDfcsF45dzWFDZtA4YgkV_rv5RDg Ноутбук], [https://drive.google.com/file/d/1Xer53Vebd2vfrYxo-R8kjYum2lPUJhIp/view Слайды]] Логирование, виртуализация || 18.11.23 ||
|-
| style="background:#eaecf0;" | '''6''' [[https://www.youtube.com/watch?v=oLh7T_Ue_As&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || Введение в SQL || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Слайды]] CI/CD (на примере GitLab) || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Слайды]] SQL (PostgreSQL) / NoSQL (MongoDB) || 30.11.23 ||
|-
| style="background:#eaecf0;" | '''9''' [[ Запись]] || [[ Слайды]] || 07.12.23 ||
|-
| style="background:#eaecf0;" | '''10''' [[ Запись]] || [[ Слайды]] || 11.12.23 ||
|-
|}

=== Записи консультаций ===
* Организация курса, установка Linux по Windows: [[https://www.youtube.com/watch?v=06v9qHz77lc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]], [[https://drive.google.com/file/d/1akjdQlhnZ-xqYBtVvRgXfTlvGwh21hYH/view Слайды]]
* Разбор второго ДЗ (14.10.23, Сб.): [Разборы ДЗ: [https://www.youtube.com/watch?v=Bxu6sYbSLpE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API HeadHunter], [https://www.youtube.com/watch?v=S9AELiMmaUA&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API NYT]], [[https://www.youtube.com/watch?v=pYcHZ07pQyU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Воркшоп "Работа в терминале Linux"]]
* Разбор ДЗ по FastAPI (25.11.23, Сб.) [[https://www.youtube.com/watch?v=GW6e6RTiVvc Запись]], [[https://drive.google.com/file/d/16PLfE9j6dMP2SKDWRCwBr2vzdmojJbYq/view Код]]
* Разбор ДЗ по Git (09.12.23, Сб.) [[https://youtu.be/jZzn25dqRzM?si=APKTWhwcGqW5MUVy Запись]]

==Формула оценивания==

Оценка = 0.15*ОДЗ 1 + 0.15*ОДЗ 2 + 0.15*ОДЗ 3 + 0.15*ОДЗ 4 + 0.1*ОТест 1 + 0.1*ОТест 2

Курс оценивается как '''Зачёт / Незачёт'''. Для зачета нужно набрать не меньше 4-х баллов из 10

== Распределительный тест ==
По результатам [https://docs.google.com/forms/d/e/1FAIpQLSdXbhP7C0qjYIYIYMbEH34--dLo4vfX2-zaWvoYLWLgORs2mw/viewform?usp=sf_link теста] мы ''порекомендуем'' студентам посещать <code>базовую</code> или <code>продвинутую</code> группу.

'''Дедлайн: 08.09 (Пт), 23:59 МСК'''

== Практики ==
* [https://drive.google.com/file/d/1CqmWO6LB0kHr8c0nM4Tkbe9QKfFLW4kJ/view Базовые команды терминала] (для самоконтроля)
* [https://drive.google.com/file/d/15gFpw5CjhJ5goSAFq_TGoD3ttd_eFKHZ/view API и Postman] (бонусное, 5 баллов) | '''Дедлайн: 14.10.23 (Сб), 14:59 МСК'''
* [https://drive.google.com/file/d/1ZQMPWCCQTC3WgtZCLH4C1OQ_EX-Cc4qK/view Dockerfile] (бонусное, 5 баллов) | '''Дедлайн: 07.12.23 (Чт), 23:30 МСК'''
* [https://drive.google.com/file/d/1oLCCu06ucAErCTVuMwdUR2mvVoS_klPP/view Скрипты bash] (бонусное) | '''Дедлайн: 28.01.24 (Вскр), 23:30 МСК'''

== Домашние задания ==
Сдача домашних заданий предусмотрена в [https://anytask.org/course/1037 Anytask]

Инвайты:
* <code>MR4Ycmt</code> (базовая группа)
* <code>hfp0nmG</code> (продвинутая группа) 

# [https://drive.google.com/file/d/1zCXM409iBKPeB3zaGbTbWzwnwUkoW9ZQ/view "FastAPI"], '''Дедлайн: 12.11.23 (Вскр.), 23:59 МСК'''
# [https://drive.google.com/file/d/19ZDKz3fQQlTnBkf69RyGgPN1powa1xMu/view "Git"], '''Дедлайн: 09.12.23 (Чт.), 16:00 МСК'''
# [https://drive.google.com/file/d/1p5g7D152ObOl033TLx6Ge6NF07CeyUh9/view "Практика SQL запросов"], '''Дедлайн: 14.01.24 (Чт.), 23:30 МСК'''
# [https://drive.google.com/file/d/1zbtoHh8q8qNkRE4wAKp4ylkI_WFp259S/view "Docker Compose"], '''Дедлайн: 28.01.24 (Вскр.), 23:30 МСК'''

== Тесты ==
* [https://forms.gle/CJ6nHrjiRpQzJaXK7 "Операционные системы и базовые команды терминала"], '''Дедлайн: 21.10.23, 14:59 МСК'''
* [https://docs.google.com/forms/d/e/1FAIpQLScGjFgq8Kw6Q9lq05TNAZmw_lcpv8QjtuE7FVo8HQ9iRgjvlA/viewform "Git"], '''Дедлайн: 09.12.23, 15:30 МСК'''
* [https://forms.gle/UvY591t7DbBm1EwD7 "Основы запросов в SQL"], '''Дедлайн: 14.01.24, 23:30 МСК'''
* "Docker, GitLab"

== Литература ==
* Непрерывное развертывание ПО : автоматизация процессов сборки, тестирования и внедрения новых версий программ. Хамбл Д. Вильямс.2018
* Кристофер Негус: Библия Linux
* Чакон Скотт, Страуб Бен: Git для профессионального программиста
* Steve McConnell, "Code Complete"

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T14:00:17Z

Fulyankin:

...
==О курсе==

Это курс по математике для анализа данных. Мы поговорим о поднаготной ML и попытаемся не заблудиться в теоремах и доказательствах. Будет два трека: продвинутый и классный. Программа продвинутой группы выглядит как справочник по продвинутой математике в ML. Мы посвятим основное время матричным производным, матричным разложениям, оптимизации и теории вероятностей. Программа классной группы будет более базовой. Мы вспомним в ней основные вещи из линейной алгебры, оптимизации и теории вероятностей.

* В курсе не будет АБ-тестов и матстата. Они будут в следующем семестре.
* Везде будем пытаться искать примеры из практики.
* Забыть про слово "очевидно" и везде проговаривать, почему это именно так работает, но не закапываться доказательствами.
* Больше смысла и концепций, меньше доказательств.

==Контакты==

Чат курса: ???

Преподаватели:
- Ульянкин Филипп [https://t.me/ppilif @ppilif]

{| class="wikitable"
|-
! Ассистент !! Группа !! Телеграмм
|-
| style="background:#eaecf0;" | || ||
|-
| style="background:#eaecf0;" | || ||
|-
| style="background:#eaecf0;" | || ||
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 YouTube-playlist]

Ссылка на GitHub с материалами курса: [[ GitHub repository]]

''Темы курсов останутся теми же. Порядок, по всей видимости, тоже. По некоторым из тем проведем несколько занятий (в сумме планируется 8 за семестр). По каким, решим по ситуациям (и просьбам учащихся)''

{| class="wikitable"
|-
! Занятие !! Тема !! Дата !! Ссылки
|-
| style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=xHx6wtExsyE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [Слайды: [https://drive.google.com/file/d/1Bwv73CQOmkD1ZjGRmv-604QCiVWGp2Cs/view OS], [https://drive.google.com/file/d/1SRjIfUDc_vHD9I8cDDEloeeIyckRdyKs/view Welcome to Linux], [https://drive.google.com/file/d/1mXFL1LpbBby4ckw2fwdnIhTnRDxjqw9-/view Working env]] Linux, базовые команды консоли || 16.09.23 || [https://www.youtube.com/watch?v=hb9CTGSJm88 Лекция по OS] от CS-центра
|-
| style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=XwyfFTcAGYo&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 VCS], [https://www.youtube.com/watch?v=00OTScLYAxU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Git], ] || [[https://drive.google.com/file/d/1tF6h_39fTsmWz5N-cqkkks1p84-ZlaA0/view?usp=sharing Слайды]] Git и GitHub. || 23.09.23
|| Установить Git на рабочий компьютер
|-
| style="background:#eaecf0;" | '''3''' [[https://www.youtube.com/watch?v=69MFAA4XMmg&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [[https://drive.google.com/file/d/1XgyMfZ93tsq5aIo2xtXh-HqoBfzOVYXE/view?usp=sharing Слайды]] Клиент-серверная модель, API || 23.09.23 ||
|-
| style="background:#eaecf0;" | '''4''' [[https://www.youtube.com/watch?v=cqBEN0HesK4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 FastAPI], [https://www.youtube.com/watch?v=aSrqOxWkBAs&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Хостинг]] || [[https://drive.google.com/file/d/1NXf6x5MTzhx5lIwosUH8PAAPeVjo5yfw/view?usp=sharing Слайды]] FastAPI. Публикация веб-сервиса на хостинге || 21.10.23 ||
|-
| Конец первого модуля |

|-
| style="background:#eaecf0;" | '''5''' [Логирование ([https://www.youtube.com/watch?v=_lid_D_ejVI&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 logging], [https://www.youtube.com/watch?v=W0BNI-578W4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 loguru]), [https://www.youtube.com/watch?v=b89Z49dOKNc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Виртуализация], [https://www.youtube.com/watch?v=S8Bmed-wHZw&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Установка Docker], [https://www.youtube.com/watch?v=pozjrNb9bEQ&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Создание тг бота]] || [[https://colab.research.google.com/drive/1W4V8jDfcsF45dzWFDZtA4YgkV_rv5RDg Ноутбук], [https://drive.google.com/file/d/1Xer53Vebd2vfrYxo-R8kjYum2lPUJhIp/view Слайды]] Логирование, виртуализация || 18.11.23 ||
|-
| style="background:#eaecf0;" | '''6''' [[https://www.youtube.com/watch?v=oLh7T_Ue_As&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || Введение в SQL || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Слайды]] CI/CD (на примере GitLab) || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Слайды]] SQL (PostgreSQL) / NoSQL (MongoDB) || 30.11.23 ||
|-
| style="background:#eaecf0;" | '''9''' [[ Запись]] || [[ Слайды]] || 07.12.23 ||
|-
| style="background:#eaecf0;" | '''10''' [[ Запись]] || [[ Слайды]] || 11.12.23 ||
|-
|}

=== Записи консультаций ===
* Организация курса, установка Linux по Windows: [[https://www.youtube.com/watch?v=06v9qHz77lc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]], [[https://drive.google.com/file/d/1akjdQlhnZ-xqYBtVvRgXfTlvGwh21hYH/view Слайды]]
* Разбор второго ДЗ (14.10.23, Сб.): [Разборы ДЗ: [https://www.youtube.com/watch?v=Bxu6sYbSLpE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API HeadHunter], [https://www.youtube.com/watch?v=S9AELiMmaUA&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API NYT]], [[https://www.youtube.com/watch?v=pYcHZ07pQyU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Воркшоп "Работа в терминале Linux"]]
* Разбор ДЗ по FastAPI (25.11.23, Сб.) [[https://www.youtube.com/watch?v=GW6e6RTiVvc Запись]], [[https://drive.google.com/file/d/16PLfE9j6dMP2SKDWRCwBr2vzdmojJbYq/view Код]]
* Разбор ДЗ по Git (09.12.23, Сб.) [[https://youtu.be/jZzn25dqRzM?si=APKTWhwcGqW5MUVy Запись]]

==Формула оценивания==

Оценка = 0.15*ОДЗ 1 + 0.15*ОДЗ 2 + 0.15*ОДЗ 3 + 0.15*ОДЗ 4 + 0.1*ОТест 1 + 0.1*ОТест 2

Курс оценивается как '''Зачёт / Незачёт'''. Для зачета нужно набрать не меньше 4-х баллов из 10

== Распределительный тест ==
По результатам [https://docs.google.com/forms/d/e/1FAIpQLSdXbhP7C0qjYIYIYMbEH34--dLo4vfX2-zaWvoYLWLgORs2mw/viewform?usp=sf_link теста] мы ''порекомендуем'' студентам посещать <code>базовую</code> или <code>продвинутую</code> группу.

'''Дедлайн: 08.09 (Пт), 23:59 МСК'''

== Практики ==
* [https://drive.google.com/file/d/1CqmWO6LB0kHr8c0nM4Tkbe9QKfFLW4kJ/view Базовые команды терминала] (для самоконтроля)
* [https://drive.google.com/file/d/15gFpw5CjhJ5goSAFq_TGoD3ttd_eFKHZ/view API и Postman] (бонусное, 5 баллов) | '''Дедлайн: 14.10.23 (Сб), 14:59 МСК'''
* [https://drive.google.com/file/d/1ZQMPWCCQTC3WgtZCLH4C1OQ_EX-Cc4qK/view Dockerfile] (бонусное, 5 баллов) | '''Дедлайн: 07.12.23 (Чт), 23:30 МСК'''
* [https://drive.google.com/file/d/1oLCCu06ucAErCTVuMwdUR2mvVoS_klPP/view Скрипты bash] (бонусное) | '''Дедлайн: 28.01.24 (Вскр), 23:30 МСК'''

== Домашние задания ==
Сдача домашних заданий предусмотрена в [https://anytask.org/course/1037 Anytask]

Инвайты:
* <code>MR4Ycmt</code> (базовая группа)
* <code>hfp0nmG</code> (продвинутая группа) 

# [https://drive.google.com/file/d/1zCXM409iBKPeB3zaGbTbWzwnwUkoW9ZQ/view "FastAPI"], '''Дедлайн: 12.11.23 (Вскр.), 23:59 МСК'''
# [https://drive.google.com/file/d/19ZDKz3fQQlTnBkf69RyGgPN1powa1xMu/view "Git"], '''Дедлайн: 09.12.23 (Чт.), 16:00 МСК'''
# [https://drive.google.com/file/d/1p5g7D152ObOl033TLx6Ge6NF07CeyUh9/view "Практика SQL запросов"], '''Дедлайн: 14.01.24 (Чт.), 23:30 МСК'''
# [https://drive.google.com/file/d/1zbtoHh8q8qNkRE4wAKp4ylkI_WFp259S/view "Docker Compose"], '''Дедлайн: 28.01.24 (Вскр.), 23:30 МСК'''

== Тесты ==
* [https://forms.gle/CJ6nHrjiRpQzJaXK7 "Операционные системы и базовые команды терминала"], '''Дедлайн: 21.10.23, 14:59 МСК'''
* [https://docs.google.com/forms/d/e/1FAIpQLScGjFgq8Kw6Q9lq05TNAZmw_lcpv8QjtuE7FVo8HQ9iRgjvlA/viewform "Git"], '''Дедлайн: 09.12.23, 15:30 МСК'''
* [https://forms.gle/UvY591t7DbBm1EwD7 "Основы запросов в SQL"], '''Дедлайн: 14.01.24, 23:30 МСК'''
* "Docker, GitLab"

== Литература ==
* Непрерывное развертывание ПО : автоматизация процессов сборки, тестирования и внедрения новых версий программ. Хамбл Д. Вильямс.2018
* Кристофер Негус: Библия Linux
* Чакон Скотт, Страуб Бен: Git для профессионального программиста
* Steve McConnell, "Code Complete"

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T13:59:57Z

Fulyankin:

...
==О курсе==

Это курс по математике для анализа данных. Мы поговорим о поднаготной ML и попытаемся не заблудиться в теоремах и доказательствах. Будет два трека: продвинутый и классный. Программа продвинутой группы выглядит как справочник по продвинутой математике в ML. Мы посвятим основное время матричным производным, матричным разложениям, оптимизации и теории вероятностей. Программа классной группы будет более базовой. Мы вспомним в ней основные вещи из линейной алгебры, оптимизации и теории вероятностей.

* В курсе не будет АБ-тестов и матстата. Они будут в следующем семестре.
* Везде будем пытаться искать примеры из практики.
* Забыть про слово "очевидно" и везде проговаривать, почему это именно так работает, но не закапываться доказательствами.
* Больше смысла и концепций, меньше доказательств.

==Контакты==

Чат курса: ???

Преподаватели:
- Ульянкин Филипп [@ppilif https://t.me/ppilif]

{| class="wikitable"
|-
! Ассистент !! Группа !! Телеграмм
|-
| style="background:#eaecf0;" | || ||
|-
| style="background:#eaecf0;" | || ||
|-
| style="background:#eaecf0;" | || ||
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 YouTube-playlist]

Ссылка на GitHub с материалами курса: [[ GitHub repository]]

''Темы курсов останутся теми же. Порядок, по всей видимости, тоже. По некоторым из тем проведем несколько занятий (в сумме планируется 8 за семестр). По каким, решим по ситуациям (и просьбам учащихся)''

{| class="wikitable"
|-
! Занятие !! Тема !! Дата !! Ссылки
|-
| style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=xHx6wtExsyE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [Слайды: [https://drive.google.com/file/d/1Bwv73CQOmkD1ZjGRmv-604QCiVWGp2Cs/view OS], [https://drive.google.com/file/d/1SRjIfUDc_vHD9I8cDDEloeeIyckRdyKs/view Welcome to Linux], [https://drive.google.com/file/d/1mXFL1LpbBby4ckw2fwdnIhTnRDxjqw9-/view Working env]] Linux, базовые команды консоли || 16.09.23 || [https://www.youtube.com/watch?v=hb9CTGSJm88 Лекция по OS] от CS-центра
|-
| style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=XwyfFTcAGYo&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 VCS], [https://www.youtube.com/watch?v=00OTScLYAxU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Git], ] || [[https://drive.google.com/file/d/1tF6h_39fTsmWz5N-cqkkks1p84-ZlaA0/view?usp=sharing Слайды]] Git и GitHub. || 23.09.23
|| Установить Git на рабочий компьютер
|-
| style="background:#eaecf0;" | '''3''' [[https://www.youtube.com/watch?v=69MFAA4XMmg&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [[https://drive.google.com/file/d/1XgyMfZ93tsq5aIo2xtXh-HqoBfzOVYXE/view?usp=sharing Слайды]] Клиент-серверная модель, API || 23.09.23 ||
|-
| style="background:#eaecf0;" | '''4''' [[https://www.youtube.com/watch?v=cqBEN0HesK4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 FastAPI], [https://www.youtube.com/watch?v=aSrqOxWkBAs&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Хостинг]] || [[https://drive.google.com/file/d/1NXf6x5MTzhx5lIwosUH8PAAPeVjo5yfw/view?usp=sharing Слайды]] FastAPI. Публикация веб-сервиса на хостинге || 21.10.23 ||
|-
| Конец первого модуля |

|-
| style="background:#eaecf0;" | '''5''' [Логирование ([https://www.youtube.com/watch?v=_lid_D_ejVI&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 logging], [https://www.youtube.com/watch?v=W0BNI-578W4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 loguru]), [https://www.youtube.com/watch?v=b89Z49dOKNc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Виртуализация], [https://www.youtube.com/watch?v=S8Bmed-wHZw&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Установка Docker], [https://www.youtube.com/watch?v=pozjrNb9bEQ&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Создание тг бота]] || [[https://colab.research.google.com/drive/1W4V8jDfcsF45dzWFDZtA4YgkV_rv5RDg Ноутбук], [https://drive.google.com/file/d/1Xer53Vebd2vfrYxo-R8kjYum2lPUJhIp/view Слайды]] Логирование, виртуализация || 18.11.23 ||
|-
| style="background:#eaecf0;" | '''6''' [[https://www.youtube.com/watch?v=oLh7T_Ue_As&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || Введение в SQL || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Слайды]] CI/CD (на примере GitLab) || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Слайды]] SQL (PostgreSQL) / NoSQL (MongoDB) || 30.11.23 ||
|-
| style="background:#eaecf0;" | '''9''' [[ Запись]] || [[ Слайды]] || 07.12.23 ||
|-
| style="background:#eaecf0;" | '''10''' [[ Запись]] || [[ Слайды]] || 11.12.23 ||
|-
|}

=== Записи консультаций ===
* Организация курса, установка Linux по Windows: [[https://www.youtube.com/watch?v=06v9qHz77lc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]], [[https://drive.google.com/file/d/1akjdQlhnZ-xqYBtVvRgXfTlvGwh21hYH/view Слайды]]
* Разбор второго ДЗ (14.10.23, Сб.): [Разборы ДЗ: [https://www.youtube.com/watch?v=Bxu6sYbSLpE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API HeadHunter], [https://www.youtube.com/watch?v=S9AELiMmaUA&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API NYT]], [[https://www.youtube.com/watch?v=pYcHZ07pQyU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Воркшоп "Работа в терминале Linux"]]
* Разбор ДЗ по FastAPI (25.11.23, Сб.) [[https://www.youtube.com/watch?v=GW6e6RTiVvc Запись]], [[https://drive.google.com/file/d/16PLfE9j6dMP2SKDWRCwBr2vzdmojJbYq/view Код]]
* Разбор ДЗ по Git (09.12.23, Сб.) [[https://youtu.be/jZzn25dqRzM?si=APKTWhwcGqW5MUVy Запись]]

==Формула оценивания==

Оценка = 0.15*ОДЗ 1 + 0.15*ОДЗ 2 + 0.15*ОДЗ 3 + 0.15*ОДЗ 4 + 0.1*ОТест 1 + 0.1*ОТест 2

Курс оценивается как '''Зачёт / Незачёт'''. Для зачета нужно набрать не меньше 4-х баллов из 10

== Распределительный тест ==
По результатам [https://docs.google.com/forms/d/e/1FAIpQLSdXbhP7C0qjYIYIYMbEH34--dLo4vfX2-zaWvoYLWLgORs2mw/viewform?usp=sf_link теста] мы ''порекомендуем'' студентам посещать <code>базовую</code> или <code>продвинутую</code> группу.

'''Дедлайн: 08.09 (Пт), 23:59 МСК'''

== Практики ==
* [https://drive.google.com/file/d/1CqmWO6LB0kHr8c0nM4Tkbe9QKfFLW4kJ/view Базовые команды терминала] (для самоконтроля)
* [https://drive.google.com/file/d/15gFpw5CjhJ5goSAFq_TGoD3ttd_eFKHZ/view API и Postman] (бонусное, 5 баллов) | '''Дедлайн: 14.10.23 (Сб), 14:59 МСК'''
* [https://drive.google.com/file/d/1ZQMPWCCQTC3WgtZCLH4C1OQ_EX-Cc4qK/view Dockerfile] (бонусное, 5 баллов) | '''Дедлайн: 07.12.23 (Чт), 23:30 МСК'''
* [https://drive.google.com/file/d/1oLCCu06ucAErCTVuMwdUR2mvVoS_klPP/view Скрипты bash] (бонусное) | '''Дедлайн: 28.01.24 (Вскр), 23:30 МСК'''

== Домашние задания ==
Сдача домашних заданий предусмотрена в [https://anytask.org/course/1037 Anytask]

Инвайты:
* <code>MR4Ycmt</code> (базовая группа)
* <code>hfp0nmG</code> (продвинутая группа) 

# [https://drive.google.com/file/d/1zCXM409iBKPeB3zaGbTbWzwnwUkoW9ZQ/view "FastAPI"], '''Дедлайн: 12.11.23 (Вскр.), 23:59 МСК'''
# [https://drive.google.com/file/d/19ZDKz3fQQlTnBkf69RyGgPN1powa1xMu/view "Git"], '''Дедлайн: 09.12.23 (Чт.), 16:00 МСК'''
# [https://drive.google.com/file/d/1p5g7D152ObOl033TLx6Ge6NF07CeyUh9/view "Практика SQL запросов"], '''Дедлайн: 14.01.24 (Чт.), 23:30 МСК'''
# [https://drive.google.com/file/d/1zbtoHh8q8qNkRE4wAKp4ylkI_WFp259S/view "Docker Compose"], '''Дедлайн: 28.01.24 (Вскр.), 23:30 МСК'''

== Тесты ==
* [https://forms.gle/CJ6nHrjiRpQzJaXK7 "Операционные системы и базовые команды терминала"], '''Дедлайн: 21.10.23, 14:59 МСК'''
* [https://docs.google.com/forms/d/e/1FAIpQLScGjFgq8Kw6Q9lq05TNAZmw_lcpv8QjtuE7FVo8HQ9iRgjvlA/viewform "Git"], '''Дедлайн: 09.12.23, 15:30 МСК'''
* [https://forms.gle/UvY591t7DbBm1EwD7 "Основы запросов в SQL"], '''Дедлайн: 14.01.24, 23:30 МСК'''
* "Docker, GitLab"

== Литература ==
* Непрерывное развертывание ПО : автоматизация процессов сборки, тестирования и внедрения новых версий программ. Хамбл Д. Вильямс.2018
* Кристофер Негус: Библия Linux
* Чакон Скотт, Страуб Бен: Git для профессионального программиста
* Steve McConnell, "Code Complete"

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T13:59:36Z

Fulyankin:

...
==О курсе==

Это курс по математике для анализа данных. Мы поговорим о поднаготной ML и попытаемся не заблудиться в теоремах и доказательствах. Будет два трека: продвинутый и классный. Программа продвинутой группы выглядит как справочник по продвинутой математике в ML. Мы посвятим основное время матричным производным, матричным разложениям, оптимизации и теории вероятностей. Программа классной группы будет более базовой. Мы вспомним в ней основные вещи из линейной алгебры, оптимизации и теории вероятностей.

* В курсе не будет АБ-тестов и матстата. Они будут в следующем семестре.
* Везде будем пытаться искать примеры из практики.
* Забыть про слово "очевидно" и везде проговаривать, почему это именно так работает, но не закапываться доказательствами.
* Больше смысла и концепций, меньше доказательств.

==Контакты==

Чат курса: ???

Преподаватели:
- Ульянкин Филипп [@ppilif](https://t.me/ppilif)

{| class="wikitable"
|-
! Ассистент !! Группа !! Телеграмм
|-
| style="background:#eaecf0;" | || ||
|-
| style="background:#eaecf0;" | || ||
|-
| style="background:#eaecf0;" | || ||
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 YouTube-playlist]

Ссылка на GitHub с материалами курса: [[ GitHub repository]]

''Темы курсов останутся теми же. Порядок, по всей видимости, тоже. По некоторым из тем проведем несколько занятий (в сумме планируется 8 за семестр). По каким, решим по ситуациям (и просьбам учащихся)''

{| class="wikitable"
|-
! Занятие !! Тема !! Дата !! Ссылки
|-
| style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=xHx6wtExsyE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [Слайды: [https://drive.google.com/file/d/1Bwv73CQOmkD1ZjGRmv-604QCiVWGp2Cs/view OS], [https://drive.google.com/file/d/1SRjIfUDc_vHD9I8cDDEloeeIyckRdyKs/view Welcome to Linux], [https://drive.google.com/file/d/1mXFL1LpbBby4ckw2fwdnIhTnRDxjqw9-/view Working env]] Linux, базовые команды консоли || 16.09.23 || [https://www.youtube.com/watch?v=hb9CTGSJm88 Лекция по OS] от CS-центра
|-
| style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=XwyfFTcAGYo&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 VCS], [https://www.youtube.com/watch?v=00OTScLYAxU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Git], ] || [[https://drive.google.com/file/d/1tF6h_39fTsmWz5N-cqkkks1p84-ZlaA0/view?usp=sharing Слайды]] Git и GitHub. || 23.09.23
|| Установить Git на рабочий компьютер
|-
| style="background:#eaecf0;" | '''3''' [[https://www.youtube.com/watch?v=69MFAA4XMmg&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [[https://drive.google.com/file/d/1XgyMfZ93tsq5aIo2xtXh-HqoBfzOVYXE/view?usp=sharing Слайды]] Клиент-серверная модель, API || 23.09.23 ||
|-
| style="background:#eaecf0;" | '''4''' [[https://www.youtube.com/watch?v=cqBEN0HesK4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 FastAPI], [https://www.youtube.com/watch?v=aSrqOxWkBAs&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Хостинг]] || [[https://drive.google.com/file/d/1NXf6x5MTzhx5lIwosUH8PAAPeVjo5yfw/view?usp=sharing Слайды]] FastAPI. Публикация веб-сервиса на хостинге || 21.10.23 ||
|-
| Конец первого модуля |

|-
| style="background:#eaecf0;" | '''5''' [Логирование ([https://www.youtube.com/watch?v=_lid_D_ejVI&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 logging], [https://www.youtube.com/watch?v=W0BNI-578W4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 loguru]), [https://www.youtube.com/watch?v=b89Z49dOKNc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Виртуализация], [https://www.youtube.com/watch?v=S8Bmed-wHZw&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Установка Docker], [https://www.youtube.com/watch?v=pozjrNb9bEQ&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Создание тг бота]] || [[https://colab.research.google.com/drive/1W4V8jDfcsF45dzWFDZtA4YgkV_rv5RDg Ноутбук], [https://drive.google.com/file/d/1Xer53Vebd2vfrYxo-R8kjYum2lPUJhIp/view Слайды]] Логирование, виртуализация || 18.11.23 ||
|-
| style="background:#eaecf0;" | '''6''' [[https://www.youtube.com/watch?v=oLh7T_Ue_As&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || Введение в SQL || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Слайды]] CI/CD (на примере GitLab) || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Слайды]] SQL (PostgreSQL) / NoSQL (MongoDB) || 30.11.23 ||
|-
| style="background:#eaecf0;" | '''9''' [[ Запись]] || [[ Слайды]] || 07.12.23 ||
|-
| style="background:#eaecf0;" | '''10''' [[ Запись]] || [[ Слайды]] || 11.12.23 ||
|-
|}

=== Записи консультаций ===
* Организация курса, установка Linux по Windows: [[https://www.youtube.com/watch?v=06v9qHz77lc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]], [[https://drive.google.com/file/d/1akjdQlhnZ-xqYBtVvRgXfTlvGwh21hYH/view Слайды]]
* Разбор второго ДЗ (14.10.23, Сб.): [Разборы ДЗ: [https://www.youtube.com/watch?v=Bxu6sYbSLpE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API HeadHunter], [https://www.youtube.com/watch?v=S9AELiMmaUA&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API NYT]], [[https://www.youtube.com/watch?v=pYcHZ07pQyU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Воркшоп "Работа в терминале Linux"]]
* Разбор ДЗ по FastAPI (25.11.23, Сб.) [[https://www.youtube.com/watch?v=GW6e6RTiVvc Запись]], [[https://drive.google.com/file/d/16PLfE9j6dMP2SKDWRCwBr2vzdmojJbYq/view Код]]
* Разбор ДЗ по Git (09.12.23, Сб.) [[https://youtu.be/jZzn25dqRzM?si=APKTWhwcGqW5MUVy Запись]]

==Формула оценивания==

Оценка = 0.15*ОДЗ 1 + 0.15*ОДЗ 2 + 0.15*ОДЗ 3 + 0.15*ОДЗ 4 + 0.1*ОТест 1 + 0.1*ОТест 2

Курс оценивается как '''Зачёт / Незачёт'''. Для зачета нужно набрать не меньше 4-х баллов из 10

== Распределительный тест ==
По результатам [https://docs.google.com/forms/d/e/1FAIpQLSdXbhP7C0qjYIYIYMbEH34--dLo4vfX2-zaWvoYLWLgORs2mw/viewform?usp=sf_link теста] мы ''порекомендуем'' студентам посещать <code>базовую</code> или <code>продвинутую</code> группу.

'''Дедлайн: 08.09 (Пт), 23:59 МСК'''

== Практики ==
* [https://drive.google.com/file/d/1CqmWO6LB0kHr8c0nM4Tkbe9QKfFLW4kJ/view Базовые команды терминала] (для самоконтроля)
* [https://drive.google.com/file/d/15gFpw5CjhJ5goSAFq_TGoD3ttd_eFKHZ/view API и Postman] (бонусное, 5 баллов) | '''Дедлайн: 14.10.23 (Сб), 14:59 МСК'''
* [https://drive.google.com/file/d/1ZQMPWCCQTC3WgtZCLH4C1OQ_EX-Cc4qK/view Dockerfile] (бонусное, 5 баллов) | '''Дедлайн: 07.12.23 (Чт), 23:30 МСК'''
* [https://drive.google.com/file/d/1oLCCu06ucAErCTVuMwdUR2mvVoS_klPP/view Скрипты bash] (бонусное) | '''Дедлайн: 28.01.24 (Вскр), 23:30 МСК'''

== Домашние задания ==
Сдача домашних заданий предусмотрена в [https://anytask.org/course/1037 Anytask]

Инвайты:
* <code>MR4Ycmt</code> (базовая группа)
* <code>hfp0nmG</code> (продвинутая группа) 

# [https://drive.google.com/file/d/1zCXM409iBKPeB3zaGbTbWzwnwUkoW9ZQ/view "FastAPI"], '''Дедлайн: 12.11.23 (Вскр.), 23:59 МСК'''
# [https://drive.google.com/file/d/19ZDKz3fQQlTnBkf69RyGgPN1powa1xMu/view "Git"], '''Дедлайн: 09.12.23 (Чт.), 16:00 МСК'''
# [https://drive.google.com/file/d/1p5g7D152ObOl033TLx6Ge6NF07CeyUh9/view "Практика SQL запросов"], '''Дедлайн: 14.01.24 (Чт.), 23:30 МСК'''
# [https://drive.google.com/file/d/1zbtoHh8q8qNkRE4wAKp4ylkI_WFp259S/view "Docker Compose"], '''Дедлайн: 28.01.24 (Вскр.), 23:30 МСК'''

== Тесты ==
* [https://forms.gle/CJ6nHrjiRpQzJaXK7 "Операционные системы и базовые команды терминала"], '''Дедлайн: 21.10.23, 14:59 МСК'''
* [https://docs.google.com/forms/d/e/1FAIpQLScGjFgq8Kw6Q9lq05TNAZmw_lcpv8QjtuE7FVo8HQ9iRgjvlA/viewform "Git"], '''Дедлайн: 09.12.23, 15:30 МСК'''
* [https://forms.gle/UvY591t7DbBm1EwD7 "Основы запросов в SQL"], '''Дедлайн: 14.01.24, 23:30 МСК'''
* "Docker, GitLab"

== Литература ==
* Непрерывное развертывание ПО : автоматизация процессов сборки, тестирования и внедрения новых версий программ. Хамбл Д. Вильямс.2018
* Кристофер Негус: Библия Linux
* Чакон Скотт, Страуб Бен: Git для профессионального программиста
* Steve McConnell, "Code Complete"

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T13:56:45Z

Fulyankin:

...
==О курсе==

Это курс по математике для анализа данных. Мы поговорим о поднаготной ML и попытаемся не заблудиться в теоремах и доказательствах. Будет два трека: продвинутый и классный. Программа продвинутой группы выглядит как справочник по продвинутой математике в ML. Мы посвятим основное время матричным производным, матричным разложениям, оптимизации и теории вероятностей. Программа классной группы будет более базовой. Мы вспомним в ней основные вещи из линейной алгебры, оптимизации и теории вероятностей.

* В курсе не будет АБ-тестов и матстата. Они будут в следующем семестре.
* Везде будем пытаться искать примеры из практики.
* Забыть про слово "очевидно" и везде проговаривать, почему это именно так работает, но не закапываться доказательствами.
* Больше смысла и концепций, меньше доказательств.

==Контакты==

Чат курса в TG: https://t.me/+b4oZeIwwoWEzMDMy

Преподаватель: Паточенко Евгений

{| class="wikitable"
|-
! Ассистент !! Телеграмм
|-
| style="background:#eaecf0;" | Милана Кучумова || [https://t.me/milana_kma @milana_kma]
|-
| style="background:#eaecf0;" | Сергей Осипович || [https://t.me/ml_enjoyer @ml_enjoyer]
|-
| style="background:#eaecf0;" | Никита || [https://t.me/Abrakadabra457 @Abrakadabra457]
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 YouTube-playlist]

Ссылка на GitHub с материалами курса: [[ GitHub repository]]

''Темы курсов останутся теми же. Порядок, по всей видимости, тоже. По некоторым из тем проведем несколько занятий (в сумме планируется 8 за семестр). По каким, решим по ситуациям (и просьбам учащихся)''

{| class="wikitable"
|-
! Занятие !! Тема !! Дата !! Ссылки
|-
| style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=xHx6wtExsyE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [Слайды: [https://drive.google.com/file/d/1Bwv73CQOmkD1ZjGRmv-604QCiVWGp2Cs/view OS], [https://drive.google.com/file/d/1SRjIfUDc_vHD9I8cDDEloeeIyckRdyKs/view Welcome to Linux], [https://drive.google.com/file/d/1mXFL1LpbBby4ckw2fwdnIhTnRDxjqw9-/view Working env]] Linux, базовые команды консоли || 16.09.23 || [https://www.youtube.com/watch?v=hb9CTGSJm88 Лекция по OS] от CS-центра
|-
| style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=XwyfFTcAGYo&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 VCS], [https://www.youtube.com/watch?v=00OTScLYAxU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Git], ] || [[https://drive.google.com/file/d/1tF6h_39fTsmWz5N-cqkkks1p84-ZlaA0/view?usp=sharing Слайды]] Git и GitHub. || 23.09.23
|| Установить Git на рабочий компьютер
|-
| style="background:#eaecf0;" | '''3''' [[https://www.youtube.com/watch?v=69MFAA4XMmg&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [[https://drive.google.com/file/d/1XgyMfZ93tsq5aIo2xtXh-HqoBfzOVYXE/view?usp=sharing Слайды]] Клиент-серверная модель, API || 23.09.23 ||
|-
| style="background:#eaecf0;" | '''4''' [[https://www.youtube.com/watch?v=cqBEN0HesK4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 FastAPI], [https://www.youtube.com/watch?v=aSrqOxWkBAs&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Хостинг]] || [[https://drive.google.com/file/d/1NXf6x5MTzhx5lIwosUH8PAAPeVjo5yfw/view?usp=sharing Слайды]] FastAPI. Публикация веб-сервиса на хостинге || 21.10.23 ||
|-
| Конец первого модуля |

|-
| style="background:#eaecf0;" | '''5''' [Логирование ([https://www.youtube.com/watch?v=_lid_D_ejVI&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 logging], [https://www.youtube.com/watch?v=W0BNI-578W4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 loguru]), [https://www.youtube.com/watch?v=b89Z49dOKNc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Виртуализация], [https://www.youtube.com/watch?v=S8Bmed-wHZw&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Установка Docker], [https://www.youtube.com/watch?v=pozjrNb9bEQ&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Создание тг бота]] || [[https://colab.research.google.com/drive/1W4V8jDfcsF45dzWFDZtA4YgkV_rv5RDg Ноутбук], [https://drive.google.com/file/d/1Xer53Vebd2vfrYxo-R8kjYum2lPUJhIp/view Слайды]] Логирование, виртуализация || 18.11.23 ||
|-
| style="background:#eaecf0;" | '''6''' [[https://www.youtube.com/watch?v=oLh7T_Ue_As&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || Введение в SQL || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Слайды]] CI/CD (на примере GitLab) || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Слайды]] SQL (PostgreSQL) / NoSQL (MongoDB) || 30.11.23 ||
|-
| style="background:#eaecf0;" | '''9''' [[ Запись]] || [[ Слайды]] || 07.12.23 ||
|-
| style="background:#eaecf0;" | '''10''' [[ Запись]] || [[ Слайды]] || 11.12.23 ||
|-
|}

=== Записи консультаций ===
* Организация курса, установка Linux по Windows: [[https://www.youtube.com/watch?v=06v9qHz77lc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]], [[https://drive.google.com/file/d/1akjdQlhnZ-xqYBtVvRgXfTlvGwh21hYH/view Слайды]]
* Разбор второго ДЗ (14.10.23, Сб.): [Разборы ДЗ: [https://www.youtube.com/watch?v=Bxu6sYbSLpE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API HeadHunter], [https://www.youtube.com/watch?v=S9AELiMmaUA&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API NYT]], [[https://www.youtube.com/watch?v=pYcHZ07pQyU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Воркшоп "Работа в терминале Linux"]]
* Разбор ДЗ по FastAPI (25.11.23, Сб.) [[https://www.youtube.com/watch?v=GW6e6RTiVvc Запись]], [[https://drive.google.com/file/d/16PLfE9j6dMP2SKDWRCwBr2vzdmojJbYq/view Код]]
* Разбор ДЗ по Git (09.12.23, Сб.) [[https://youtu.be/jZzn25dqRzM?si=APKTWhwcGqW5MUVy Запись]]

==Формула оценивания==

Оценка = 0.15*ОДЗ 1 + 0.15*ОДЗ 2 + 0.15*ОДЗ 3 + 0.15*ОДЗ 4 + 0.1*ОТест 1 + 0.1*ОТест 2

Курс оценивается как '''Зачёт / Незачёт'''. Для зачета нужно набрать не меньше 4-х баллов из 10

== Распределительный тест ==
По результатам [https://docs.google.com/forms/d/e/1FAIpQLSdXbhP7C0qjYIYIYMbEH34--dLo4vfX2-zaWvoYLWLgORs2mw/viewform?usp=sf_link теста] мы ''порекомендуем'' студентам посещать <code>базовую</code> или <code>продвинутую</code> группу.

'''Дедлайн: 08.09 (Пт), 23:59 МСК'''

== Практики ==
* [https://drive.google.com/file/d/1CqmWO6LB0kHr8c0nM4Tkbe9QKfFLW4kJ/view Базовые команды терминала] (для самоконтроля)
* [https://drive.google.com/file/d/15gFpw5CjhJ5goSAFq_TGoD3ttd_eFKHZ/view API и Postman] (бонусное, 5 баллов) | '''Дедлайн: 14.10.23 (Сб), 14:59 МСК'''
* [https://drive.google.com/file/d/1ZQMPWCCQTC3WgtZCLH4C1OQ_EX-Cc4qK/view Dockerfile] (бонусное, 5 баллов) | '''Дедлайн: 07.12.23 (Чт), 23:30 МСК'''
* [https://drive.google.com/file/d/1oLCCu06ucAErCTVuMwdUR2mvVoS_klPP/view Скрипты bash] (бонусное) | '''Дедлайн: 28.01.24 (Вскр), 23:30 МСК'''

== Домашние задания ==
Сдача домашних заданий предусмотрена в [https://anytask.org/course/1037 Anytask]

Инвайты:
* <code>MR4Ycmt</code> (базовая группа)
* <code>hfp0nmG</code> (продвинутая группа) 

# [https://drive.google.com/file/d/1zCXM409iBKPeB3zaGbTbWzwnwUkoW9ZQ/view "FastAPI"], '''Дедлайн: 12.11.23 (Вскр.), 23:59 МСК'''
# [https://drive.google.com/file/d/19ZDKz3fQQlTnBkf69RyGgPN1powa1xMu/view "Git"], '''Дедлайн: 09.12.23 (Чт.), 16:00 МСК'''
# [https://drive.google.com/file/d/1p5g7D152ObOl033TLx6Ge6NF07CeyUh9/view "Практика SQL запросов"], '''Дедлайн: 14.01.24 (Чт.), 23:30 МСК'''
# [https://drive.google.com/file/d/1zbtoHh8q8qNkRE4wAKp4ylkI_WFp259S/view "Docker Compose"], '''Дедлайн: 28.01.24 (Вскр.), 23:30 МСК'''

== Тесты ==
* [https://forms.gle/CJ6nHrjiRpQzJaXK7 "Операционные системы и базовые команды терминала"], '''Дедлайн: 21.10.23, 14:59 МСК'''
* [https://docs.google.com/forms/d/e/1FAIpQLScGjFgq8Kw6Q9lq05TNAZmw_lcpv8QjtuE7FVo8HQ9iRgjvlA/viewform "Git"], '''Дедлайн: 09.12.23, 15:30 МСК'''
* [https://forms.gle/UvY591t7DbBm1EwD7 "Основы запросов в SQL"], '''Дедлайн: 14.01.24, 23:30 МСК'''
* "Docker, GitLab"

== Литература ==
* Непрерывное развертывание ПО : автоматизация процессов сборки, тестирования и внедрения новых версий программ. Хамбл Д. Вильямс.2018
* Кристофер Негус: Библия Linux
* Чакон Скотт, Страуб Бен: Git для профессионального программиста
* Steve McConnell, "Code Complete"

ИИ Математика для анализа данных (ИИ24, 1-2 модули)

2024-08-30T13:55:26Z

Fulyankin:

...
==О курсе==

''Мы освоим основные инструменты, которые используются в повседневной работе разработчика программного обеспечения. Курс предназначен для знакомства с операционной системой Linux, развития навыков работы в терминале и освоения синтаксиса BASH. Во второй части курса рассматриваются вопросы систем контроля версий, контейнеризации, систем непрерывной интеграции (continuous integration) и непрерывного развертывания (continuous delivery).''

Занятия проводятся в [https://us06web.zoom.us/j/89217825645?pwd=QllWcCs5dmcvTlMyYkVlRWt5cmN3QT09 Zoom] '''по субботам в 15:00''' на базовом треке и '''в 16:40''' на продвинутом

==Контакты==

Чат курса в TG: https://t.me/+b4oZeIwwoWEzMDMy

Преподаватель: Паточенко Евгений

{| class="wikitable"
|-
! Ассистент !! Телеграмм
|-
| style="background:#eaecf0;" | Милана Кучумова || [https://t.me/milana_kma @milana_kma]
|-
| style="background:#eaecf0;" | Сергей Осипович || [https://t.me/ml_enjoyer @ml_enjoyer]
|-
| style="background:#eaecf0;" | Никита || [https://t.me/Abrakadabra457 @Abrakadabra457]
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 YouTube-playlist]

Ссылка на GitHub с материалами курса: [[ GitHub repository]]

''Темы курсов останутся теми же. Порядок, по всей видимости, тоже. По некоторым из тем проведем несколько занятий (в сумме планируется 8 за семестр). По каким, решим по ситуациям (и просьбам учащихся)''

{| class="wikitable"
|-
! Занятие !! Тема !! Дата !! Ссылки
|-
| style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=xHx6wtExsyE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [Слайды: [https://drive.google.com/file/d/1Bwv73CQOmkD1ZjGRmv-604QCiVWGp2Cs/view OS], [https://drive.google.com/file/d/1SRjIfUDc_vHD9I8cDDEloeeIyckRdyKs/view Welcome to Linux], [https://drive.google.com/file/d/1mXFL1LpbBby4ckw2fwdnIhTnRDxjqw9-/view Working env]] Linux, базовые команды консоли || 16.09.23 || [https://www.youtube.com/watch?v=hb9CTGSJm88 Лекция по OS] от CS-центра
|-
| style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=XwyfFTcAGYo&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 VCS], [https://www.youtube.com/watch?v=00OTScLYAxU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Git], ] || [[https://drive.google.com/file/d/1tF6h_39fTsmWz5N-cqkkks1p84-ZlaA0/view?usp=sharing Слайды]] Git и GitHub. || 23.09.23
|| Установить Git на рабочий компьютер
|-
| style="background:#eaecf0;" | '''3''' [[https://www.youtube.com/watch?v=69MFAA4XMmg&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [[https://drive.google.com/file/d/1XgyMfZ93tsq5aIo2xtXh-HqoBfzOVYXE/view?usp=sharing Слайды]] Клиент-серверная модель, API || 23.09.23 ||
|-
| style="background:#eaecf0;" | '''4''' [[https://www.youtube.com/watch?v=cqBEN0HesK4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 FastAPI], [https://www.youtube.com/watch?v=aSrqOxWkBAs&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Хостинг]] || [[https://drive.google.com/file/d/1NXf6x5MTzhx5lIwosUH8PAAPeVjo5yfw/view?usp=sharing Слайды]] FastAPI. Публикация веб-сервиса на хостинге || 21.10.23 ||
|-
| Конец первого модуля |

|-
| style="background:#eaecf0;" | '''5''' [Логирование ([https://www.youtube.com/watch?v=_lid_D_ejVI&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 logging], [https://www.youtube.com/watch?v=W0BNI-578W4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 loguru]), [https://www.youtube.com/watch?v=b89Z49dOKNc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Виртуализация], [https://www.youtube.com/watch?v=S8Bmed-wHZw&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Установка Docker], [https://www.youtube.com/watch?v=pozjrNb9bEQ&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Создание тг бота]] || [[https://colab.research.google.com/drive/1W4V8jDfcsF45dzWFDZtA4YgkV_rv5RDg Ноутбук], [https://drive.google.com/file/d/1Xer53Vebd2vfrYxo-R8kjYum2lPUJhIp/view Слайды]] Логирование, виртуализация || 18.11.23 ||
|-
| style="background:#eaecf0;" | '''6''' [[https://www.youtube.com/watch?v=oLh7T_Ue_As&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || Введение в SQL || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Слайды]] CI/CD (на примере GitLab) || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Слайды]] SQL (PostgreSQL) / NoSQL (MongoDB) || 30.11.23 ||
|-
| style="background:#eaecf0;" | '''9''' [[ Запись]] || [[ Слайды]] || 07.12.23 ||
|-
| style="background:#eaecf0;" | '''10''' [[ Запись]] || [[ Слайды]] || 11.12.23 ||
|-
|}

=== Записи консультаций ===
* Организация курса, установка Linux по Windows: [[https://www.youtube.com/watch?v=06v9qHz77lc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]], [[https://drive.google.com/file/d/1akjdQlhnZ-xqYBtVvRgXfTlvGwh21hYH/view Слайды]]
* Разбор второго ДЗ (14.10.23, Сб.): [Разборы ДЗ: [https://www.youtube.com/watch?v=Bxu6sYbSLpE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API HeadHunter], [https://www.youtube.com/watch?v=S9AELiMmaUA&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API NYT]], [[https://www.youtube.com/watch?v=pYcHZ07pQyU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Воркшоп "Работа в терминале Linux"]]
* Разбор ДЗ по FastAPI (25.11.23, Сб.) [[https://www.youtube.com/watch?v=GW6e6RTiVvc Запись]], [[https://drive.google.com/file/d/16PLfE9j6dMP2SKDWRCwBr2vzdmojJbYq/view Код]]
* Разбор ДЗ по Git (09.12.23, Сб.) [[https://youtu.be/jZzn25dqRzM?si=APKTWhwcGqW5MUVy Запись]]

==Формула оценивания==

Оценка = 0.15*ОДЗ 1 + 0.15*ОДЗ 2 + 0.15*ОДЗ 3 + 0.15*ОДЗ 4 + 0.1*ОТест 1 + 0.1*ОТест 2

Курс оценивается как '''Зачёт / Незачёт'''. Для зачета нужно набрать не меньше 4-х баллов из 10

== Распределительный тест ==
По результатам [https://docs.google.com/forms/d/e/1FAIpQLSdXbhP7C0qjYIYIYMbEH34--dLo4vfX2-zaWvoYLWLgORs2mw/viewform?usp=sf_link теста] мы ''порекомендуем'' студентам посещать <code>базовую</code> или <code>продвинутую</code> группу.

'''Дедлайн: 08.09 (Пт), 23:59 МСК'''

== Практики ==
* [https://drive.google.com/file/d/1CqmWO6LB0kHr8c0nM4Tkbe9QKfFLW4kJ/view Базовые команды терминала] (для самоконтроля)
* [https://drive.google.com/file/d/15gFpw5CjhJ5goSAFq_TGoD3ttd_eFKHZ/view API и Postman] (бонусное, 5 баллов) | '''Дедлайн: 14.10.23 (Сб), 14:59 МСК'''
* [https://drive.google.com/file/d/1ZQMPWCCQTC3WgtZCLH4C1OQ_EX-Cc4qK/view Dockerfile] (бонусное, 5 баллов) | '''Дедлайн: 07.12.23 (Чт), 23:30 МСК'''
* [https://drive.google.com/file/d/1oLCCu06ucAErCTVuMwdUR2mvVoS_klPP/view Скрипты bash] (бонусное) | '''Дедлайн: 28.01.24 (Вскр), 23:30 МСК'''

== Домашние задания ==
Сдача домашних заданий предусмотрена в [https://anytask.org/course/1037 Anytask]

Инвайты:
* <code>MR4Ycmt</code> (базовая группа)
* <code>hfp0nmG</code> (продвинутая группа) 

# [https://drive.google.com/file/d/1zCXM409iBKPeB3zaGbTbWzwnwUkoW9ZQ/view "FastAPI"], '''Дедлайн: 12.11.23 (Вскр.), 23:59 МСК'''
# [https://drive.google.com/file/d/19ZDKz3fQQlTnBkf69RyGgPN1powa1xMu/view "Git"], '''Дедлайн: 09.12.23 (Чт.), 16:00 МСК'''
# [https://drive.google.com/file/d/1p5g7D152ObOl033TLx6Ge6NF07CeyUh9/view "Практика SQL запросов"], '''Дедлайн: 14.01.24 (Чт.), 23:30 МСК'''
# [https://drive.google.com/file/d/1zbtoHh8q8qNkRE4wAKp4ylkI_WFp259S/view "Docker Compose"], '''Дедлайн: 28.01.24 (Вскр.), 23:30 МСК'''

== Тесты ==
* [https://forms.gle/CJ6nHrjiRpQzJaXK7 "Операционные системы и базовые команды терминала"], '''Дедлайн: 21.10.23, 14:59 МСК'''
* [https://docs.google.com/forms/d/e/1FAIpQLScGjFgq8Kw6Q9lq05TNAZmw_lcpv8QjtuE7FVo8HQ9iRgjvlA/viewform "Git"], '''Дедлайн: 09.12.23, 15:30 МСК'''
* [https://forms.gle/UvY591t7DbBm1EwD7 "Основы запросов в SQL"], '''Дедлайн: 14.01.24, 23:30 МСК'''
* "Docker, GitLab"

== Литература ==
* Непрерывное развертывание ПО : автоматизация процессов сборки, тестирования и внедрения новых версий программ. Хамбл Д. Вильямс.2018
* Кристофер Негус: Библия Linux
* Чакон Скотт, Страуб Бен: Git для профессионального программиста
* Steve McConnell, "Code Complete"

МОВС Инструменты разработки (ММОВС23, 1-2 модули)

2024-08-28T11:46:22Z

Fulyankin:

==О курсе==

''Мы освоим основные инструменты, которые используются в повседневной работе разработчика программного обеспечения. Курс предназначен для знакомства с операционной системой Linux, развития навыков работы в терминале и освоения синтаксиса BASH. Во второй части курса рассматриваются вопросы систем контроля версий, контейнеризации, систем непрерывной интеграции (continuous integration) и непрерывного развертывания (continuous delivery).''

Занятия проводятся в [https://us06web.zoom.us/j/89217825645?pwd=QllWcCs5dmcvTlMyYkVlRWt5cmN3QT09 Zoom] '''по субботам в 15:00''' на базовом треке и '''в 16:40''' на продвинутом

==Контакты==

Чат курса в TG: https://t.me/+b4oZeIwwoWEzMDMy

Преподаватель: Паточенко Евгений

{| class="wikitable"
|-
! Ассистент !! Телеграмм
|-
| style="background:#eaecf0;" | Милана Кучумова || [https://t.me/milana_kma @milana_kma]
|-
| style="background:#eaecf0;" | Сергей Осипович || [https://t.me/ml_enjoyer @ml_enjoyer]
|-
| style="background:#eaecf0;" | Никита || [https://t.me/Abrakadabra457 @Abrakadabra457]
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 YouTube-playlist]

Ссылка на GitHub с материалами курса: [[ GitHub repository]]

''Темы курсов останутся теми же. Порядок, по всей видимости, тоже. По некоторым из тем проведем несколько занятий (в сумме планируется 8 за семестр). По каким, решим по ситуациям (и просьбам учащихся)''

{| class="wikitable"
|-
! Занятие !! Тема !! Дата !! Ссылки
|-
| style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=xHx6wtExsyE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [Слайды: [https://drive.google.com/file/d/1Bwv73CQOmkD1ZjGRmv-604QCiVWGp2Cs/view OS], [https://drive.google.com/file/d/1SRjIfUDc_vHD9I8cDDEloeeIyckRdyKs/view Welcome to Linux], [https://drive.google.com/file/d/1mXFL1LpbBby4ckw2fwdnIhTnRDxjqw9-/view Working env]] Linux, базовые команды консоли || 16.09.23 || [https://www.youtube.com/watch?v=hb9CTGSJm88 Лекция по OS] от CS-центра
|-
| style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=XwyfFTcAGYo&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 VCS], [https://www.youtube.com/watch?v=00OTScLYAxU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Git], ] || [[https://drive.google.com/file/d/1tF6h_39fTsmWz5N-cqkkks1p84-ZlaA0/view?usp=sharing Слайды]] Git и GitHub. || 23.09.23
|| Установить Git на рабочий компьютер
|-
| style="background:#eaecf0;" | '''3''' [[https://www.youtube.com/watch?v=69MFAA4XMmg&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [[https://drive.google.com/file/d/1XgyMfZ93tsq5aIo2xtXh-HqoBfzOVYXE/view?usp=sharing Слайды]] Клиент-серверная модель, API || 23.09.23 ||
|-
| style="background:#eaecf0;" | '''4''' [[https://www.youtube.com/watch?v=cqBEN0HesK4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 FastAPI], [https://www.youtube.com/watch?v=aSrqOxWkBAs&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Хостинг]] || [[https://drive.google.com/file/d/1NXf6x5MTzhx5lIwosUH8PAAPeVjo5yfw/view?usp=sharing Слайды]] FastAPI. Публикация веб-сервиса на хостинге || 21.10.23 ||
|-
| Конец первого модуля |

|-
| style="background:#eaecf0;" | '''5''' [Логирование ([https://www.youtube.com/watch?v=_lid_D_ejVI&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 logging], [https://www.youtube.com/watch?v=W0BNI-578W4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 loguru]), [https://www.youtube.com/watch?v=b89Z49dOKNc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Виртуализация], [https://www.youtube.com/watch?v=S8Bmed-wHZw&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Установка Docker], [https://www.youtube.com/watch?v=pozjrNb9bEQ&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Создание тг бота]] || [[https://colab.research.google.com/drive/1W4V8jDfcsF45dzWFDZtA4YgkV_rv5RDg Ноутбук], [https://drive.google.com/file/d/1Xer53Vebd2vfrYxo-R8kjYum2lPUJhIp/view Слайды]] Логирование, виртуализация || 18.11.23 ||
|-
| style="background:#eaecf0;" | '''6''' [[https://www.youtube.com/watch?v=oLh7T_Ue_As&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || Введение в SQL || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Слайды]] CI/CD (на примере GitLab) || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Слайды]] SQL (PostgreSQL) / NoSQL (MongoDB) || 30.11.23 ||
|-
| style="background:#eaecf0;" | '''9''' [[ Запись]] || [[ Слайды]] || 07.12.23 ||
|-
| style="background:#eaecf0;" | '''10''' [[ Запись]] || [[ Слайды]] || 11.12.23 ||
|-
|}

=== Записи консультаций ===
* Организация курса, установка Linux по Windows: [[https://www.youtube.com/watch?v=06v9qHz77lc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]], [[https://drive.google.com/file/d/1akjdQlhnZ-xqYBtVvRgXfTlvGwh21hYH/view Слайды]]
* Разбор второго ДЗ (14.10.23, Сб.): [Разборы ДЗ: [https://www.youtube.com/watch?v=Bxu6sYbSLpE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API HeadHunter], [https://www.youtube.com/watch?v=S9AELiMmaUA&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API NYT]], [[https://www.youtube.com/watch?v=pYcHZ07pQyU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Воркшоп "Работа в терминале Linux"]]
* Разбор ДЗ по FastAPI (25.11.23, Сб.) [[https://www.youtube.com/watch?v=GW6e6RTiVvc Запись]], [[https://drive.google.com/file/d/16PLfE9j6dMP2SKDWRCwBr2vzdmojJbYq/view Код]]
* Разбор ДЗ по Git (09.12.23, Сб.) [[https://youtu.be/jZzn25dqRzM?si=APKTWhwcGqW5MUVy Запись]]

==Формула оценивания==

Оценка = 0.15*ОДЗ 1 + 0.15*ОДЗ 2 + 0.15*ОДЗ 3 + 0.15*ОДЗ 4 + 0.1*ОТест 1 + 0.1*ОТест 2

Курс оценивается как '''Зачёт / Незачёт'''. Для зачета нужно набрать не меньше 4-х баллов из 10

== Распределительный тест ==
По результатам [https://docs.google.com/forms/d/e/1FAIpQLSdXbhP7C0qjYIYIYMbEH34--dLo4vfX2-zaWvoYLWLgORs2mw/viewform?usp=sf_link теста] мы ''порекомендуем'' студентам посещать <code>базовую</code> или <code>продвинутую</code> группу.

'''Дедлайн: 08.09 (Пт), 23:59 МСК'''

== Практики ==
* [https://drive.google.com/file/d/1CqmWO6LB0kHr8c0nM4Tkbe9QKfFLW4kJ/view Базовые команды терминала] (для самоконтроля)
* [https://drive.google.com/file/d/15gFpw5CjhJ5goSAFq_TGoD3ttd_eFKHZ/view API и Postman] (бонусное, 5 баллов) | '''Дедлайн: 14.10.23 (Сб), 14:59 МСК'''
* [https://drive.google.com/file/d/1ZQMPWCCQTC3WgtZCLH4C1OQ_EX-Cc4qK/view Dockerfile] (бонусное, 5 баллов) | '''Дедлайн: 07.12.23 (Чт), 23:30 МСК'''
* [https://drive.google.com/file/d/1oLCCu06ucAErCTVuMwdUR2mvVoS_klPP/view Скрипты bash] (бонусное) | '''Дедлайн: 28.01.24 (Вскр), 23:30 МСК'''

== Домашние задания ==
Сдача домашних заданий предусмотрена в [https://anytask.org/course/1037 Anytask]

Инвайты:
* <code>MR4Ycmt</code> (базовая группа)
* <code>hfp0nmG</code> (продвинутая группа) 

# [https://drive.google.com/file/d/1zCXM409iBKPeB3zaGbTbWzwnwUkoW9ZQ/view "FastAPI"], '''Дедлайн: 12.11.23 (Вскр.), 23:59 МСК'''
# [https://drive.google.com/file/d/19ZDKz3fQQlTnBkf69RyGgPN1powa1xMu/view "Git"], '''Дедлайн: 09.12.23 (Чт.), 16:00 МСК'''
# [https://drive.google.com/file/d/1p5g7D152ObOl033TLx6Ge6NF07CeyUh9/view "Практика SQL запросов"], '''Дедлайн: 14.01.24 (Чт.), 23:30 МСК'''
# [https://drive.google.com/file/d/1zbtoHh8q8qNkRE4wAKp4ylkI_WFp259S/view "Docker Compose"], '''Дедлайн: 28.01.24 (Вскр.), 23:30 МСК'''

== Тесты ==
* [https://forms.gle/CJ6nHrjiRpQzJaXK7 "Операционные системы и базовые команды терминала"], '''Дедлайн: 21.10.23, 14:59 МСК'''
* [https://docs.google.com/forms/d/e/1FAIpQLScGjFgq8Kw6Q9lq05TNAZmw_lcpv8QjtuE7FVo8HQ9iRgjvlA/viewform "Git"], '''Дедлайн: 09.12.23, 15:30 МСК'''
* [https://forms.gle/UvY591t7DbBm1EwD7 "Основы запросов в SQL"], '''Дедлайн: 14.01.24, 23:30 МСК'''
* "Docker, GitLab"

== Литература ==
* Непрерывное развертывание ПО : автоматизация процессов сборки, тестирования и внедрения новых версий программ. Хамбл Д. Вильямс.2018
* Кристофер Негус: Библия Linux
* Чакон Скотт, Страуб Бен: Git для профессионального программиста
* Steve McConnell, "Code Complete"

МОВС Инструменты разработки (ММОВС23, 1-2 модули)

2024-08-28T11:46:07Z

Fulyankin:

==О курсе==

Это курс по математике для анализа данных. Мы поговорим о поднаготной ML и попытаемся не заблудиться в теоремах и доказательствах. Будет два трека: продвинутый и классный. Программа продвинутой группы выглядит как справочник по продвинутой математике в ML. Мы посвятим основное время матричным производным, матричным разложениям, оптимизации и теории вероятностей. Программа классной группы будет более базовой. Мы вспомним в ней основные вещи из линейной алгебры, оптимизации и теории вероятностей.

- В курсе не будет АБ-тестов и матстата. Они будут в следующем семестре.
- Везде будем пытаться искать примеры из практики.
- Забыть про слово "очевидно" и везде проговаривать, почему это именно так работает, но не закапываться доказательствами.
- Больше смысла и концепций, меньше доказательств.

==Контакты==

Чат курса в TG: https://t.me/+b4oZeIwwoWEzMDMy

Преподаватель: Паточенко Евгений

{| class="wikitable"
|-
! Ассистент !! Телеграмм
|-
| style="background:#eaecf0;" | Милана Кучумова || [https://t.me/milana_kma @milana_kma]
|-
| style="background:#eaecf0;" | Сергей Осипович || [https://t.me/ml_enjoyer @ml_enjoyer]
|-
| style="background:#eaecf0;" | Никита || [https://t.me/Abrakadabra457 @Abrakadabra457]
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 YouTube-playlist]

Ссылка на GitHub с материалами курса: [[ GitHub repository]]

''Темы курсов останутся теми же. Порядок, по всей видимости, тоже. По некоторым из тем проведем несколько занятий (в сумме планируется 8 за семестр). По каким, решим по ситуациям (и просьбам учащихся)''

{| class="wikitable"
|-
! Занятие !! Тема !! Дата !! Ссылки
|-
| style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=xHx6wtExsyE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [Слайды: [https://drive.google.com/file/d/1Bwv73CQOmkD1ZjGRmv-604QCiVWGp2Cs/view OS], [https://drive.google.com/file/d/1SRjIfUDc_vHD9I8cDDEloeeIyckRdyKs/view Welcome to Linux], [https://drive.google.com/file/d/1mXFL1LpbBby4ckw2fwdnIhTnRDxjqw9-/view Working env]] Linux, базовые команды консоли || 16.09.23 || [https://www.youtube.com/watch?v=hb9CTGSJm88 Лекция по OS] от CS-центра
|-
| style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=XwyfFTcAGYo&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 VCS], [https://www.youtube.com/watch?v=00OTScLYAxU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Git], ] || [[https://drive.google.com/file/d/1tF6h_39fTsmWz5N-cqkkks1p84-ZlaA0/view?usp=sharing Слайды]] Git и GitHub. || 23.09.23
|| Установить Git на рабочий компьютер
|-
| style="background:#eaecf0;" | '''3''' [[https://www.youtube.com/watch?v=69MFAA4XMmg&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [[https://drive.google.com/file/d/1XgyMfZ93tsq5aIo2xtXh-HqoBfzOVYXE/view?usp=sharing Слайды]] Клиент-серверная модель, API || 23.09.23 ||
|-
| style="background:#eaecf0;" | '''4''' [[https://www.youtube.com/watch?v=cqBEN0HesK4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 FastAPI], [https://www.youtube.com/watch?v=aSrqOxWkBAs&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Хостинг]] || [[https://drive.google.com/file/d/1NXf6x5MTzhx5lIwosUH8PAAPeVjo5yfw/view?usp=sharing Слайды]] FastAPI. Публикация веб-сервиса на хостинге || 21.10.23 ||
|-
| Конец первого модуля |

|-
| style="background:#eaecf0;" | '''5''' [Логирование ([https://www.youtube.com/watch?v=_lid_D_ejVI&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 logging], [https://www.youtube.com/watch?v=W0BNI-578W4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 loguru]), [https://www.youtube.com/watch?v=b89Z49dOKNc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Виртуализация], [https://www.youtube.com/watch?v=S8Bmed-wHZw&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Установка Docker], [https://www.youtube.com/watch?v=pozjrNb9bEQ&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Создание тг бота]] || [[https://colab.research.google.com/drive/1W4V8jDfcsF45dzWFDZtA4YgkV_rv5RDg Ноутбук], [https://drive.google.com/file/d/1Xer53Vebd2vfrYxo-R8kjYum2lPUJhIp/view Слайды]] Логирование, виртуализация || 18.11.23 ||
|-
| style="background:#eaecf0;" | '''6''' [[https://www.youtube.com/watch?v=oLh7T_Ue_As&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || Введение в SQL || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Слайды]] CI/CD (на примере GitLab) || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Слайды]] SQL (PostgreSQL) / NoSQL (MongoDB) || 30.11.23 ||
|-
| style="background:#eaecf0;" | '''9''' [[ Запись]] || [[ Слайды]] || 07.12.23 ||
|-
| style="background:#eaecf0;" | '''10''' [[ Запись]] || [[ Слайды]] || 11.12.23 ||
|-
|}

=== Записи консультаций ===
* Организация курса, установка Linux по Windows: [[https://www.youtube.com/watch?v=06v9qHz77lc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]], [[https://drive.google.com/file/d/1akjdQlhnZ-xqYBtVvRgXfTlvGwh21hYH/view Слайды]]
* Разбор второго ДЗ (14.10.23, Сб.): [Разборы ДЗ: [https://www.youtube.com/watch?v=Bxu6sYbSLpE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API HeadHunter], [https://www.youtube.com/watch?v=S9AELiMmaUA&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API NYT]], [[https://www.youtube.com/watch?v=pYcHZ07pQyU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Воркшоп "Работа в терминале Linux"]]
* Разбор ДЗ по FastAPI (25.11.23, Сб.) [[https://www.youtube.com/watch?v=GW6e6RTiVvc Запись]], [[https://drive.google.com/file/d/16PLfE9j6dMP2SKDWRCwBr2vzdmojJbYq/view Код]]
* Разбор ДЗ по Git (09.12.23, Сб.) [[https://youtu.be/jZzn25dqRzM?si=APKTWhwcGqW5MUVy Запись]]

==Формула оценивания==

Оценка = 0.15*ОДЗ 1 + 0.15*ОДЗ 2 + 0.15*ОДЗ 3 + 0.15*ОДЗ 4 + 0.1*ОТест 1 + 0.1*ОТест 2

Курс оценивается как '''Зачёт / Незачёт'''. Для зачета нужно набрать не меньше 4-х баллов из 10

== Распределительный тест ==
По результатам [https://docs.google.com/forms/d/e/1FAIpQLSdXbhP7C0qjYIYIYMbEH34--dLo4vfX2-zaWvoYLWLgORs2mw/viewform?usp=sf_link теста] мы ''порекомендуем'' студентам посещать <code>базовую</code> или <code>продвинутую</code> группу.

'''Дедлайн: 08.09 (Пт), 23:59 МСК'''

== Практики ==
* [https://drive.google.com/file/d/1CqmWO6LB0kHr8c0nM4Tkbe9QKfFLW4kJ/view Базовые команды терминала] (для самоконтроля)
* [https://drive.google.com/file/d/15gFpw5CjhJ5goSAFq_TGoD3ttd_eFKHZ/view API и Postman] (бонусное, 5 баллов) | '''Дедлайн: 14.10.23 (Сб), 14:59 МСК'''
* [https://drive.google.com/file/d/1ZQMPWCCQTC3WgtZCLH4C1OQ_EX-Cc4qK/view Dockerfile] (бонусное, 5 баллов) | '''Дедлайн: 07.12.23 (Чт), 23:30 МСК'''
* [https://drive.google.com/file/d/1oLCCu06ucAErCTVuMwdUR2mvVoS_klPP/view Скрипты bash] (бонусное) | '''Дедлайн: 28.01.24 (Вскр), 23:30 МСК'''

== Домашние задания ==
Сдача домашних заданий предусмотрена в [https://anytask.org/course/1037 Anytask]

Инвайты:
* <code>MR4Ycmt</code> (базовая группа)
* <code>hfp0nmG</code> (продвинутая группа) 

# [https://drive.google.com/file/d/1zCXM409iBKPeB3zaGbTbWzwnwUkoW9ZQ/view "FastAPI"], '''Дедлайн: 12.11.23 (Вскр.), 23:59 МСК'''
# [https://drive.google.com/file/d/19ZDKz3fQQlTnBkf69RyGgPN1powa1xMu/view "Git"], '''Дедлайн: 09.12.23 (Чт.), 16:00 МСК'''
# [https://drive.google.com/file/d/1p5g7D152ObOl033TLx6Ge6NF07CeyUh9/view "Практика SQL запросов"], '''Дедлайн: 14.01.24 (Чт.), 23:30 МСК'''
# [https://drive.google.com/file/d/1zbtoHh8q8qNkRE4wAKp4ylkI_WFp259S/view "Docker Compose"], '''Дедлайн: 28.01.24 (Вскр.), 23:30 МСК'''

== Тесты ==
* [https://forms.gle/CJ6nHrjiRpQzJaXK7 "Операционные системы и базовые команды терминала"], '''Дедлайн: 21.10.23, 14:59 МСК'''
* [https://docs.google.com/forms/d/e/1FAIpQLScGjFgq8Kw6Q9lq05TNAZmw_lcpv8QjtuE7FVo8HQ9iRgjvlA/viewform "Git"], '''Дедлайн: 09.12.23, 15:30 МСК'''
* [https://forms.gle/UvY591t7DbBm1EwD7 "Основы запросов в SQL"], '''Дедлайн: 14.01.24, 23:30 МСК'''
* "Docker, GitLab"

== Литература ==
* Непрерывное развертывание ПО : автоматизация процессов сборки, тестирования и внедрения новых версий программ. Хамбл Д. Вильямс.2018
* Кристофер Негус: Библия Linux
* Чакон Скотт, Страуб Бен: Git для профессионального программиста
* Steve McConnell, "Code Complete"

МОВС Инструменты разработки (ММОВС23, 1-2 модули)

2024-08-28T11:43:00Z

Fulyankin:

==О курсе==

Это курс по математике для анализа данных. Мы поговорим о поднаготной ML и попытаемся не заблудиться в теоремах и доказательствах. Будет два трека: продвинутый и классный. Программа продвинутой группы выглядит как справочник по продвинутой математике в ML. Мы посвятим основное время матричным производным, матричным разложениям, оптимизации и теории вероятностей. Программа классной группы будет более базовой. Мы вспомним в ней основные вещи из линейной алгебры, оптимизации и теории вероятностей.

* В курсе не будет АБ-тестов и матстата. Они будут в следующем семестре.
* Везде будем пытаться искать примеры из практики.
* Забыть про слово "очевидно" и везде проговаривать, почему это именно так работает, но не закапываться доказательствами.
* Больше смысла и концепций, меньше доказательств.

==Контакты==

Чат курса в TG: https://t.me/+b4oZeIwwoWEzMDMy

Преподаватель: Паточенко Евгений

{| class="wikitable"
|-
! Ассистент !! Телеграмм
|-
| style="background:#eaecf0;" | Милана Кучумова || [https://t.me/milana_kma @milana_kma]
|-
| style="background:#eaecf0;" | Сергей Осипович || [https://t.me/ml_enjoyer @ml_enjoyer]
|-
| style="background:#eaecf0;" | Никита || [https://t.me/Abrakadabra457 @Abrakadabra457]
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 YouTube-playlist]

Ссылка на GitHub с материалами курса: [[ GitHub repository]]

''Темы курсов останутся теми же. Порядок, по всей видимости, тоже. По некоторым из тем проведем несколько занятий (в сумме планируется 8 за семестр). По каким, решим по ситуациям (и просьбам учащихся)''

{| class="wikitable"
|-
! Занятие !! Тема !! Дата !! Ссылки
|-
| style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=xHx6wtExsyE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [Слайды: [https://drive.google.com/file/d/1Bwv73CQOmkD1ZjGRmv-604QCiVWGp2Cs/view OS], [https://drive.google.com/file/d/1SRjIfUDc_vHD9I8cDDEloeeIyckRdyKs/view Welcome to Linux], [https://drive.google.com/file/d/1mXFL1LpbBby4ckw2fwdnIhTnRDxjqw9-/view Working env]] Linux, базовые команды консоли || 16.09.23 || [https://www.youtube.com/watch?v=hb9CTGSJm88 Лекция по OS] от CS-центра
|-
| style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=XwyfFTcAGYo&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 VCS], [https://www.youtube.com/watch?v=00OTScLYAxU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Git], ] || [[https://drive.google.com/file/d/1tF6h_39fTsmWz5N-cqkkks1p84-ZlaA0/view?usp=sharing Слайды]] Git и GitHub. || 23.09.23
|| Установить Git на рабочий компьютер
|-
| style="background:#eaecf0;" | '''3''' [[https://www.youtube.com/watch?v=69MFAA4XMmg&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || [[https://drive.google.com/file/d/1XgyMfZ93tsq5aIo2xtXh-HqoBfzOVYXE/view?usp=sharing Слайды]] Клиент-серверная модель, API || 23.09.23 ||
|-
| style="background:#eaecf0;" | '''4''' [[https://www.youtube.com/watch?v=cqBEN0HesK4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 FastAPI], [https://www.youtube.com/watch?v=aSrqOxWkBAs&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Хостинг]] || [[https://drive.google.com/file/d/1NXf6x5MTzhx5lIwosUH8PAAPeVjo5yfw/view?usp=sharing Слайды]] FastAPI. Публикация веб-сервиса на хостинге || 21.10.23 ||
|-
| Конец первого модуля |

|-
| style="background:#eaecf0;" | '''5''' [Логирование ([https://www.youtube.com/watch?v=_lid_D_ejVI&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 logging], [https://www.youtube.com/watch?v=W0BNI-578W4&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 loguru]), [https://www.youtube.com/watch?v=b89Z49dOKNc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Виртуализация], [https://www.youtube.com/watch?v=S8Bmed-wHZw&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Установка Docker], [https://www.youtube.com/watch?v=pozjrNb9bEQ&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Создание тг бота]] || [[https://colab.research.google.com/drive/1W4V8jDfcsF45dzWFDZtA4YgkV_rv5RDg Ноутбук], [https://drive.google.com/file/d/1Xer53Vebd2vfrYxo-R8kjYum2lPUJhIp/view Слайды]] Логирование, виртуализация || 18.11.23 ||
|-
| style="background:#eaecf0;" | '''6''' [[https://www.youtube.com/watch?v=oLh7T_Ue_As&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]] || Введение в SQL || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Слайды]] CI/CD (на примере GitLab) || 27.11.23 ||
|-
| style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Слайды]] SQL (PostgreSQL) / NoSQL (MongoDB) || 30.11.23 ||
|-
| style="background:#eaecf0;" | '''9''' [[ Запись]] || [[ Слайды]] || 07.12.23 ||
|-
| style="background:#eaecf0;" | '''10''' [[ Запись]] || [[ Слайды]] || 11.12.23 ||
|-
|}

=== Записи консультаций ===
* Организация курса, установка Linux по Windows: [[https://www.youtube.com/watch?v=06v9qHz77lc&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Запись]], [[https://drive.google.com/file/d/1akjdQlhnZ-xqYBtVvRgXfTlvGwh21hYH/view Слайды]]
* Разбор второго ДЗ (14.10.23, Сб.): [Разборы ДЗ: [https://www.youtube.com/watch?v=Bxu6sYbSLpE&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API HeadHunter], [https://www.youtube.com/watch?v=S9AELiMmaUA&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 API NYT]], [[https://www.youtube.com/watch?v=pYcHZ07pQyU&list=PLmA-1xX7IuzBaM_2Mi5AeNBUEOZgjsy48 Воркшоп "Работа в терминале Linux"]]
* Разбор ДЗ по FastAPI (25.11.23, Сб.) [[https://www.youtube.com/watch?v=GW6e6RTiVvc Запись]], [[https://drive.google.com/file/d/16PLfE9j6dMP2SKDWRCwBr2vzdmojJbYq/view Код]]
* Разбор ДЗ по Git (09.12.23, Сб.) [[https://youtu.be/jZzn25dqRzM?si=APKTWhwcGqW5MUVy Запись]]

==Формула оценивания==

Оценка = 0.15*ОДЗ 1 + 0.15*ОДЗ 2 + 0.15*ОДЗ 3 + 0.15*ОДЗ 4 + 0.1*ОТест 1 + 0.1*ОТест 2

Курс оценивается как '''Зачёт / Незачёт'''. Для зачета нужно набрать не меньше 4-х баллов из 10

== Распределительный тест ==
По результатам [https://docs.google.com/forms/d/e/1FAIpQLSdXbhP7C0qjYIYIYMbEH34--dLo4vfX2-zaWvoYLWLgORs2mw/viewform?usp=sf_link теста] мы ''порекомендуем'' студентам посещать <code>базовую</code> или <code>продвинутую</code> группу.

'''Дедлайн: 08.09 (Пт), 23:59 МСК'''

== Практики ==
* [https://drive.google.com/file/d/1CqmWO6LB0kHr8c0nM4Tkbe9QKfFLW4kJ/view Базовые команды терминала] (для самоконтроля)
* [https://drive.google.com/file/d/15gFpw5CjhJ5goSAFq_TGoD3ttd_eFKHZ/view API и Postman] (бонусное, 5 баллов) | '''Дедлайн: 14.10.23 (Сб), 14:59 МСК'''
* [https://drive.google.com/file/d/1ZQMPWCCQTC3WgtZCLH4C1OQ_EX-Cc4qK/view Dockerfile] (бонусное, 5 баллов) | '''Дедлайн: 07.12.23 (Чт), 23:30 МСК'''
* [https://drive.google.com/file/d/1oLCCu06ucAErCTVuMwdUR2mvVoS_klPP/view Скрипты bash] (бонусное) | '''Дедлайн: 28.01.24 (Вскр), 23:30 МСК'''

== Домашние задания ==
Сдача домашних заданий предусмотрена в [https://anytask.org/course/1037 Anytask]

Инвайты:
* <code>MR4Ycmt</code> (базовая группа)
* <code>hfp0nmG</code> (продвинутая группа) 

# [https://drive.google.com/file/d/1zCXM409iBKPeB3zaGbTbWzwnwUkoW9ZQ/view "FastAPI"], '''Дедлайн: 12.11.23 (Вскр.), 23:59 МСК'''
# [https://drive.google.com/file/d/19ZDKz3fQQlTnBkf69RyGgPN1powa1xMu/view "Git"], '''Дедлайн: 09.12.23 (Чт.), 16:00 МСК'''
# [https://drive.google.com/file/d/1p5g7D152ObOl033TLx6Ge6NF07CeyUh9/view "Практика SQL запросов"], '''Дедлайн: 14.01.24 (Чт.), 23:30 МСК'''
# [https://drive.google.com/file/d/1zbtoHh8q8qNkRE4wAKp4ylkI_WFp259S/view "Docker Compose"], '''Дедлайн: 28.01.24 (Вскр.), 23:30 МСК'''

== Тесты ==
* [https://forms.gle/CJ6nHrjiRpQzJaXK7 "Операционные системы и базовые команды терминала"], '''Дедлайн: 21.10.23, 14:59 МСК'''
* [https://docs.google.com/forms/d/e/1FAIpQLScGjFgq8Kw6Q9lq05TNAZmw_lcpv8QjtuE7FVo8HQ9iRgjvlA/viewform "Git"], '''Дедлайн: 09.12.23, 15:30 МСК'''
* [https://forms.gle/UvY591t7DbBm1EwD7 "Основы запросов в SQL"], '''Дедлайн: 14.01.24, 23:30 МСК'''
* "Docker, GitLab"

== Литература ==
* Непрерывное развертывание ПО : автоматизация процессов сборки, тестирования и внедрения новых версий программ. Хамбл Д. Вильямс.2018
* Кристофер Негус: Библия Linux
* Чакон Скотт, Страуб Бен: Git для профессионального программиста
* Steve McConnell, "Code Complete"

МОВС Инструменты разработки (ММОВС23, 1-2 модули)

2024-08-28T11:42:33Z

Fulyankin:

Машинное обучение 2/2023 2024

2022-01-27T13:34:21Z

Fulyankin:

== О курсе ==

[[Файл:ML_surfaces.png|280px|borderless|left]]

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3-4 модулях.

Проводится с 2016 года.

'''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]

Лекции проходят по пятницам, 11:10 - 12:30, в [https://zoom.us/j/97122303621?pwd=aytscC9BY0lBbUo1ZU1QSm05Vzdodz09 zoom].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/339494475 Карточка курса и программа]

[https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+161@gmail.com)

Канал в telegram для объявлений: https://t.me/hse_cs_ml_2

Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/+NRpKJ09prtRlMTli

Ссылка на курс в Anytask: https://anytask.org/course/??

[https://docs.google.com/spreadsheets/d/1_qMPqgcJZEJaiXZpMbjKM0trw_aGkkulrZG7Lq7kjU8/edit?usp=sharing Таблица с оценками]

Плейлист с записями занятий: https://www.youtube.com/playlist?list=PLEwK9wdS5g0o_HWWtNffNsBPpNmeuSDYV

Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]

'''Вопросы''' по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу.
Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде [https://github.com/esokolov/ml-course-hse/issues Issue] в [https://github.com/esokolov/ml-course-hse github-репозитории курса].

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент
|-
| 191 (МОП) || ||
|-
| 192 (МОП) || [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] ||
|-
| Курс по выбору для ПМИ || ||
|-
| Межампус || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп] [https://t.me/ppilif @ppilif] || [https://t.me/cherepasska Баранов Михаил]
|-
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций
* Практические домашние работы на Python
* Устный коллоквиум
* Письменный экзамен

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

Итог = Округление(0.4 * ДЗ + 0.2 * К + 0.1 * ПР + 0.3 * Э)

ПР — средняя оценка за самостоятельные работы на семинарах

ДЗ — средняя оценка за практические домашние работы на Python

К — оценка за коллоквиум

Э — оценка за экзамен

Округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

== Лекции ==

Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!

'''Лекция 1''' (14 января). Двойственные представления для линейной регрессии и SVM. Ядра. Теорема Мерсера. Способы построения ядер. Полиномиальные и гауссовы ядра. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/lecture-notes/lecture13-kernels.pdf Конспект]] [[https://youtu.be/EHolYsWUXNE Запись лекции]]

'''Лекция 2''' (21 января). Двойственная задача SVM. Типы объектов в SVM. Kernel trick. Аппроксимации ядер. Метод случайных признаков Фурье. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/lecture-notes/lecture14-kernels.pdf Конспект]] [[https://youtu.be/rK-yypS9Soo Запись лекции]]

== Семинары ==

'''Семинар 1'''. Задачи условной оптимизации и теорема Куна-Таккера. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem13-kkt.pdf Конспект]]

'''Семинар 2'''. Задачи на построение ядер. Задачи на прямую и двойственную формулировки метода опорных векторов. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem14-kernels.pdf Конспект]]

== Теоретические задания ==

== Практические задания ==

== Соревнования ==

===Правила участия и оценивания===
В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.

В лидербордах каждого из соревнований присутствуют несколько базовых решений (бейзлайнов), каждое из которых соответствует определённой оценке. Например, для получения оценки не ниже 8 баллов необходимо, чтобы ваше решение на '''приватном''' лидерборде оказалось лучше соответствующего бейзлайна. Далее для студента, преодолевшего бейзлайн на N_1 баллов, но не преодолевшего бейзлайн на N_2 балла, итоговая оценка за соревнование рассчитывается по равномерной сетке среди всех таких студентов в зависимости от места в приватном лидерборде среди них; если быть точными, то по следующей формуле:

N_2 - (N_2 - N_1) * i / M,

где M — количество студентов (из всех студентов, изучающих курс), преодолевших бейзлайн на N_1 баллов, но не преодолевших бейзлайн на N_2 балла;

i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.

Единственное исключение из формулы — студенты, преодолевшие самый сильный бейзлайн, получают прибавку 1/M к своей оценке.

Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team):

«Имя Фамилия номер_группы»

В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. При оформлении кода предполагайте, что данные лежат рядом с ним в папке data, а в результате выполнения кода ответы должны быть записаны в файл solution-N-Username.csv, где N — номер соревнования, Username — ваша фамилия. У нас должна быть возможность запустить код и получить те же ответы, что и в вашей посылке, — в частности, это означает, что:

1. Если вы отправляете файл *.py, мы будем запускать его при помощи команды python *.py в вышеуказанном предположении о местонахождении данных.

2. Если вы отправляете ноутбук *.ipynb, мы последовательно запустим все ячейки ноутбука и будем ожидать в результате его работы формирование файла с ответами.

3. Если вы отправляете код с использованием другого языка программирования, в том же письме направьте нам инструкцию по его запуску с тем, чтобы получить тот же файл с ответами.

В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Студенты, попавшие в топ-5 согласно приватному лидерборду, смогут получить бонусные баллы, если в течение недели после окончания соревнования пришлют на почту курса отчет о получении решения, фигурирующего в приватном лидерборде. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.

== Коллоквиум ==

== Экзамен ==

== Полезные материалы ==
===Книги===
* Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
* Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.

===Курсы по машинному обучению и анализу данных===
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]

== Страницы предыдущих лет ==

[[Машинное_обучение_2/2020_2021 | 2020/2021 учебный год]]

[[Машинное_обучение_2/2019_2020 | 2019/2020 учебный год]]

[[Машинное_обучение_2/2018_2019 | 2018/2019 учебный год]]

[[Машинное_обучение_2/2017_2018 | 2017/2018 учебный год]]

[[Машинное_обучение_2/2016_2017 | 2016/2017 учебный год]]

Машинное обучение 1/2023 2024

2021-09-04T16:16:44Z

Fulyankin:

== О курсе ==

[[Файл:ML_surfaces.png|280px|borderless|left]]

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

Проводится с 2016 года.

'''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]

Лекции проходят по пятницам, 11:10 - 12:30, в zoom (https://zoom.us/j/98499384799?pwd=OC9GcFd5QlJkZlA5Uk85SHNVTGxSdz09).

=== Полезные ссылки ===

[https://www.hse.ru/ba/ami/courses/450802413.html Карточка курса и программа]

[https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]

[https://www.youtube.com/watch?v=OBG6EUSRC9g&list=PLEqoHzpnmTfDwuwrFHWVHdr1-qJsfqCUX Видеозаписи лекций 18/19 года]

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+171@gmail.com)

Канал в telegram для объявлений: https://t.me/joinchat/G2T6pB1CgF82NTMy

Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/joinchat/NRpKJ09prtRlMTli

Ссылка на курс в Anytask: https://anytask.org/course/??

[https://docs.google.com/spreadsheets/d/1_qMPqgcJZEJaiXZpMbjKM0trw_aGkkulrZG7Lq7kjU8/edit?usp=sharing Таблица с оценками]

Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]

'''Вопросы''' по курсу можно задавать в телеграм лектору (esokolov@) или семинаристу.
Вопросы по материалам лекций/семинаров и по заданиям лучше всего задавать на [https://github.com/esokolov/ml-course-hse/discussions форуме].

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент
|-
| 191 (МОП) || [https://www.hse.ru/org/persons/? Хрушков Павел Вадимович] ||
|-
| 192 (МОП) || [https://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] ||
|-
| 193 (МОП) || [https://www.hse.ru/org/persons/208522505 Садртдинов Ильдус Рустемович] ||
|-
| 194 (АДИС)|| [https://www.hse.ru/staff/atsvigun Цвигун Аким Олегович]|| [https://t.me/khaykingleb Хайкин Глеб]
|-
| 195 (РС) || ||
|-
| 196 (РС) || ||
|-
| 197 (АПР) || ||
|-
| 198 (ТИ) || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп] [https://t.me/ppilif @ppilif] || [https://t.me/daviddramb Драмбян Давид]
|-
| 199 (МИ) || ||
|-
| 1910 (ПР) || [https://www.hse.ru/org/persons/208488544 Биршерт Алексей Дмитриевич] || [https://t.me/naumovanast Наумова Настя], [https://t.me/horror_in_black Коган Саша]
|-
| ФЭН || ||
|-
| Пермь (БИ) || ||
|-
| Пермь (ПИ) || ||
|}

=== Консультации ===

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров
* Практические домашние работы на Python
* Письменная контрольная работа
* Письменный экзамен

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

Итог = Округление(0.15 * ПР + 0.4 * ДЗ + 0.15 * КР + 0.3 * Э)

ПР — средняя оценка за самостоятельные работы на семинарах

ДЗ — средняя оценка за практические домашние работы на Python

КР — оценка за контрольную работу

Э — оценка за экзамен

Округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее. Есть исключение: в течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

== Лекции ==

Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!

== Семинары ==

== Практические задания ==

==Теоретические домашние задания==

Теоретические ДЗ не проверяются, но задачи из них могут войти в проверочные работы на семинарах.

== Соревнования ==

===Правила участия и оценивания===
В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.

В лидербордах каждого из соревнований присутствуют несколько базовых решений (бейзлайнов), каждое из которых соответствует определённой оценке. Например, для получения оценки не ниже 8 баллов необходимо, чтобы ваше решение на '''приватном''' лидерборде оказалось лучше соответствующего бейзлайна. Далее для студента, преодолевшего бейзлайн на N_1 баллов, но не преодолевшего бейзлайн на N_2 балла, итоговая оценка за соревнование рассчитывается по равномерной сетке среди всех таких студентов в зависимости от места в приватном лидерборде среди них; если быть точными, то по следующей формуле:

N_2 - (N_2 - N_1) * i / M,

где M — количество студентов (из всех студентов, изучающих курс), преодолевших бейзлайн на N_1 баллов, но не преодолевших бейзлайн на N_2 балла;

i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.

Единственное исключение из формулы — студенты, преодолевшие самый сильный бейзлайн, получают прибавку 1/M к своей оценке.

Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team):

«[ПМИ] Имя Фамилия номер_группы»

В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. При оформлении кода предполагайте, что данные лежат рядом с ним в папке data, а в результате выполнения кода ответы должны быть записаны в файл solution-N-Username.csv, где N — номер соревнования, Username — ваша фамилия. У нас должна быть возможность запустить код и получить те же ответы, что и в вашей посылке, — в частности, это означает, что:

1. Если вы отправляете файл *.py, мы будем запускать его при помощи команды python *.py в вышеуказанном предположении о местонахождении данных.

2. Если вы отправляете ноутбук *.ipynb, мы последовательно запустим все ячейки ноутбука и будем ожидать в результате его работы формирование файла с ответами.

3. Если вы отправляете код с использованием другого языка программирования, в том же письме направьте нам инструкцию по его запуску с тем, чтобы получить тот же файл с ответами.

В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Студенты, попавшие в топ-3 согласно приватному лидерборду, смогут получить бонусные баллы, если в течение недели после окончания соревнования сдадут в anytask отчет о получении решения, фигурирующего в приватном лидерборде. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.

В некоторых соревнованиях данные взяты из завершившегося соревнования на Kaggle.
Категорически запрещено использовать данные из оригинального соревнования для восстановления целевой переменной на тестовой выборке.

=== Соревнование 1 ===

== Бонусы за соревнования ==

За успешное участие в соревнованиях по анализу данных могут быть выставлены бонусные баллы, которые можно прибавить к оценке за любое практическое или теоретическое домашнее задание, а также за самостоятельную работу. Под успешным участием понимается попадание в топ-10% мест; если соревнование особо сложное и крупное, может рассматриваться и попадание в топ-20% мест. Конкретное число баллов определяется преподавателями и зависит от сложности соревнования и занятого места. За одно соревнование можно получить не более 5 баллов. Для получения оценки необходимо предоставить краткий отчёт о решении задачи.

== Контрольная работа ==

== Экзамен ==

== Полезные материалы ==
===Книги===
* Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
* Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.

===Курсы по машинному обучению и анализу данных===
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [https://openedu.ru/course/hse/INTRML/ Введение в машинное обучение (онлайн-курс НИУ ВШЭ)]

== Страницы предыдущих лет ==

[[Машинное_обучение_1/2020_2021 | 2020/2021 учебный год]]

[[Машинное_обучение_1/2019_2020 | 2019/2020 учебный год]]

[[Машинное_обучение_1/2018_2019 | 2018/2019 учебный год]]

[[Машинное_обучение_1/2017_2018 | 2017/2018 учебный год]]

[[Машинное_обучение_1/2016_2017 | 2016/2017 учебный год]]

Машинное обучение 1/2023 2024

2021-09-04T16:16:31Z

Fulyankin:

== О курсе ==

[[Файл:ML_surfaces.png|280px|borderless|left]]

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

Проводится с 2016 года.

'''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]

Лекции проходят по пятницам, 11:10 - 12:30, в zoom (https://zoom.us/j/98499384799?pwd=OC9GcFd5QlJkZlA5Uk85SHNVTGxSdz09).

=== Полезные ссылки ===

[https://www.hse.ru/ba/ami/courses/450802413.html Карточка курса и программа]

[https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]

[https://www.youtube.com/watch?v=OBG6EUSRC9g&list=PLEqoHzpnmTfDwuwrFHWVHdr1-qJsfqCUX Видеозаписи лекций 18/19 года]

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+171@gmail.com)

Канал в telegram для объявлений: https://t.me/joinchat/G2T6pB1CgF82NTMy

Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/joinchat/NRpKJ09prtRlMTli

Ссылка на курс в Anytask: https://anytask.org/course/??

[https://docs.google.com/spreadsheets/d/1_qMPqgcJZEJaiXZpMbjKM0trw_aGkkulrZG7Lq7kjU8/edit?usp=sharing Таблица с оценками]

Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]

'''Вопросы''' по курсу можно задавать в телеграм лектору (esokolov@) или семинаристу.
Вопросы по материалам лекций/семинаров и по заданиям лучше всего задавать на [https://github.com/esokolov/ml-course-hse/discussions форуме].

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент
|-
| 191 (МОП) || [https://www.hse.ru/org/persons/? Хрушков Павел Вадимович] ||
|-
| 192 (МОП) || [https://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] ||
|-
| 193 (МОП) || [https://www.hse.ru/org/persons/208522505 Садртдинов Ильдус Рустемович] ||
|-
| 194 (АДИС)|| [https://www.hse.ru/staff/atsvigun Цвигун Аким Олегович]|| [https://t.me/khaykingleb Хайкин Глеб]
|-
| 195 (РС) || ||
|-
| 196 (РС) || ||
|-
| 197 (АПР) || ||
|-
| 198 (ТИ) || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп], [https://t.me/ppilif @ppilif] || [https://t.me/daviddramb Драмбян Давид]
|-
| 199 (МИ) || ||
|-
| 1910 (ПР) || [https://www.hse.ru/org/persons/208488544 Биршерт Алексей Дмитриевич] || [https://t.me/naumovanast Наумова Настя], [https://t.me/horror_in_black Коган Саша]
|-
| ФЭН || ||
|-
| Пермь (БИ) || ||
|-
| Пермь (ПИ) || ||
|}

=== Консультации ===

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров
* Практические домашние работы на Python
* Письменная контрольная работа
* Письменный экзамен

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

Итог = Округление(0.15 * ПР + 0.4 * ДЗ + 0.15 * КР + 0.3 * Э)

ПР — средняя оценка за самостоятельные работы на семинарах

ДЗ — средняя оценка за практические домашние работы на Python

КР — оценка за контрольную работу

Э — оценка за экзамен

Округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее. Есть исключение: в течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

== Лекции ==

Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!

== Семинары ==

== Практические задания ==

==Теоретические домашние задания==

Теоретические ДЗ не проверяются, но задачи из них могут войти в проверочные работы на семинарах.

== Соревнования ==

===Правила участия и оценивания===
В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.

В лидербордах каждого из соревнований присутствуют несколько базовых решений (бейзлайнов), каждое из которых соответствует определённой оценке. Например, для получения оценки не ниже 8 баллов необходимо, чтобы ваше решение на '''приватном''' лидерборде оказалось лучше соответствующего бейзлайна. Далее для студента, преодолевшего бейзлайн на N_1 баллов, но не преодолевшего бейзлайн на N_2 балла, итоговая оценка за соревнование рассчитывается по равномерной сетке среди всех таких студентов в зависимости от места в приватном лидерборде среди них; если быть точными, то по следующей формуле:

N_2 - (N_2 - N_1) * i / M,

где M — количество студентов (из всех студентов, изучающих курс), преодолевших бейзлайн на N_1 баллов, но не преодолевших бейзлайн на N_2 балла;

i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.

Единственное исключение из формулы — студенты, преодолевшие самый сильный бейзлайн, получают прибавку 1/M к своей оценке.

Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team):

«[ПМИ] Имя Фамилия номер_группы»

В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. При оформлении кода предполагайте, что данные лежат рядом с ним в папке data, а в результате выполнения кода ответы должны быть записаны в файл solution-N-Username.csv, где N — номер соревнования, Username — ваша фамилия. У нас должна быть возможность запустить код и получить те же ответы, что и в вашей посылке, — в частности, это означает, что:

1. Если вы отправляете файл *.py, мы будем запускать его при помощи команды python *.py в вышеуказанном предположении о местонахождении данных.

2. Если вы отправляете ноутбук *.ipynb, мы последовательно запустим все ячейки ноутбука и будем ожидать в результате его работы формирование файла с ответами.

3. Если вы отправляете код с использованием другого языка программирования, в том же письме направьте нам инструкцию по его запуску с тем, чтобы получить тот же файл с ответами.

В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Студенты, попавшие в топ-3 согласно приватному лидерборду, смогут получить бонусные баллы, если в течение недели после окончания соревнования сдадут в anytask отчет о получении решения, фигурирующего в приватном лидерборде. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.

В некоторых соревнованиях данные взяты из завершившегося соревнования на Kaggle.
Категорически запрещено использовать данные из оригинального соревнования для восстановления целевой переменной на тестовой выборке.

=== Соревнование 1 ===

== Бонусы за соревнования ==

За успешное участие в соревнованиях по анализу данных могут быть выставлены бонусные баллы, которые можно прибавить к оценке за любое практическое или теоретическое домашнее задание, а также за самостоятельную работу. Под успешным участием понимается попадание в топ-10% мест; если соревнование особо сложное и крупное, может рассматриваться и попадание в топ-20% мест. Конкретное число баллов определяется преподавателями и зависит от сложности соревнования и занятого места. За одно соревнование можно получить не более 5 баллов. Для получения оценки необходимо предоставить краткий отчёт о решении задачи.

== Контрольная работа ==

== Экзамен ==

== Полезные материалы ==
===Книги===
* Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
* Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.

===Курсы по машинному обучению и анализу данных===
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [https://openedu.ru/course/hse/INTRML/ Введение в машинное обучение (онлайн-курс НИУ ВШЭ)]

== Страницы предыдущих лет ==

[[Машинное_обучение_1/2020_2021 | 2020/2021 учебный год]]

[[Машинное_обучение_1/2019_2020 | 2019/2020 учебный год]]

[[Машинное_обучение_1/2018_2019 | 2018/2019 учебный год]]

[[Машинное_обучение_1/2017_2018 | 2017/2018 учебный год]]

[[Машинное_обучение_1/2016_2017 | 2016/2017 учебный год]]

Анализ данных на python, фэн, 2020 spring

2021-01-29T11:34:43Z

Fulyankin:

==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 Тёма @in_chainz
|-
| 203 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 204 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 205 || Петросян Артур @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 206 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 207 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 208 || Филатов Артём @filatovartm || Кордзахия Натела @nkrdz
|-
| 209 || Аброскин Илья @iiiiilllllyyyyyaaaa || Андрей Бабкин @eura71
|-
| 2010 || Мидюкин Максим @midiukin || Костя Матвеев @kpmatveev
|-
| 2011 || Максимовская Анастасия @anastasiyamaxx || Евгения Никулина @evgnikulina
|-
| 2012 || Аброскин Илья @iiiiilllllyyyyyaaaa || Михаил Огородников @Spectag
|}

==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_2021_spring материалами курса]
* Youtube-каналы с записями семинаров: [https://www.youtube.com/playlist?list=PLNKXA-74YGLiKIKNwgjHtcyutqLdJheF7 канал Филиппа], [https://www.youtube.com/playlist?list=PLkBdGfNz-0qNBxbaFDiEbH2GAjgt3I5wr канал Максима Карпова], [https://www.youtube.com/playlist?list=PLDa1nku7NnMmyzOZqAFHhzL2Klo-Bg42C канал Артура]
* [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==

* [https://official.contest.yandex.ru/contest/24478/enter/ Домашнее задание 1] '''Дедлайн:''' 10 февраля 23:59

'''Обратите внимание!''' Возможна устная защита случайно выбранных работ с последующим обнулением, если самостоятельность выполнения работы не доказана.

'''ДЗ-4''':
Возможна устная защита случайно выбранных работ. Любой член команды может быть опрошен по всей проделанной работе, а не только по выполненной им части. В случае, если студент не сможет защитить работу, оценка обнуляется всей команде.

'''ДЗ-5''':
Домашнее задание 5 предполагает написание бота для Telegram и выполняется индивидуально. Помимо финального дедлайна по всей работе предполагается как минимум одна точка проверки, где студент должен предоставить часть готового кода в соответствии с выставленными требованиями. Учебный ассистент и/или преподаватель проверяет работу и высылает необходимые правки. Каждая точка проверки является обязательной. В случае пропуска возможно понижение оценки или обнуление работы.

==Контрольные==

'''Обратите внимание!''' Возможна устная защита случайно выбранных работ с последующим обнулением, если самостоятельность выполнения работы не доказана. При обнулении самостоятельной работы обнуляются соответствующие ей домашние работы (обнуление первой самостоятельной работы ведет к обнулению первого домашнего задания, обнуление второй самостоятельной работы ведет к обнулению второго домашнего задания, обнуление третьей самостоятельной работы ведет к обнулению третьего домашнего задания).

==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.

Анализ данных на python, фэн, 2020 spring

2021-01-29T11:34:23Z

Fulyankin:

==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 Тёма @in_chainz
|-
| 203 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 204 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 205 || Петросян Артур @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 206 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 207 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 208 || Филатов Артём @filatovartm || Кордзахия Натела @nkrdz
|-
| 209 || Аброскин Илья @iiiiilllllyyyyyaaaa || Андрей Бабкин @eura71
|-
| 2010 || Мидюкин Максим @midiukin || Костя Матвеев @kpmatveev
|-
| 2011 || Максимовская Анастасия @anastasiyamaxx || Евгения Никулина @evgnikulina
|-
| 2012 || Аброскин Илья @iiiiilllllyyyyyaaaa || Михаил Огородников @Spectag
|}

==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_2021_spring материалами курса]
* Youtube-каналы с записями семинаров: [https://www.youtube.com/playlist?list=PLNKXA-74YGLiKIKNwgjHtcyutqLdJheF7 канал Филиппа], [https://www.youtube.com/playlist?list=PLkBdGfNz-0qNBxbaFDiEbH2GAjgt3I5wr канал Максима Карпова], [https://www.youtube.com/playlist?list=PLDa1nku7NnMmyzOZqAFHhzL2Klo-Bg42C канал Артура]
* [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==

- [https://official.contest.yandex.ru/contest/24478/enter/ Домашнее задание 1] __Дедлайн:__ 10 февраля 23:59

'''Обратите внимание!''' Возможна устная защита случайно выбранных работ с последующим обнулением, если самостоятельность выполнения работы не доказана.

'''ДЗ-4''':
Возможна устная защита случайно выбранных работ. Любой член команды может быть опрошен по всей проделанной работе, а не только по выполненной им части. В случае, если студент не сможет защитить работу, оценка обнуляется всей команде.

'''ДЗ-5''':
Домашнее задание 5 предполагает написание бота для Telegram и выполняется индивидуально. Помимо финального дедлайна по всей работе предполагается как минимум одна точка проверки, где студент должен предоставить часть готового кода в соответствии с выставленными требованиями. Учебный ассистент и/или преподаватель проверяет работу и высылает необходимые правки. Каждая точка проверки является обязательной. В случае пропуска возможно понижение оценки или обнуление работы.

==Контрольные==

'''Обратите внимание!''' Возможна устная защита случайно выбранных работ с последующим обнулением, если самостоятельность выполнения работы не доказана. При обнулении самостоятельной работы обнуляются соответствующие ей домашние работы (обнуление первой самостоятельной работы ведет к обнулению первого домашнего задания, обнуление второй самостоятельной работы ведет к обнулению второго домашнего задания, обнуление третьей самостоятельной работы ведет к обнулению третьего домашнего задания).

==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.

Анализ данных на python, фэн, 2020 spring

2021-01-26T09:53:52Z

Fulyankin:

==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 Тёма @in_chainz
|-
| 203 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 204 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 205 || Петросян Артур @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 206 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 207 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 208 || Филатов Артём @filatovartm || Кордзахия Натела @nkrdz
|-
| 209 || Аброскин Илья @iiiiilllllyyyyyaaaa || Андрей Бабкин @eura71
|-
| 2010 || Мидюкин Максим @midiukin || Костя Матвеев @kpmatveev
|-
| 2011 || Максимовская Анастасия @anastasiyamaxx || Евгения Никулина @evgnikulina
|-
| 2012 || Аброскин Илья @iiiiilllllyyyyyaaaa || Михаил Огородников @Spectag
|}

==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_2021_spring материалами курса]
* Youtube-каналы с записями семинаров: [https://www.youtube.com/playlist?list=PLNKXA-74YGLiKIKNwgjHtcyutqLdJheF7 канал Филиппа], [https://www.youtube.com/playlist?list=PLkBdGfNz-0qNBxbaFDiEbH2GAjgt3I5wr канал Максима Карпова], [https://www.youtube.com/playlist?list=PLDa1nku7NnMmyzOZqAFHhzL2Klo-Bg42C канал Артура]
* [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==

'''Обратите внимание!''' Возможна устная защита случайно выбранных работ с последующим обнулением, если самостоятельность выполнения работы не доказана.

'''ДЗ-4''':
Возможна устная защита случайно выбранных работ. Любой член команды может быть опрошен по всей проделанной работе, а не только по выполненной им части. В случае, если студент не сможет защитить работу, оценка обнуляется всей команде.

'''ДЗ-5''':
Домашнее задание 5 предполагает написание бота для Telegram и выполняется индивидуально. Помимо финального дедлайна по всей работе предполагается как минимум одна точка проверки, где студент должен предоставить часть готового кода в соответствии с выставленными требованиями. Учебный ассистент и/или преподаватель проверяет работу и высылает необходимые правки. Каждая точка проверки является обязательной. В случае пропуска возможно понижение оценки или обнуление работы.

==Контрольные==

'''Обратите внимание!''' Возможна устная защита случайно выбранных работ с последующим обнулением, если самостоятельность выполнения работы не доказана. При обнулении самостоятельной работы обнуляются соответствующие ей домашние работы (обнуление первой самостоятельной работы ведет к обнулению первого домашнего задания, обнуление второй самостоятельной работы ведет к обнулению второго домашнего задания, обнуление третьей самостоятельной работы ведет к обнулению третьего домашнего задания).

==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.

Анализ данных на python, фэн, 2020 spring

2021-01-21T17:35:16Z

Fulyankin:

==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 Тёма @in_chainz
|-
| 203 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 204 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 205 || Петросян Артур @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 206 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 207 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 208 || Филатов Артём @filatovartm || Кордзахия Натела @nkrdz
|-
| 209 || Аброскин Илья @iiiiilllllyyyyyaaaa || Андрей Бабкин @eura71
|-
| 2010 || Мидюкин Максим @midiukin || Костя Матвеев @kpmatveev
|-
| 2011 || Максимовская Анастасия @anastasiyamaxx || Евгения Никулина @evgnikulina
|-
| 2012 || Аброскин Илья @iiiiilllllyyyyyaaaa || Михаил Огородников @Spectag
|}

==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.

Анализ данных на python, фэн, 2020 spring

2021-01-21T17:35:02Z

Fulyankin:

==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 Тёма @in_chainz
|-
| 203 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 204 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 205 || Петросян Артур @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 206 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 207 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 208 | Филатов Артём @filatovartm | Кордзахия Натела @nkrdz
|-
| 209 || Аброскин Илья @iiiiilllllyyyyyaaaa || Андрей Бабкин @eura71
|-
| 2010 || Мидюкин Максим @midiukin || Костя Матвеев @kpmatveev
|-
| 2011 || Максимовская Анастасия @anastasiyamaxx || Евгения Никулина @evgnikulina
|-
| 2012 || Аброскин Илья @iiiiilllllyyyyyaaaa || Михаил Огородников @Spectag
|}

==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.

Анализ данных на python, фэн, 2020 spring

2021-01-21T17:34:39Z

Fulyankin:

==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 Тёма @in_chainz
|-
| 203 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 204 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 205 || Петросян Артур @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 206 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 207 || Зарманбетов Ахмед @ahmedushka7 || Дубровский Михаил @freezylex
|-
| 208 | Филатов Артём @filatovartm | Кордзахия Натела @nkrdz ||
|-
| 209 || Аброскин Илья @iiiiilllllyyyyyaaaa || Андрей Бабкин @eura71
|-
| 2010 || Мидюкин Максим @midiukin || Костя Матвеев @kpmatveev
|-
| 2011 || Максимовская Анастасия @anastasiyamaxx || Евгения Никулина @evgnikulina
|-
| 2012 || Аброскин Илья @iiiiilllllyyyyyaaaa || Михаил Огородников @Spectag
|}

==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.

Анализ данных на python, фэн, 2020 spring

2021-01-18T10:30:47Z

Fulyankin:

==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 || ||
|-
| 207 || ||
|-
| 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.

Анализ данных на python, фэн, 2020 spring

2021-01-17T15:13:27Z

Fulyankin:

==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
|-
| 191 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 192 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 193 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 194 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 195 || ||
|-
| 196 || ||
|-
| 197 || ||
|-
| 198 || ||
|-
| 199 || ||
|-
| 1910 || ||
|-
| 1911 || ||
|-
| 1912 || ||
|-
| 1913 || ||
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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.

Анализ данных на python, фэн, 2020 spring

2021-01-17T15:13:06Z

Fulyankin:

==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
|-
| 191 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 192 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 193 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 194 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 195 || ||
|-
| 196 || ||
|-
| 197 || ||
|-
| 198 || ||
|-
| 199 || ||
|-
| 1910 || ||
|-
| 1911 || ||
|-
| 1912 || ||
|-
| 1913 || ||
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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)====

* [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.

Анализ данных на python, фэн, 2020 spring

2021-01-17T15:12:10Z

Fulyankin:

==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
|-
| 191 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 192 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 193 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 194 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 195 || ||
|-
| 196 || ||
|-
| 197 || ||
|-
| 198 || ||
|-
| 199 || ||
|-
| 1910 || ||
|-
| 1911 || ||
|-
| 1912 || ||
|-
| 1913 || ||
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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 [рекомендованному вам курсу с Coursera. https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus] 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 [рекомендованному вам курсу с Coursera.](https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus) 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)====

* [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.

Анализ данных на python, фэн, 2020 spring

2021-01-17T15:03:57Z

Fulyankin:

==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
|-
| 191 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 192 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 193 || Максим Карпов @buntar29 || Колесников Егор @kollego
|-
| 194 || Филипп Ульянкин @Ppilif || Пешков Максим @peshkovmax
|-
| 195 || ||
|-
| 196 || ||
|-
| 197 || ||
|-
| 198 || ||
|-
| 199 || ||
|-
| 1910 || ||
|-
| 1911 || ||
|-
| 1912 || ||
|-
| 1913 || ||
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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 [рекомендованному вам курсу с Coursera. https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus] 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 [рекомендованному вам курсу с Coursera.](https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus) 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)====

* [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]
* Тут появится ссылка с задачами на контест, можно будет попробовать порешать его

Онлайн-дз:

* Неделя 7 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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.

Анализ данных на python, фэн, 2020 spring

2021-01-17T14:46:35Z

Fulyankin:

Анализ данных на python, фэн, 2020 spring

2021-01-17T14:46:01Z

Fulyankin:

Анализ данных на python, фэн, 2020 spring

2021-01-17T14:45:44Z

Fulyankin:

Анализ данных на python, фэн, 2020 spring

2021-01-17T14:44:41Z

Fulyankin:

Анализ данных на python, фэн, 2020 spring

2021-01-17T11:03:46Z

Fulyankin:

Анализ данных на python, фэн, 2020 spring

2021-01-17T11:00:48Z

Fulyankin:

Анализ данных на python, фэн, 2020 spring

2021-01-13T18:21:41Z

Fulyankin:

Анализ данных на python, фэн, 2020 spring

2021-01-13T18:05:23Z

Fulyankin: Содержимое страницы заменено на «ААААААА»

ААААААА

Wiki - Факультет компьютерных наук:Wiki ФКН

2021-01-13T17:54:59Z

Fulyankin:

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2020/21 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Математический_анализ_1_2020/2021_(пилотный_поток) | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2020/2021_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(пилотный_поток) | Основы и методология программирования на ПМИ 2020/2021 (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(основной_поток)_3_модуль | Основы и методология программирования на ПМИ 2020/2021 (основной поток, III модуль)]]

[[DM1-2020-21 | Дискретная математика-1 ПМИ]]

[[Алгоритмы_и_структуры_данных_1_2020/2021 | Алгоритмы и структуры данных – 1 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 1 на ПМИ (пилотный поток)]]

'''ПИ'''

[[DM1-SE-2020-21 | Дискретная математика-1 ПИ]]

'''ПАД'''

[[Discrete_Mathematics_DSBA2020/2021 | Discrete Mathematics (DSBA) ]]

[[LAaG_DSBA_2020/2021 | Linear Algebra and Geometry (DSBA)]]

[[English_DSBA_2020/2021 | English DSBA (DSBA)]]

[[Introduction_to_programming_DSBA_2020/2021 | Introduction to Programming (DSBA)]]

[[ Calculus_2020/21 | Calculus (DSBA) ]]

||
'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2020/2021_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_анализ_2020/2021_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_-_2_(основной_поток) | Математический анализ - 2 на ПМИ (основной поток)]]

[[MissingSemester2020/2021 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[АКОС ПМИ 2020/2021 | Архитектура компьютеров и операционные системы]]

[[Основы матричных вычислений 2020/2021]]

[[Дифференциальные уравнения (ПМИ)]]

[[DM2-pilot2020/2021 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-base2020/2021 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных - 2 на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_2_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

'''ПАД'''

[[Calculus-2_DSBA_2020_(ПАД) | Calculus-2 (DSBA) ]]

[[Discrete_Mathematics_-_2_DSBA2020/2021 | Discrete Mathematics - 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2020/21 | Business and Management in Global Context (DSBA)]]

[[Principles_of_micro_and_macro-economics_2020/21 | Principles of micro and macro-economics (DSBA)]]

[[Algorithms_and_data_structures_2_2020/21 | Algorithms and data structures 2 (DSBA)]]

[[Statistics_DSBA_2020/2021 | Probability and Statistics (DSBA)]]

[[ACOS_DSBA_2020/2021 | Computer Architecture and Operating Systems (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

||

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1 на ПМИ]]

[[Прикладная статистика в машинном обучении 20/21]]

[[Безопасность компьютерных систем 20/21]]

[[Theory of computing, AMI]]

[[Матричные вычисления 20/21]]

[[НИС_Машинное_обучение_и_приложения_2020/2021|НИС Машинное обучение и приложения]]

[[Методы оптимизации в машинном обучении|Методы оптимизации в машинном обучении]]

[[Моделирование временных рядов 20/21]]

[[Высокопроизводительные вычисления 20/21]]

[[ Сбор и обработка данных с помощью краудсорсинга 20/21 ]]

[[ Распределённые системы ]]

[[НИС_РС|НИС Распределенные системы]]

[[Анализ данных в бизнесе (Кафедра SAS)]]

[[Дополнительные главы прикладной статистики (2020/21)]]

[[Comb2020_2021 | Комбинаторные конструкции в теоретической информатике]]

[[Численные Методы 2021]]

'''ПАД'''

[[ MachineLearning1_DSBA2020 | Machine Learning 1 (DSBA)]]

[[ Time_Series_and_Stochastic_Processes_ada_20_21 | Time Series and Stochastic Processes (DSBA) ]]

[[ST2187 Business analytics, applied modelling and prediction | Business analytics, applied modelling and prediction (DSBA)]]

[[Data_Base_2020/2021_DSBA | Data Base (DSBA)]]

[[Social_History_of_Science_2020/21 | Social History of Science (DSBA)]]

[[Elements_of_Econometrics_2020/21 | Elements of Econometrics (DSBA)]]

[[Data Science Case Studies / Анализ данных в бизнесе (Кафедра SAS)]]

[[ Optimization_methods | Optimizaton Methods (DSBA) ]]

||

[[Философия_науки_2020 | Философия науки]]

'''ПМИ / МОП'''

[[НИС_Машинное_обучение_и_приложения_2020/2021 | НИС Машинное обучение и приложения]]

[[Глубинное обучение в обработке звука 20/21]]

[[Байесовские методы машинного обучения 2020 | Байесовские методы машинного обучения]]

[[Statistical_learning_theory_2020 | Statistical learning theory]]

[[Машинное обучение на больших данных 2021]]

[[InfTheo2020-2021|Теория информации]]

'''ПМИ / РС'''

[[НИС_РС_2 | НИС Распределенные системы]]

[[msbdp_20 | Методы и системы обработки больших данных]]

[[ Облачные вычисления]]

||

[[ Майнор Биоинформатика 1 год ]]

[[ Майнор Биоинформатика 2 год ]]

[[ Введение в программирование (майнор ИАД) ]]

[[Современные_методы_машинного_обучения|Современные методы машинного обучения (майнор ИАД) ]]

[[ ОУФ Машинное Обучение в Питоне ]]

[[ Факультатив "Теория вычислений и логика" (Осень 2020)]]

[[Дополнительные_главы_теории_вероятностей-3_2019/2020 | ДГТВ-3]]

[[dopglavy_DM_2021|Допглавы дискретной математики]]

[[Adaptation_DM_20-21 |Adaptation course in DM]]

[[Функциональный анализ (осень 2020)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ Факультатив "Теория вычислений и логика" | Факультатив "Теория вычислений" (Весна 2021)]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс
|-
| [[Stochastic_analysis_2020_2021 | Stochastic Analysis ]] || Statistical Learning Theory || 1 year
|-
| [[Econometrics_fall_2020 | Эконометрика ]] || ФТИАД || 1 year
|-
| [[Recsys_2020_2021 | Рекомендательные системы]] || ФТИАД|| 2 year
|-
| [[Project_Seminar_2020_2021 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|- http://wiki.cs.hse.ru/Цифровая_грамотность_(филология)_2020#.F0.9F.93.AC_.D0.A7.D0.B0.D1.82.D1.8B_.D0.B3.D1.80.D1.83.D0.BF.D0.BF
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Цифровая грамотность ИЯиМК 2020-2021|Цифровая грамотность ИЯиМК 2020-2021]] || ИЯиМК || 1 курс || 3-4 модули
|-
| [[Машинное обучение на матфаке 2021 |Машинное обучение]] || Математика || 1-4 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/Анализ_данных_на_python,_фэн,_2020_spring Анализ данных на python] || Факультет экономических наук || 1 курс || 3-4 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 3-4 модули
|-
| [[Python для ОП "Психология" |Python для ОП "Психология" ]] ||Психология || 1 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_Python_2020-2021_%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в Python] || Политолгия || 3 курс || 3-4 модули
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Основы программирования на Python осень 2020 матфак|Основы программирования на Python-1]] || Математика || 3 курс || 1-2 модули
|-
| [[Анализ_данных_в_Python_2020-2021|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы_анализа_и_визуализация_данных_для_медиа_2020/2021|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии 2020|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Проектный семинар медиаком 2020|Проектный семинар]] || Медиакоммуникации || 3 курс || 1 модуль
|-
| [[Основы анализа и визуализации данных ДИЯ 2020-2021|Основы анализа и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 1-2 модули
|-
| [[Основы программирования в Python (Политология 2020)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Data Analysis in Journalism and Political Science 2020-2021|Data Analysis in Journalism & Political Science]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Data Analysis in Economics and Finance 2020-2021|Data Analysis in Economics & Finance]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Прикладные исследования в культурологии 2020 1модуль|Прикладные исследования в культурологии]] || Прикладная культурология || 1 курс || 1 модуль
|-
| [[Основы анализа данных в международных отношениях 20/21|Основы анализа данных в международных отношениях 20/21]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Анализ данных в R, Социология|Анализ данных в R]] || Социология || 4 курс || 1-2 модуль
|-
| [[Анализ данных на python, фэн, 2020 fall|Анализ данных на Python]] || Факультет экономических наук || 2 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ЭиАМ|Цифровая грамотность, ЭиАМ]] || Эфиопия и арабский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, Античность|Цифровая грамотность, Античность]] || Античность || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ТиТМ|Цифровая грамотность, ТиТМ]] || Турция и Тюркский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность История 2020/2021|Цифровая грамотность, История]] || История || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_2020_(Востоковедение)|Цифровая грамотность, Востоковедение]] || Востоковедение || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_География_2020/21|Цифровая грамотность, География]] || География || 1 курс || 1-2 модуль
|-
| [[Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2020)|Машинное обучение]] || Совместная программа по экономике НИУ ВШЭ и РЭШ || 3 курс || 1-2 модуль
|-
| [[Машинное_обучение_(ФЭН)_-_2020|Машинное обучение]] || Экономика || 3-4 курс || 1-2 модуль
|-
| [[Python: работа с данными и текстом|Python: работа с данными и текстом]] || Медиакоммуникации || 2-3 курс || 1-2 модуль
|-
| [[Phyton_для_извлечения_и_обработки_данных|Phyton для извлечения и обработки данных]] || Молекулярная и клеточная биотехнология || 1 курс || 1-2 модуль
|-
| [[ПМСАР-2_2020| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Основы_программирования_на_Python2020/2021|Основы программирования на Python]] || Экономика и статистика || 2-3 курс || 1-2 модули
|-
| [[Извлечение и анализ интернет-данных (2020)|Извлечение и анализ интернет-данных]] || Экономика и статистика || 2-4 курс || 2 модуль
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2020-2021|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[Эконометрика, фэн, 2020-2021|Эконометрика]] || фэн, 3 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2020-2021|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

=Архив=

== Курсы за 2019/20 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_1_2019/2020 | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток,_2_семестр) | Математический анализ на ПМИ (основной поток, 2 семестр)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Дискретная_математика_1_2019/2020 | Дискретная математика-1 на ПМИ]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2019/2020_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2019/2020_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_2019/2020 | Основы и методология программирования на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_1_2019/2020_(пилотный_поток) | Основы и методология программирования-1 на ПМИ (пилотный поток)]]

[[Discrete_Mathematics_DSBA2019/2020 | Discrete Mathematics DSBA (ПАД)]]

[[Calculus_DSBA2019/2020 | Calculus DSBA (ПАД) 1st module]]

[[Calculus_DSBA2020 | Calculus DSBA (ПАД) 2nd module]]

[[LAaG_DSBA_2019/2020 | Linear Algebra and Geometry (ПАД)]]

[[Introduction_to_programming_DSBA_2019/2020 | Introduction to Programming (ПАД)]]

[[English_DSBA_2019/2020 | English DSBA (ПАД)]]

[[Algorithms_and_Data_Structures_DSBA_2020 | Algorithms and Data Structures DSBA ]]

[[Algebra_DSBA_2019/2020 | Algebra DSBA]]

[[Алгоритмы_и_структуры_данных_1_основной_поток_2019/202 | Алгоритмы и структуры данных-1 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[[DM2-basic2019/2020 | Дискретная математика-2 на ПМИ (основной поток)]]

[[DM2-pilot2019/2020 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Теория_вероятностей_2019/2020_(основной_поток)| Теория_вероятностей_2019/2020 на ПМИ (основной поток)]]

[[Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Математический_анализ_2019/2020_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2_2019/2020_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2019/2020 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Calculus_2_2019 | Calculus-2 DBSA (ПАД)]]

[[Statistics_DSBA_2019/2020 | Statistics DSBA (ПАД)]]

[[DM2 | Дискретная Математика-2 (ПАД)]]

[[ADS2 | Алгоритмы и Структуры Данных-2 (ПАД)]]

[[Introduction_to_Economics | Introduction to Economics DSBA ]]

[[Business_and_Management_in_Global_Context_2019-2020| Business and Management in Global Context DSBA ]]

[[ACOS_DSBA_2019/2020 | Computer Architecture and Operating Systems (ПАД)]]

[[Differential_Equations_2020 | Differential Equations DSBA ]]

[[Факультатив Теория вычислений_2020 | Факультатив Теория вычислений]]

[[Дифференциальные_уравнения_2020 | Дифференциальные уравнения 2020 ]]

||

[[Машинное_обучение_1/2019_2020 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2020 | Численные методы]]

[[Прикладная_статистика_в_машинном_обучении(2019)|Прикладная статистика в машинном обучении]]

[[Theory_of_Computing_2019_2020 | Theory of Computing, AMI]]

[[Компьютерные_Сети | Компьютерные сети]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Непрерывная_оптимизация_(МОП)/2020| Непрерывная оптимизация (МОП)]]

[[%D0%9D%D0%B5%D0%BF%D1%80%D0%B5%D1%80%D1%8B%D0%B2%D0%BD%D0%B0%D1%8F_%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_(%D0%A2%D0%98,_%D0%90%D0%94%D0%98%D0%A1,_%D0%90%D0%9F%D0%A0,_%D0%A0%D0%A1)| Непрерывная оптимизация (ТИ, АДИС, АПР, РС) ]]

[[Data_analysis_(Software_Engineering)_2020|Data Analysis]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[CCTI_2020|Сложность вычислений и логика в теоретической информатике]]

||

[[InfTheo2019-2020|Теория информации]]

[[Байесовские_методы_машинного_обучения_2019|Байесовские методы машинного обучения]]

[[НИС Науки о данных]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Философия_науки_2019|Философия науки]]

[[Глубинное обучение|Глубинное обучение]]

[[NLP 2019|NLP Анализ данных]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Генеративные_модели_в_машинном_обучении_2020|Генеративные модели в машинном обучении]]

[[Компьютерные Сети 4 курс| Компьютерные сети]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[Машинное_обучение_на_больших_данных_2020|Машинное обучение на больших данных]]

[[Основы_обработки_больших_данных_2020|Основы обработки больших данных]]

||
[[MinorBioinformatics|Биоинформатика]]

[[Майнор Интеллектуальный анализ данных/Современные_методы_машинного_обучения | Современные методы машинного обучения (ИАД)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ISDElective|Факультатив "Методы разработки программного обеспечения" (1-2 модули)]]

[[Введение в программирование (курс майнора)]]

[[dopglavy_DM_1920|Допглавы дискретной математики]]

[[Дополнительные_главы_теории_вероятностей-2_2019/2020|ДГТВ-2]]

[[Дополнительные_главы_теории_вероятностей_2020|ДГТВ]]

[[Введение_в_анализ_данных_(майнор_ИАД)|Введение в анализ данных (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных_(майнор_ИАД)|Прикладные задачи анализа данных (майнор ИАД)]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс

|-
| [[Theory_of_Computing_2019_2020 | Theory of Computing]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Project_Seminar_2019_2020 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Stochastic_analysis_2019_2020 | Stochastic Calculus ]] || Statistical Learning Theory || 1 year
|-
| [[A_Theorist's_Toolkit_2019_2020 | A Theorist's Toolkit, AMI]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Neurobayesian_models_2020 | Neurobayesian models ]] || Statistical Learning Theory || 2 year
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|- http://wiki.cs.hse.ru/Цифровая_грамотность_(филология)_2020#.F0.9F.93.AC_.D0.A7.D0.B0.D1.82.D1.8B_.D0.B3.D1.80.D1.83.D0.BF.D0.BF
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Введение в анализ данных 2020 МирЭк| Введение в анализ данных]] || Мировая экономика || 1 курс || 3-4 модуль
|-
|[[ Основы программирования в Python (Мирэк) | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ИЯиМК| Цифровая грамотность ]] || Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[ Цифровая_грамотность_(филология)_2020| Цифровая грамотность ]] || Филология || 1 курс || 3-4 модуль
|-
| [[Цифровая_грамотность_(ФиКЛ)_2020| Цифровая грамотность ]] || Фундаментальная и компьютерная лингвистика || 1 курс || 4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (История искусств)| Цифровая грамотность ]] || История искусств || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (Культурология)| Цифровая грамотность ]] || Культурология || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛ_ЮВА| Цифровая грамотность ]] || Языки и литература Юго-Восточной Азии || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛЯ| Цифровая грамотность ]] || Языки и литература Японии || 1 курс || 3-4 модуль
|-
| [[ ППО Социология 1 курс 2019/2020| ППО (Python для извлечения и обработки данных) ]] || Социология || 1 курс || 3 модуль
|-
|[[ Машинное обучение на матфаке 2020 | Машинное обучение]] || Математика || 2-4 курс || 3-4 модуль
|-
|[[ Excel для анализа данных | Excel для анализа данных]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 2 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 2 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 1 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 1 курс || 4 модуль
|-
| [[ СДиА Матфак 1 курс 2019/2020| Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Наука о данных (Экономика)|Наука о данных]] || Экономика || 2 курс || 3-4 модули
|-
| [[Основы программирования на Python весна 2020 матфак|Основы программирования на Python-2]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Культура работы с данными, КМБТ|Культура работы с данными, КМБТ]] || Клеточная и молекулярная биотехнология || 1 курс || 3-4 модули
|-
| [[Natural_Language_Processing_Blended_2020_module4 | Natural Language Processing (blended)]] || Прикладная политология || 1 г.о. || 4 модуль
|-
| [[ПМСАР-1 2019/2020|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Введение в Data Science]] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме || 1 г.о. || 3 модуль
|-
| [[Принципы построения математических моделей]] || МИЭМ || 1 г.о. || 4 модуль
|-
| [[Python для извлечения и обработки данных Психология 1 курс 2019/2020]] || Психология || 1 г.о. || 4 модуль
|-
| [[Технологии анализа больших данных ГМУ 1 курс 2019/2020]] || ГМУ || 1 г.о. || 4 модуль
|-
| [[Городское планирование | Цифровая грамотность]] || Городское планирование || 1 г.о. || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[ Основы анализа и визуализация данных для медиа 2019/2020 | Основы анализа и визуализации данных для медиа ]] || Журналистика || 4 курс || 1 модуль
|-
| [[ Анализ данных в Python 2019-2020 | Анализ данных в Python ]] || Политология || 4 курс || 1-2 модули
|-
| [[Introduction to Data Culture 2019-2020 | Introduction to Data Culture ]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[ Основы анализа данных в международных отношениях | Основы анализа данных в международных отношениях ]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Основы программирования в Python (Политология)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Основы программирования на Python осень 2019 матфак|Основы программирования на Python-1]] || Математика || 1-4 курс || 1-2 модули
|-
| [[ Цифровая грамотность (История 2019) | Цифровая грамотность ]] || История || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (Востоковедение 2019) | Цифровая грамотность ]] || Востоковедение|| 1 курс || 1-2 модули
|-
| [[ Цифровая_грамотность_2019-2020(философия) | Цифровая грамотность ]] || Философия || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (ассириология и античность 2019) | Цифровая грамотность ]] || Ассириология и античность|| 1 курс || 1-2 модули
|-
| [[ПМСАР-2_2019| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Работа с данными]] || Медиакоммуникации || 4 курс || 1 модуль
|-
| [[Машинное обучение (фэн 2019)]] || ФЭН || 3 курс || 1-2 модули
|-
| [[Natural_Language_Processing_Blended_2019_module1 | Natural Language Processing (blended)]] || Прикладная политология || 2 г.о. || 1 модуль
|-
| [[ ML_HSE_NES_2019 | Машинное обучение (ВШЭ-РЭШ)]] || Совместный бакалавриат ВШЭ-РЭШ || 3-4 курс || 1-2 модули
|-
| [[ Основы_анализа_и_визуализации_данных_ДИЯ_2019/2020 | Основы анализа и визуализации данных ]] || ДИЯ || 2 курс || 1,2 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_на_Python2019/2020|Основы программирования на Python]] || Экономика и статистика || 2-4 курс || 2 модуль
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2019-2020|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 3-4 модуль
|-
| [[Микроэконометрика качественных данных, фэн, 2020|Микроэконометрика качественных данных 2020]] || фэн, 4 курс || 1-2 модуль
|}

== Курсы за 2018/19 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2018/2019_(пилотный_поток) | Математический анализ на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2018/2019_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Calculus_DSBA_2018/2019 | Calculus I DSBA (ПАД)]]

[[Основы_и_методология_программирования_на_ПМИ_2018/2019_(пилотный_поток) | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2019_(С%2B%2B,_основной_поток) | Основы и методология программирования на ПМИ (С++, основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[LAaG_DSBA_2018/2019 | LAaG DSBA]]

[[Дискретная_математика_1_2018/2019 | Дискретная математика-1 на ПМИ]]

[[Discrete_Mathematics_DSBA2018/2019 |Discrete Mathematics DSBA (ПАД)]]

[[Introduction_to_programming | Introduction to programming DSBA (ПАД)]]

[[Introduction_to_programming_2 | Introduction to programming 2 DSBA (ПАД)]]

[[Алгебра_на_ПМИ_2018/2019_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2018/2019_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Algebra_DSBA_2018/2019 | Algebra DSBA]]

[http://hsealgebra19.wikidot.com Алгебра на ПИ]

[[Алгоритмы_и_структуры_данных_2018/2019 | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[http://math-info.hse.ru/2018-19/Дифференциальные_уравнения_(ФКН) Дифференциальные уравнения]

[[Теория_вероятностей_2018/2019_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2018/2019_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[DM2-pilot2018/2019 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-basic2018/2019 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2018/2019 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Факультатив Теория вычислений]]

||

[[Машинное_обучение_1/2018_2019 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2018 | Численные методы ]]

[[PDC | Параллельные и распределенные вычисления]]

[[Theory_of_Computing_2018_2019 | Theory of Computing, AMI]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[Прикладная_статистика_в_машинном_обучении(2018)|Прикладная статистика в машинном обучении]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Основные методы анализа данных]]

[[Теория баз данных]]

[[Непрерывная оптимизация/2019|Непрерывная оптимизация (161-162)]]

[[Непрерывная оптимизация (163-167)]]

[[Сложность вычислений и логика в теоретической информатике]]

[[Data analysis (Software Engineering) 2019|Data analysis]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

[[Intro to DL Blended | Intro to DL Blended]]

[[Дискретная оптимизация 2019 | Дискретная оптимизация 2019]]

||

[[Statistical_learning_theory_2018_2019 | Introduction to statistical learning theory]]

[[Анализ_неструктурированных_данных-2018 |Анализ неструктурированных данных ]]

[[Байесовские_методы_машинного_обучения_2018|Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[НИС_Науки_о_данных_2018/2019|НИС Науки о данных]]

[[НИС_Распределенные_системы_(4_курс,_2018)|НИС Распределенные системы]]

[[Теория_Информации_2018/2019|Теория информации]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Методы_и_системы_обработки_больших_данных_(осень_2018)|Методы и системы обработки больших данных]]

[[Философия_науки_2018|Философия науки]]

[[Теория баз данных]]

[[ConvAppr19 | Выпуклое программирование и аппроксимационные алгоритмы (ТИ)]]

[[Функциональное программирование 2019 | Функциональное программирование]]

[[A_Theorist's_Toolkit_2018_2019 | A Theorist's Toolkit, AMI]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

||
[[Дополнительные главы теории вероятностей 2019 | Дополнительные главы теории вероятностей 2019]]

[[Дополнительные главы математической статистики 2019 | Дополнительные главы математической статистики 2019]]

[[Введение в программирование (курс майнора) 2018/2019]]

[[dopglavy_DM_1819|Допглавы дискретной математики]]

[[Современные_методы_машинного_обучения_(курс_майнора)_2018/2019 | Современные методы машинного обучения (курс майнора) 2018/2019]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2019) | Прикладные задачи анализа данных (майнор - весна 2019)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных | Введение в анализ данных (курс майнора)]]

[[Функциональный анализ (весна_2019) | Функциональный анализ (весна_2019)]]

[[KotlinElective| Язык Kotlin (3 и 4 модули 2018-2019)]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы программирования на Python весна 2020 матфак|Основы программирования на Python-2]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(филология)|Цифровая грамотность]] || Филология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИИ_и_культурология)|Цифровая грамотность]] || История искусств и Культурология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИЯМК_2019)|Цифровая грамотность]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 1 курс || 3-4 модули
|-
| [[Основы_анализа_и_визуализации_данных_ДИЯ_2019|Анализ и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 3-4 модули
|-
| [[Научно-исследовательский_семинар_2019| Научно-исследовательский семинар]] || Политология || 1 курс || 3 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_в_Python_2019|Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модули
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[ПМСАР-1|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Искусственный интеллект и большие данные_(2019)|Искусственный интеллект и большие данные]] || Дизайн, Мода, Современное искусство || 1 курс || 3-4 модули
|-
| [[Информационный менеджмент: Введение в Data Science|Информационный менеджмент: Введение в Data Science]] || Управление бизнесом Маркетинг и рыночная аналитика || 1 курс || 4 модуль
|-
| [[Технологии анализа больших данных|Технологии анализа больших данных]] || ГМУ || 1 курс || 4 модуль
|-
| [[Основы программирования на Python (Прикладное программное обеспечение)|Основы программирования на Python (Прикладное программное обеспечение)]] || Социология || 1 курс || 4 модуль
|-
| [[Основы работы с данными|Основы работы с данными]] || Медиакоммуникации || 2 курс || 4 модуль
|-
| [[Введение_в_data_science_Социология_1_курс|Профориентационный семинар (Data Culture)]] || Социология || 1 курс || 4 модуль
|-
| [[Введение_в_анализ_данных_МирЭк_2019|Введение в анализ данных]] || Мировая экономика || 1 курс || 4 модуль

|}

=== 1 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы анализа данных в международных отношениях 2018/2019|Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [[Introduction_to_Data_Culture_2018-2019|Introduction to Data Culture]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Цифровая грамотность(востоковедение)|Цифровая грамотность]] || Востоковедение || 1 курс || 1 модуль
|-
| [[Разработка управленческих решений в маркетинге | Разработка управленческих решений в маркетинге]] || Маркетинг и рыночная аналитика || 2 курс || 1-2 модули
|-
| [[Информационные технологии в деятельности юриста_2018-2019| Информационные технологии в деятельности юриста]] || Юриспруденция || 1 курс || 2 модуль
|-
| [[Машинное обучение на матфаке 2018/2019| Машинное обучение]] || Факультет математики || 2-4 курсы || 1-2 модули
|-
| [[ПМСАР-2| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Анализ данных в Python (Политологи 1 семестр 1-2 модули)|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы анализа и визуализации данных для медиа (Журналисты 1 семестр 1 модуль)|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Введение в анализ текстов на Python для ФГН 2018|Введение в анализ текстов на Python для ФГН 2018]] || Фундаментальная и компьютерная лингвистика || 3 курс || 1, 2, 4 модули
|-
| [[Машинное обучение (ФЭН)]] || Факультет экономических наук || 3-4 курсы || 1-2 модули
|-
| [[Программирование_(python)_для_экономистов|Программирование (Python) для экономистов]] || Факультет экономических наук || 2 курс || 1-2 модули
|-
| [[Цифровая грамотность(философия)|Цифровая грамотность]] || Философия || 1 курс || 1-2 модули
|-
| [[Цифровая_грамотность_(историки)|Цифровая грамотность]] || История || 1 курс || 1-2 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 1-2 модули
|-
| [[Статистический анализ в среде R (Социологи 1 семестр 2 модуль)|Статистический анализ в среде R ]] || Социология || 4 курс || 2 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|}

==Courses of the Statistical Learning Theory program==
[[Neurobayesian_models_2019|Neurobayesian models]]

== Курсы за 2017/18 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2017/2018_(пилотный_поток) | Математический анализ на ПМИ 2017/2018 (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2017/2018_(основной_поток) | Математический анализ на ПМИ 2017/2018 (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(пилотный_поток,_1_модуль) | Основы и методология программирования на ПМИ 2017/2018 (пилотный поток, 1 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_2_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 2 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_3_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 3 модуль)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_2017/2018_(основной_поток) | Алгоритмы и структуры данных на ПМИ 2017/2018 (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Дискретная_математика_1_2017/2018 | Дискретная математика-1 на ПМИ]]

[[Алгоритмы и структуры данных 1 | Алгоритмы и структуры данных – 1 (пилотный поток)]]

[[Алгебра_на_ПМИ_2017/2018 | Алгебра на ПМИ]]

[http://hsealgebra18.wikidot.com Алгебра на ПИ]

||
[[Теория_вероятностей_2017/2018_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2017/2018_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический анализ-3 на ПМИ_2017/2018_(основной_поток) | Математический анализ-2 на ПМИ (основной поток)]]

[[Математический анализ на ПМИ_2017/2018 | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM2-pilot2017/2018 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM_2_2017_2018 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы и структуры данных_2_2017/2018 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Дифференциальные уравнения (2 курс, 2017/2018)| Дифференциальные уравнения]]

||
[[Машинное_обучение_1/2017_2018 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2017_2018 | Машинное обучение 2 на ПМИ]]

[[Численные_методы_2017 | Численные методы]]

[[Statistics of Stochastic Processes|Статистика случайных процессов 2018]]

[[Прикладная_статистика_в_машинном_обучении | Прикладная статистика в машинном обучении]]

[[Theory_of_Computing | Theory of Computing, AMI]]

[[Statistical_learning_theory | Introduction to statistical learning theory]]

[[Основные_методы_анализа_данных_(специализация_АДИС) | Основные методы анализа данных на ПМИ]]

[[Анализ неструктурированных данных]]

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[НИС_Распределенные_системы_(3_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Непрерывная_оптимизация | Непрерывная оптимизация]]

[[ Сложность_и_логика| Сложность вычислений и логика в теоретической информатике]]

[[Data_analysis_(Software_Engineering)_2018 | Data Analysis на ПИ]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

[http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных Машинное обучение на больших данных]

[[Дискретная_оптимизация | Дискретная оптимизация]]

||

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[Философия_науки_2017 | Философия науки]]

[[НИС_Распределенные_системы_(4_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Анализ неструктурированных данных]]

[[Байесовские методы машинного обучения 2017 | Байесовские методы машинного обучения]]

[[Функциональное программирование 2018 | Функциональное программирование]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

||

[[Современные методы машинного обучения (курс майнора) 2017/2018]]

[[Введение в программирование (курс майнора) 2017/2018]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2017-2018 | Введение в анализ данных (курс майнора)]]

[[Прикладные задачи анализа данных (майнор - весна 2018)]]

[[Маго-лего "Линейная алгебра в приложениях" весна 2018 | Линейная алгебра в приложениях (маго-лего)]]

[[Функциональный анализ 2017/18 | Функциональный анализ на ПМИ (факультатив)]]

[[Дополнительные главы теории вероятностей и математической статистики (факультативы) | Дополнительные главы теории вероятностей и математической статистики (факультативы)]]

[[Дополнительные главы дискретной математики 2017/18 | Дополнительные главы дискретной математики (факультатив)]]

[[Цифровые технологии в гуманитарных науках]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==

=== 2 семестр ===

[[Цифровая_грамотность_2018_(2_семестр)|Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)]] 
[[Научно-исследовательский семинар (ФСН) |Научно-исследовательский семинар (ОП "Политология", 1 курс)]] 
[[Introduction_to_Data_Culture|Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)]] 
[[ИИ_и_БД|Искусственный интеллект и большие данные (ОП "Дизайн", "Мода", 1 курс)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 2 семестр)]] 
[[Основы анализа данных в международных отношениях|Основы анализа данных в международных отношениях (ОП "Международные отношения", 2 курс, 4 модуль)]] 
[[Введение в data science (2_семестр)|Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс)]] 
[[Введение в Data Science| Введение в Data Science (ФБиМ, 4 модуль)]] 

=== 1 семестр ===

[[Цифровая_грамотность|Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)]] 
[[Машинное обучение (факультет экономических наук)|Машинное обучение (факультет экономических наук)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 1 семестр)]] 
[[Извлечение и анализ интернет-данных | Извлечение и анализ интернет-данных (факультет экономических наук)]] 
[[Анализ больших данных в социальных науках (ФСН, 2017) | Анализ больших данных в социальных науках (ФСН, 2017)]] 
[[Информационные_технологии_в_деятельности_юриста|Информационные технологии в деятельности юриста (Факультет права)]] 
[[Машинное_обучение_для_лингвистов|Машинное обучение (магистратура Школы лингвистики)]] 

== Курсы магистратуры Финансовые технологии и анализ данных ==

[[Вероятностные_модели_и_прикладная_статистика_в_финансовой_математике|Вероятностные модели и прикладная статистика в финансовой математике]]

[[Рекомендательные системы и поиск закономерностей в данных|Рекомендательные системы и поиск закономерностей в данных]]

== Courses of Data Science master program/Курсы магистерской программы "Науки о данных" ==

[[Introduction to Machine Learning and Data Mining |Introduction to Machine Learning and Data Mining 2019]]

[[Introduction to Machine Learning and Data Mining 2020 |Introduction to Machine Learning and Data Mining 2020]]

== Курсы за 2016/17 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3-4 курс !! майноры
|-
|

[[Математический анализ на ПМИ_2016/2017 | Математический анализ на ПМИ (пилотный поток)]]

[[Линейная алгебра и геометрия_2016/2017 | Линейная алгебра и геометрия на ПМИ]]

[[Дискретная_математика_1_2016/2017 | Дискретная математика-1 на ПМИ]]

[[Основы и методология программирования_2016/2017_пилотный_поток | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы и методология программирования_2016/2017 | Основы и методология программирования на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(пилотный_поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(основной_поток) | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2016/2017 | Алгебра на ПМИ]]

[http://hsealgebra17.wikidot.com/ Алгебра на ПИ]

||

[[Математический анализ_2016/2017 | Математический анализ-3 на ПМИ (основной поток)]]

[[Математически_анализ_3_на_ПМИ_(пилотный_поток) | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM_2_2016_2017 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Дискретная математика_2_2016/2017 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Алгоритмы и структуры данных_2_2016/2017 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Теория вероятностей_2016/2017 | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2016/2017_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы]]

[[Факультатив_теория_вычислений_2016/2017 | Факультатив теория вычислений на ПМИ]]

[[Дополнительные_главы_теории_вероятностей_(факультатив,_2017) | Дополнительные главы теории вероятностей (факультатив)]]

[[Дифференциальные_уравнения_(2_курс,_2016/2017) | Дифференциальные уравнения]]

[[Математическая_статистика_2016/2017_(пилотный_поток) | Математическая статистика на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы ]]

||

[[НИС_Машинное_обучение_и_приложения_2016/2017 | НИС Машинное обучение и приложения на ПМИ]]

[[Машинное_обучение_1/2016_2017 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2016_2017 | Машинное обучение 2 на ПМИ]]

[[Прикладной_статистический_анализ_данных | Прикладной статистический анализ данных на ПМИ]]

[[Численные_методы_в_анализе_данных | Численные методы в анализе данных на ПМИ]]

[http://www.machinelearning.ru/wiki/index.php?title=Статистика_случайных_процессов_(курс_лекций,_ФКН_ВШЭ) Вероятностные модели и статистика случайных процессов на ПМИ]

[http://www.machinelearning.ru/wiki/index.php?title=Opt Методы оптимизации на ПМИ (специализации МОП и РС)]

[[Методы_оптимизации_(весна_2017)|Методы оптимизации 2 (дискретная оптимизация)]]

[[НИС_Распределенные_системы_(осень_2016) | НИС Распределенные системы]]

[[Анализ и верификация алгоритмов биржевой торговли | Анализ и верификация алгоритмов для систем биржевой торговли ]]

[[Программирование_на_графических_процессорах | Программирование на графических процессорах]]

[[ЯРПО | Языки разработки ПО (курс по выбору) на ПМИ]]

[[Data analysis (Software Engineering) 2017 | Data analysis на ПИ]]

[[Базы данных 2 | Базы данных 2 ]]

[[Компьютерные сети 2 | Компьютерные сети 2]]

[[Машинное_обучение_на_больших_данных | Машинное обучение на больших данных на ПМИ]]

||

[[Современные_методы_машинного_обучения_(курс_майнора) | Современные методы машинного обучения (курс майнора)]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_программирование_2016/2017 | Введение в программирование (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2016-2017 | Введение в анализ данных (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных| Прикладные задачи анализа данных (курс майнора)]]

|}

{|width=100%
|style="vertical-align:top;"|



=== Курсы за 2015/16 учебный год ===
{|
|-
| [[Технологии программирования|Технологии программирования на ПМИ]]
|-
|[[ОиМП-2015|Основы и методология программирования на ПМИ]]
|-
|[[Алгоритмы и структуры данных 2016]]
|-
|[[Линейная алгебра и геометрия_2015/2016 | Линейная алгебра и геометрия на ПМИ]]
|-
|[[Алгебра_2015/2016 | Алгебра на ПМИ]]
|-
|[http://hsealgebra.wikidot.com/ Алгебра на ПИ]
|-
|[[Компьютерные системы]]
|-
|[[Математический анализ на ПМИ_2015/2016 | Математический анализ на ПМИ]]
|-
|[[Факультатив_Матпрактикум | Матпрактикум (факультатив) на ПМИ]]
|-
|[[Data analysis (Software Engineering)]] 
|-
|[[Майнор Интеллектуальный анализ данных/Введение в программирование|Введение в программирование (курс майнора) на ПМИ]]
|-
|[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2015-2016|Введение в анализ данных (курс майнора) на ПМИ]]
|-
|[[НИС Машинное обучение и приложения|НИС Машинное обучение и приложения на ПМИ]]
|-
|[[Архитектура компьютеров и системное программирование (ПМИ_4, 2015/2016)|Архитектура компьютеров и системное программирование (4 курс)]]
|-
|[[Дифференциальные уравнения (2 курс, 2015/2016)| Дифференциальные уравнения]]
|-
|[[Введение в VBA|Введение в VBA]]
|}

|style="vertical-align:top;"|



=== Курсы за 2014/15 учебный год ===
{|
|-
|[[Основы и методологии программирования]] 
|-
|[[Алгоритмы и структуры данных 2015 | Алгоритмы и структуры данных]] 
|-
|[[Анализ данных (Программная инженерия)]] 
|-
|[[Алгебра_2014/2015 | Алгебра]] 
|-
|[[Magolego_sna_2015| MAGoLEGO Social Network Analysis]]
|}

==== Проектная работа ====
{|
|-
|[[Проектная работа]] 
|-
|[[Учебная практика 1 курс (2016)]]
|-
|[[Проектная работа 2 курс (2016)]]
|}


|}

== Мероприятия факультета компьютерных наук ==
=== Summer School 2015 ===
[[Introduction to Natural Language Processing|Introduction to Natural Language Processing]]
#[[Lecture 1. Introduction|Introduction]]
#[[Lecture 2. Tokenization and word counts|Tokenization and word counts]]
#[[Lecture 3. POS tagging. Key word and phrase extraction|POS tagging. Key word and phrase extraction]]
#[[Lecture 4. Parsing|Parsing]]
#[[Lecture 5. Language sources|Language sources]]
#[[Lecture 6. Synonyms and near-synonyms detection|Synonyms and near-synonyms detection]]
#[[Lecture 8. Suffix trees for NLP|Suffix trees for NLP]]
#[[NLP References|References]]

== Архив ==
* [[Учебная практика 1 курс (2015)]]

Анализ данных на python, фэн, 2020 spring

2021-01-13T17:54:35Z

Fulyankin: Новая страница: «==О курсе== '''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис…»

==О курсе==

'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], [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.

== Правила выставления оценок ==

== Распределение групп по семинаристам и ассистентам ==

{| class="wikitable"
|-
! Группа !! Семинарист !! Ассистент
|-
| 191 || Борис Демешев @boris_demeshev || Никулина Женя @evgnikulina
|-
| 192 || Борис Демешев @boris_demeshev || Чирикова Настя @cOWOna_wivus
|-
| 193 || Филипп Ульянкин @Ppilif || Мазуров Матвей @Matmaz1
|-
| 194 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 195 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 196 [online] || Артем Филатов @filatovartm || Кордзахия Натела @nkrdz
|-
| 197 || Артур Петросян @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 198 [online] || Анастасия Максимовская @anastasiyamaxx || Алтунина Настя @anastasiia_altunina
|-
| 199 [online] || Анастасия Максимовская @anastasiyamaxx || Саурбек Ляззат @lyazzzzzzat
|-
| 1910 || Марина Ананьева @ananyevame || Карев Василий @Jack_karev
|-
| 1911 || Марина Ананьева @ananyevame || Андреевский Александр @alexandreevskiy
|-
| 1912 [online] || Илья Аброскин @iiiiilllllyyyyyaaaa || Огородников Михаил @Spectag
|-
| 1913 || Максим Карпов @buntar29 || Колесников Егор @kollego
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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:

0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ

'''Домашки:'''

- [HW1: таблички в pandas:](https://classroom.github.com/a/iAHUsz3_) предобрабатываем датасет и анализируем его.
- [Контест, где надо представиться:](https://official.contest.yandex.ru/contest/20921/enter/) вбить группу и ссылку на репозиторий с дз1.
- [HW2: циклы и услоия:](https://official.contest.yandex.ru/contest/20811/enter/) решаем просты задачки на циклы.

'''Контрольные:'''

- [Мини-КР 1](https://official.contest.yandex.ru/contest/20469/enter/)

'''Другое:'''

- [Прошлогодняя кр1 для разминки](https://official.contest.yandex.ru/contest/18100/problems/)

==Большой план маленьких побед==

==== Неделя 1. Вводимся в python, git и делаем import this ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem01 sem01]

Необязательное дз:
* Альтернатива 1: попробовать освоить первые [https://pythontutor.ru/lessons/inout_and_arithmetic_operations/ три урока из pythontutor] и порешать задачки прямо в интерфейсе браузера.
* Альтернатива 2: пройти первые три недели [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus курса на Coursera]

==== Неделя 2. Учимся работать с табличками в pandas ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem02_pandas sem02]

Необязательное дз:
* Проработать [https://habr.com/ru/company/ods/blog/322626/ статью про то как в pandas можно делать разные штуки]

==== Неделя 3. Говорим про циклы и условия ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem03_for sem03]

Видео-материалы посмотреть:
* Неделя 2 и 5 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* Модули 1.10, 2.1, 2.2, 2.3 курса "Программирование на Python" на [https://stepik.org/course/67 Stepik].

Дополнительные ссылки почитать:
* 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 4. Говорим о функциях ====

* Неделя 4 и 6 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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

==== Неделя 5. Говорим про словарики и множества ====

* Неделя 7 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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 11, 30 ноября. Логистическая регрессия: начало ====

* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem12_13_logisticRegression Стартовый ноутбук] и данные к логистическим регрессиям.
* Из теории можно поботать [https://github.com/bdemeshev/mlearn_pro/raw/master/mlearn_pro.pdf из задачника]: 3.13, 4.1, 4.5, 4.6, 4.7

==== Неделя 12, 7 декабря. Логистическая регрессия: вторая часть Марлезонского балета ====

* [https://www.kaggle.com/janiobachmann/credit-fraud-dealing-with-imbalanced-datasets credit card example]

==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 на python, фэн, 2020 fall

2020-10-19T14:13:23Z

Fulyankin:

==О курсе==

'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], [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.

== Правила выставления оценок ==

== Распределение групп по семинаристам и ассистентам ==

{| class="wikitable"
|-
! Группа !! Семинарист !! Ассистент
|-
| 191 || Борис Демешев @boris_demeshev || Никулина Женя @evgnikulina
|-
| 192 || Борис Демешев @boris_demeshev || Чирикова Настя @cOWOna_wivus
|-
| 193 || Филипп Ульянкин @Ppilif || Мазуров Матвей @Matmaz1
|-
| 194 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 195 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 196 [online] || Артем Филатов @filatovartm || Кордзахия Натела @nkrdz
|-
| 197 || Артур Петросян @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 198 [online] || Анастасия Максимовская @anastasiyamaxx || Алтунина Настя @anastasiia_altunina
|-
| 199 [online] || Анастасия Максимовская @anastasiyamaxx || Саурбек Ляззат @lyazzzzzzat
|-
| 1910 || Марина Ананьева @ananyevame || Карев Василий @Jack_karev
|-
| 1911 || Марина Ананьева @ananyevame || Андреевский Александр @alexandreevskiy
|-
| 1912 [online] || Илья Аброскин @iiiiilllllyyyyyaaaa || Огородников Михаил @Spectag
|-
| 1913 || Максим Карпов @buntar29 || Колесников Егор @kollego
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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:

0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ

'''Домашки:'''

- [HW1: таблички в pandas:](https://classroom.github.com/a/iAHUsz3_) предобрабатываем датасет и анализируем его.
- [Контест, где надо представиться:](https://official.contest.yandex.ru/contest/20921/enter/) вбить группу и ссылку на репозиторий с дз1.
- [HW2: циклы и услоия:](https://official.contest.yandex.ru/contest/20811/enter/) решаем просты задачки на циклы.

'''Контрольные:'''

- [Мини-КР 1](https://official.contest.yandex.ru/contest/20469/enter/)

'''Другое:'''

- [Прошлогодняя кр1 для разминки](https://official.contest.yandex.ru/contest/18100/problems/)

==Большой план маленьких побед==

==== Неделя 1. Вводимся в python, git и делаем import this ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem01 sem01]

Необязательное дз:
* Альтернатива 1: попробовать освоить первые [https://pythontutor.ru/lessons/inout_and_arithmetic_operations/ три урока из pythontutor] и порешать задачки прямо в интерфейсе браузера.
* Альтернатива 2: пройти первые три недели [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus курса на Coursera]

==== Неделя 2. Учимся работать с табличками в pandas ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem02_pandas sem02]

Необязательное дз:
* Проработать [https://habr.com/ru/company/ods/blog/322626/ статью про то как в pandas можно делать разные штуки]

==== Неделя 3. Говорим про циклы и условия ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem03_for sem03]

Видео-материалы посмотреть:
* Неделя 2 и 5 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* Модули 1.10, 2.1, 2.2, 2.3 курса "Программирование на Python" на [https://stepik.org/course/67 Stepik].

Дополнительные ссылки почитать:
* 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 4. Говорим о функциях ====

* Неделя 4 и 6 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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

==== Неделя 5. Говорим про словарики и множества ====

* Неделя 7 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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

==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 на python, фэн, 2020 fall

2020-10-13T16:36:55Z

Fulyankin:

==О курсе==

'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], [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.

== Правила выставления оценок ==

== Распределение групп по семинаристам и ассистентам ==

{| class="wikitable"
|-
! Группа !! Семинарист !! Ассистент
|-
| 191 || Борис Демешев @boris_demeshev || Никулина Женя @evgnikulina
|-
| 192 || Борис Демешев @boris_demeshev || Чирикова Настя @cOWOna_wivus
|-
| 193 || Филипп Ульянкин @Ppilif || Мазуров Матвей @Matmaz1
|-
| 194 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 195 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 196 [online] || Артем Филатов @filatovartm || Кордзахия Натела @nkrdz
|-
| 197 || Артур Петросян @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 198 [online] || Анастасия Максимовская @anastasiyamaxx || Алтунина Настя @anastasiia_altunina
|-
| 199 [online] || Анастасия Максимовская @anastasiyamaxx || Саурбек Ляззат @lyazzzzzzat
|-
| 1910 || Марина Ананьева @ananyevame || Карев Василий @Jack_karev
|-
| 1911 || Марина Ананьева @ananyevame || Андреевский Александр @alexandreevskiy
|-
| 1912 [online] || Илья Аброскин @iiiiilllllyyyyyaaaa || Огородников Михаил @Spectag
|-
| 1913 || Максим Карпов @buntar29 || Колесников Егор @kollego
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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:

0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ

'''Задания:'''

* [https://classroom.github.com/a/iAHUsz3_ HW1: таблички в pandas,] [https://official.contest.yandex.ru/contest/20921/enter/ Контест, где надо представиться] (вбить группу и ссылку на репозиторий с дз1)
* [https://official.contest.yandex.ru/contest/20811/enter/ HW2: циклы и услоия]

* [https://official.contest.yandex.ru/contest/20469/enter/ мини-кр 1]

==Большой план маленьких побед==

==== Неделя 1. Вводимся в python, git и делаем import this ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem01 sem01]

Необязательное дз:
* Альтернатива 1: попробовать освоить первые [https://pythontutor.ru/lessons/inout_and_arithmetic_operations/ три урока из pythontutor] и порешать задачки прямо в интерфейсе браузера.
* Альтернатива 2: пройти первые три недели [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus курса на Coursera]

==== Неделя 2. Учимся работать с табличками в pandas ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem02_pandas sem02]

Необязательное дз:
* Проработать [https://habr.com/ru/company/ods/blog/322626/ статью про то как в pandas можно делать разные штуки]

==== Неделя 3. Говорим про циклы и условия ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem03_for sem03]

Видео-материалы посмотреть:
* Неделя 2 и 5 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* Модули 1.10, 2.1, 2.2, 2.3 курса "Программирование на Python" на [https://stepik.org/course/67 Stepik].

Дополнительные ссылки почитать:
* 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 4. Говорим о функциях ====

* Неделя 4 и 6 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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

==== Неделя 5. Говорим про словарики и множества ====

* Неделя 7 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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

==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 на python, фэн, 2020 fall

2020-10-13T16:36:39Z

Fulyankin:

==О курсе==

'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], [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.

== Правила выставления оценок ==

== Распределение групп по семинаристам и ассистентам ==

{| class="wikitable"
|-
! Группа !! Семинарист !! Ассистент
|-
| 191 || Борис Демешев @boris_demeshev || Никулина Женя @evgnikulina
|-
| 192 || Борис Демешев @boris_demeshev || Чирикова Настя @cOWOna_wivus
|-
| 193 || Филипп Ульянкин @Ppilif || Мазуров Матвей @Matmaz1
|-
| 194 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 195 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 196 [online] || Артем Филатов @filatovartm || Кордзахия Натела @nkrdz
|-
| 197 || Артур Петросян @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 198 [online] || Анастасия Максимовская @anastasiyamaxx || Алтунина Настя @anastasiia_altunina
|-
| 199 [online] || Анастасия Максимовская @anastasiyamaxx || Саурбек Ляззат @lyazzzzzzat
|-
| 1910 || Марина Ананьева @ananyevame || Карев Василий @Jack_karev
|-
| 1911 || Марина Ананьева @ananyevame || Андреевский Александр @alexandreevskiy
|-
| 1912 [online] || Илья Аброскин @iiiiilllllyyyyyaaaa || Огородников Михаил @Spectag
|-
| 1913 || Максим Карпов @buntar29 || Колесников Егор @kollego
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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:

0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ

'''Задания:'''

* [https://classroom.github.com/a/iAHUsz3_ HW1: таблички в pandas,]
[https://official.contest.yandex.ru/contest/20921/enter/ Контест, где надо представиться] (вбить группу и ссылку на репозиторий с дз1)
* [https://official.contest.yandex.ru/contest/20811/enter/ HW2: циклы и услоия]

* [https://official.contest.yandex.ru/contest/20469/enter/ мини-кр 1]

==Большой план маленьких побед==

==== Неделя 1. Вводимся в python, git и делаем import this ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem01 sem01]

Необязательное дз:
* Альтернатива 1: попробовать освоить первые [https://pythontutor.ru/lessons/inout_and_arithmetic_operations/ три урока из pythontutor] и порешать задачки прямо в интерфейсе браузера.
* Альтернатива 2: пройти первые три недели [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus курса на Coursera]

==== Неделя 2. Учимся работать с табличками в pandas ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem02_pandas sem02]

Необязательное дз:
* Проработать [https://habr.com/ru/company/ods/blog/322626/ статью про то как в pandas можно делать разные штуки]

==== Неделя 3. Говорим про циклы и условия ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem03_for sem03]

Видео-материалы посмотреть:
* Неделя 2 и 5 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* Модули 1.10, 2.1, 2.2, 2.3 курса "Программирование на Python" на [https://stepik.org/course/67 Stepik].

Дополнительные ссылки почитать:
* 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 4. Говорим о функциях ====

* Неделя 4 и 6 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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

==== Неделя 5. Говорим про словарики и множества ====

* Неделя 7 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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

==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.

Наука о данных (Экономика)

2020-10-13T15:09:09Z

Fulyankin:

==Пересдачи==

Пересдача 13 октября 2020 года.
* Время: 18:10 - 21:10.
* [https://www.overleaf.com/read/scvykdmmthyn Условие]
* Ссылка [https://classroom.github.com/a/stoHH47h на гитхаб-классрум] для загрузки готовой работы. Требуется загрузить один .ipynb файл. В файле обязательно укажите фио и группу. Загрузка файла делается нажатием кнопки "uploading an existing file" либо "upload file". Если не видите её, попробуйте поискать через ctrl+F.

==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 || Вторник, 12.10-13.30, discord
|-
| 182 || [https://www.hse.ru/staff/bbd Борис Демешев] || Василиса Серякова || @Vasilisa_Seryakova || Пятница, 10.30-11.50, discord
|-
| ... || [https://www.hse.ru/org/persons/101555071 Артем Филатов] || Ася Карпова || @Asya_Karpova ||
|-
| 183 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Тимофей Атнашев || @tim_atnashev ||
|-
| 184 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Челбаев Михаил || @mikhail_chelbaev ||
|-
| 185 || Филипп Ульянкин || Лиза Махнева || @eliza_1 ||
|-
| 186 || Филипп Ульянкин || Артём Ларичев || @ArtyomLarichev ||
|-
| 187 || [https://www.hse.ru/org/persons/25903730 Ананьева Марина] || Андреевский Александр || @alexandreevskiy ||
|-
| 188 || [https://www.hse.ru/org/persons/25903730 Ананьева Марина] || Василий Карев || @Jack_karev ||
|-
| ... || Зарманбетов Ахмед || Копылов Валентин || @wallykop ||
|-
| ... || Зарманбетов Ахмед || Николаенкова Мария || @nikolamash ||
|-
| 1813 || Максимовская Анастасия || Перевышина Татьяна || @prvshna ||
|-
| 1814 || Максимовская Анастасия || Тукмачева Юлия || @juliatukmacheva ||
|}

'''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].

Ссылка на контрольную работу 20 апреля (понедельник) с 15 до 18: [https://official.contest.yandex.ru/contest/18048/standings/]

==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.

Наука о данных (Экономика)

2020-10-13T15:01:48Z

Fulyankin:

==Пересдачи==

Пересдача 5 октября 2020 года.
* Время: 18:10 - 21:10.
* [https://www.overleaf.com/read/scvykdmmthyn Условие]
* Ссылка [https://classroom.github.com/a/stoHH47h на гитхаб-классрум] для загрузки готовой работы. Требуется загрузить один .ipynb файл. В файле обязательно укажите фио и группу. Загрузка файла делается нажатием кнопки "uploading an existing file" либо "upload file". Если не видите её, попробуйте поискать через ctrl+F.

==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 || Вторник, 12.10-13.30, discord
|-
| 182 || [https://www.hse.ru/staff/bbd Борис Демешев] || Василиса Серякова || @Vasilisa_Seryakova || Пятница, 10.30-11.50, discord
|-
| ... || [https://www.hse.ru/org/persons/101555071 Артем Филатов] || Ася Карпова || @Asya_Karpova ||
|-
| 183 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Тимофей Атнашев || @tim_atnashev ||
|-
| 184 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Челбаев Михаил || @mikhail_chelbaev ||
|-
| 185 || Филипп Ульянкин || Лиза Махнева || @eliza_1 ||
|-
| 186 || Филипп Ульянкин || Артём Ларичев || @ArtyomLarichev ||
|-
| 187 || [https://www.hse.ru/org/persons/25903730 Ананьева Марина] || Андреевский Александр || @alexandreevskiy ||
|-
| 188 || [https://www.hse.ru/org/persons/25903730 Ананьева Марина] || Василий Карев || @Jack_karev ||
|-
| ... || Зарманбетов Ахмед || Копылов Валентин || @wallykop ||
|-
| ... || Зарманбетов Ахмед || Николаенкова Мария || @nikolamash ||
|-
| 1813 || Максимовская Анастасия || Перевышина Татьяна || @prvshna ||
|-
| 1814 || Максимовская Анастасия || Тукмачева Юлия || @juliatukmacheva ||
|}

'''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].

Ссылка на контрольную работу 20 апреля (понедельник) с 15 до 18: [https://official.contest.yandex.ru/contest/18048/standings/]

==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.

Наука о данных (Экономика)

2020-10-05T15:22:06Z

Fulyankin:

==Пересдачи==

Пересдача 5 октября 2020 года.
* Время: 18:20 - 21:20.
* [https://www.overleaf.com/read/fwqkdkfzjywm Условие]
* Ссылка [https://classroom.github.com/a/g6pfy7OP на гитхаб-классрум] для загрузки готовой работы. Требуется загрузить один .ipynb файл. В файле обязательно укажите фио и группу.

==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 || Вторник, 12.10-13.30, discord
|-
| 182 || [https://www.hse.ru/staff/bbd Борис Демешев] || Василиса Серякова || @Vasilisa_Seryakova || Пятница, 10.30-11.50, discord
|-
| ... || [https://www.hse.ru/org/persons/101555071 Артем Филатов] || Ася Карпова || @Asya_Karpova ||
|-
| 183 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Тимофей Атнашев || @tim_atnashev ||
|-
| 184 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Челбаев Михаил || @mikhail_chelbaev ||
|-
| 185 || Филипп Ульянкин || Лиза Махнева || @eliza_1 ||
|-
| 186 || Филипп Ульянкин || Артём Ларичев || @ArtyomLarichev ||
|-
| 187 || [https://www.hse.ru/org/persons/25903730 Ананьева Марина] || Андреевский Александр || @alexandreevskiy ||
|-
| 188 || [https://www.hse.ru/org/persons/25903730 Ананьева Марина] || Василий Карев || @Jack_karev ||
|-
| ... || Зарманбетов Ахмед || Копылов Валентин || @wallykop ||
|-
| ... || Зарманбетов Ахмед || Николаенкова Мария || @nikolamash ||
|-
| 1813 || Максимовская Анастасия || Перевышина Татьяна || @prvshna ||
|-
| 1814 || Максимовская Анастасия || Тукмачева Юлия || @juliatukmacheva ||
|}

'''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].

Ссылка на контрольную работу 20 апреля (понедельник) с 15 до 18: [https://official.contest.yandex.ru/contest/18048/standings/]

==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.

Наука о данных (Экономика)

2020-10-05T15:17:47Z

Fulyankin:

==Пересдачи==

Пересдача 28 сентября 2020 года.
* Время: 18:00 - 21:00.
* [https://www.overleaf.com/read/fwqkdkfzjywm Условие]
* Ссылка [https://classroom.github.com/a/g6pfy7OP на гитхаб-классрум] для загрузки готовой работы. Требуется загрузить один .ipynb файл. В файле обязательно укажите фио и группу.

==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 || Вторник, 12.10-13.30, discord
|-
| 182 || [https://www.hse.ru/staff/bbd Борис Демешев] || Василиса Серякова || @Vasilisa_Seryakova || Пятница, 10.30-11.50, discord
|-
| ... || [https://www.hse.ru/org/persons/101555071 Артем Филатов] || Ася Карпова || @Asya_Karpova ||
|-
| 183 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Тимофей Атнашев || @tim_atnashev ||
|-
| 184 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Челбаев Михаил || @mikhail_chelbaev ||
|-
| 185 || Филипп Ульянкин || Лиза Махнева || @eliza_1 ||
|-
| 186 || Филипп Ульянкин || Артём Ларичев || @ArtyomLarichev ||
|-
| 187 || [https://www.hse.ru/org/persons/25903730 Ананьева Марина] || Андреевский Александр || @alexandreevskiy ||
|-
| 188 || [https://www.hse.ru/org/persons/25903730 Ананьева Марина] || Василий Карев || @Jack_karev ||
|-
| ... || Зарманбетов Ахмед || Копылов Валентин || @wallykop ||
|-
| ... || Зарманбетов Ахмед || Николаенкова Мария || @nikolamash ||
|-
| 1813 || Максимовская Анастасия || Перевышина Татьяна || @prvshna ||
|-
| 1814 || Максимовская Анастасия || Тукмачева Юлия || @juliatukmacheva ||
|}

'''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].

Ссылка на контрольную работу 20 апреля (понедельник) с 15 до 18: [https://official.contest.yandex.ru/contest/18048/standings/]

==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.

Наука о данных (Экономика)

2020-10-05T15:17:38Z

Fulyankin:

==Пересдачи==

Пересдача 28 сентября 2020 года.
* Время: 18:00 - 21:00.
* [https://www.overleaf.com/read/fwqkdkfzjywm
Условие]
* Ссылка [https://classroom.github.com/a/g6pfy7OP на гитхаб-классрум] для загрузки готовой работы. Требуется загрузить один .ipynb файл. В файле обязательно укажите фио и группу.

==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 || Вторник, 12.10-13.30, discord
|-
| 182 || [https://www.hse.ru/staff/bbd Борис Демешев] || Василиса Серякова || @Vasilisa_Seryakova || Пятница, 10.30-11.50, discord
|-
| ... || [https://www.hse.ru/org/persons/101555071 Артем Филатов] || Ася Карпова || @Asya_Karpova ||
|-
| 183 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Тимофей Атнашев || @tim_atnashev ||
|-
| 184 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Челбаев Михаил || @mikhail_chelbaev ||
|-
| 185 || Филипп Ульянкин || Лиза Махнева || @eliza_1 ||
|-
| 186 || Филипп Ульянкин || Артём Ларичев || @ArtyomLarichev ||
|-
| 187 || [https://www.hse.ru/org/persons/25903730 Ананьева Марина] || Андреевский Александр || @alexandreevskiy ||
|-
| 188 || [https://www.hse.ru/org/persons/25903730 Ананьева Марина] || Василий Карев || @Jack_karev ||
|-
| ... || Зарманбетов Ахмед || Копылов Валентин || @wallykop ||
|-
| ... || Зарманбетов Ахмед || Николаенкова Мария || @nikolamash ||
|-
| 1813 || Максимовская Анастасия || Перевышина Татьяна || @prvshna ||
|-
| 1814 || Максимовская Анастасия || Тукмачева Юлия || @juliatukmacheva ||
|}

'''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].

Ссылка на контрольную работу 20 апреля (понедельник) с 15 до 18: [https://official.contest.yandex.ru/contest/18048/standings/]

==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 на python, фэн, 2020 fall

2020-10-01T17:27:40Z

Fulyankin:

==О курсе==

'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], [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.

== Правила выставления оценок ==

== Распределение групп по семинаристам и ассистентам ==

{| class="wikitable"
|-
! Группа !! Семинарист !! Ассистент
|-
| 191 || Борис Демешев @boris_demeshev || Никулина Женя @evgnikulina
|-
| 192 || Борис Демешев @boris_demeshev || Чирикова Настя @cOWOna_wivus
|-
| 193 || Филипп Ульянкин @Ppilif || Мазуров Матвей @Matmaz1
|-
| 194 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 195 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 196 [online] || Артем Филатов @filatovartm || Кордзахия Натела @nkrdz
|-
| 197 || Артур Петросян @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 198 [online] || Анастасия Максимовская @anastasiyamaxx || Алтунина Настя @anastasiia_altunina
|-
| 199 [online] || Анастасия Максимовская @anastasiyamaxx || Саурбек Ляззат @lyazzzzzzat
|-
| 1910 || Марина Ананьева @ananyevame || Карев Василий @Jack_karev
|-
| 1911 || Марина Ананьева @ananyevame || Андреевский Александр @alexandreevskiy
|-
| 1912 [online] || Илья Аброскин @iiiiilllllyyyyyaaaa || Огородников Михаил @Spectag
|-
| 1913 || Максим Карпов @buntar29 || Колесников Егор @kollego
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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:

0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ

'''Задания:'''

* [https://classroom.github.com/a/iAHUsz3_ HW1: таблички в pandas]

==Большой план маленьких побед==

==== Неделя 1. Вводимся в python, git и делаем import this ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem01 sem01]

Необязательное дз:
* Альтернатива 1: попробовать освоить первые [https://pythontutor.ru/lessons/inout_and_arithmetic_operations/ три урока из pythontutor] и порешать задачки прямо в интерфейсе браузера.
* Альтернатива 2: пройти первые три недели [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus курса на Coursera]

==== Неделя 2. Учимся работать с табличками в pandas ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem02_pandas sem02]

Необязательное дз:
* Проработать [https://habr.com/ru/company/ods/blog/322626/ статью про то как в pandas можно делать разные штуки]

==== Неделя 3. Говорим про циклы и условия ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem03_for sem03]

Видео-материалы посмотреть:
* Неделя 2 и 5 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* Модули 1.10, 2.1, 2.2, 2.3 курса "Программирование на Python" на [https://stepik.org/course/67 Stepik].

Дополнительные ссылки почитать:
* 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 4. Говорим о функциях ====

* Неделя 4 и 6 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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

==== Неделя 5. Говорим про словарики и множества ====

* Неделя 7 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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

==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 на python, фэн, 2020 fall

2020-10-01T17:17:45Z

Fulyankin:

==О курсе==

'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], [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.

== Правила выставления оценок ==

== Распределение групп по семинаристам и ассистентам ==

{| class="wikitable"
|-
! Группа !! Семинарист !! Ассистент
|-
| 191 || Борис Демешев @boris_demeshev || Никулина Женя @evgnikulina
|-
| 192 || Борис Демешев @boris_demeshev || Чирикова Настя @cOWOna_wivus
|-
| 193 || Филипп Ульянкин @Ppilif || Мазуров Матвей @Matmaz1
|-
| 194 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 195 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 196 [online] || Артем Филатов @filatovartm || Кордзахия Натела @nkrdz
|-
| 197 || Артур Петросян @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 198 [online] || Анастасия Максимовская @anastasiyamaxx || Алтунина Настя @anastasiia_altunina
|-
| 199 [online] || Анастасия Максимовская @anastasiyamaxx || Саурбек Ляззат @lyazzzzzzat
|-
| 1910 || Марина Ананьева @ananyevame || Карев Василий @Jack_karev
|-
| 1911 || Марина Ананьева @ananyevame || Андреевский Александр @alexandreevskiy
|-
| 1912 [online] || Илья Аброскин @iiiiilllllyyyyyaaaa || Огородников Михаил @Spectag
|-
| 1913 || Максим Карпов @buntar29 || Колесников Егор @kollego
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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:

0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ

'''Задания:'''

* [https://classroom.github.com/a/iAHUsz3_ HW1: таблички в pandas]

==Большой план маленьких побед==

==== Неделя 1. Вводимся в python, git и делаем import this ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem01 sem01]

Необязательное дз:
* Альтернатива 1: попробовать освоить первые [https://pythontutor.ru/lessons/inout_and_arithmetic_operations/ три урока из pythontutor] и порешать задачки прямо в интерфейсе браузера.
* Альтернатива 2: пройти первые три недели [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus курса на Coursera]

==== Неделя 2. Учимся работать с табличками в pandas ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem02_pandas sem02]

Необязательное дз:
* Проработать [https://habr.com/ru/company/ods/blog/322626/ статью про то как в pandas можно делать разные штуки]

==== Неделя 3. Говорим про циклы и условия ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem03_for sem03]

Видео-материалы посмотреть:
* Неделя 2 и 5 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* Модули 1.10, 2.1, 2.2, 2.3 курса "Программирование на Python" на [https://stepik.org/course/67 Stepik].

Дополнительные ссылки почитать:
* 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 4. Говорим о функциях ====

* Неделя 4 и 6 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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

==== Неделя 5. Говорим про словарики и множества ====

* Неделя 7 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* 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 [https://yadi.sk/i/VUEpPKLb3ZH2Bz Грокаем Алгоритмы] с примерами кода на python, она великолепная и очень просто написана с примерами на python

==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 на python, фэн, 2020 fall

2020-09-29T16:38:14Z

Fulyankin:

==О курсе==

'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], [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.

== Правила выставления оценок ==

== Распределение групп по семинаристам и ассистентам ==

{| class="wikitable"
|-
! Группа !! Семинарист !! Ассистент
|-
| 191 || Борис Демешев @boris_demeshev || Никулина Женя @evgnikulina
|-
| 192 || Борис Демешев @boris_demeshev || Чирикова Настя @cOWOna_wivus
|-
| 193 || Филипп Ульянкин @Ppilif || Мазуров Матвей @Matmaz1
|-
| 194 || Филипп Ульянкин @Ppilif || Романенко Саша @cutre_sa
|-
| 195 || Максим Карпов @buntar29 || Стрельцов Артём @in_chainz
|-
| 196 [online] || Артем Филатов @filatovartm || Кордзахия Натела @nkrdz
|-
| 197 || Артур Петросян @pet67 || Челбаев Михаил @mikhail_chelbaev
|-
| 198 [online] || Анастасия Максимовская @anastasiyamaxx || Алтунина Настя @anastasiia_altunina
|-
| 199 [online] || Анастасия Максимовская @anastasiyamaxx || Саурбек Ляззат @lyazzzzzzat
|-
| 1910 || Марина Ананьева @ananyevame || Карев Василий @Jack_karev
|-
| 1911 || Марина Ананьева @ananyevame || Андреевский Александр @alexandreevskiy
|-
| 1912 [online] || Илья Аброскин @iiiiilllllyyyyyaaaa || Огородников Михаил @Spectag
|-
| 1913 || Максим Карпов @buntar29 || Колесников Егор @kollego
|}

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* 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:

0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ

'''Задания:'''

* [https://classroom.github.com/a/iAHUsz3_ HW1: таблички в pandas]

==Большой план маленьких побед==

==== Неделя 1. Вводимся в python, git и делаем import this ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem01 sem01]

Необязательное дз:
* Альтернатива 1: попробовать освоить первые [https://pythontutor.ru/lessons/inout_and_arithmetic_operations/ три урока из pythontutor] и порешать задачки прямо в интерфейсе браузера.
* Альтернатива 2: пройти первые две недели [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus курса на Coursera]

==== Неделя 2. Учимся работать с табличками в pandas ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem02_pandas sem02]

Необязательное дз:
* Проработать [https://habr.com/ru/company/ods/blog/322626/ статью про то как в pandas можно делать разные штуки]

==== Неделя 3. Говорим про циклы и условия ====
* [https://github.com/hse-econ-data-science/dap_2020_fall/tree/master/sem03_for sem03]

Видео-материалы посмотреть:
* Неделя 2 и 5 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* Модули 1.10, 2.1, 2.2, 2.3 курса "Программирование на Python" на [https://stepik.org/course/67 Stepik].

Дополнительные ссылки почитать:
* 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].

==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.