Wiki - Факультет компьютерных наук - Вклад [ru]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-06-13T10:42:18Z

Igtm: /* Расписание семинаров */

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|-
|17 мая 2016 || align="center"|15 || Кластеризация. ||
|-
|24 мая 2016 || align="center"|16 || Решение задачек с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|-
|31 мая 2016 || align="center"|17 || Метрические алгоритмы. Метод ближайших соседей.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/70gqz2jvm0z1cl7/KNN.ipynb KNN_notebook ]
|-
|7 июня 2016 || align="center"|18 || Поиск ассоциативных правил. Алгоритм APriori||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m2glg69zfh06xwh/associative%20rules.ipynb notebook],
[https://www.dropbox.com/s/xgulaxel6364hew/responses.csv?dl=0 данные],
[https://www.dropbox.com/s/o83vr5fei1frack/ML_marketing.pdf?dl=0 презентация]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/c3hzq1z7h7tym2z/RF_KNN.ipynb Практическое задание №4 "Random Forest, KNN"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/93s0tyzp0c5ey8y/project2.ipynb Проект. Продолжение.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xjadj6v91blbufj/HW5_Username.ipynb Практическое задание №5 "Метод главных компонент"]. Срок сдачи: 19.06.2016 (задание не является обязательным!)

[https://www.dropbox.com/s/oo3ev457tkg5jxe/data_task1.csv?dl=0 data_task1], [https://www.dropbox.com/s/ym5qsyrxwtyhma6/data_task2.csv?dl=0 data_task2]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-06-07T15:40:10Z

Igtm: /* Практические задания */

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|-
|17 мая 2016 || align="center"|15 || Кластеризация. ||
|-
|24 мая 2016 || align="center"|16 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|-
|31 мая 2016 || align="center"|17 || Метрические алгоритмы. Метод ближайших соседей.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/70gqz2jvm0z1cl7/KNN.ipynb KNN_notebook ]
|-
|7 июня 2016 || align="center"|18 || Поиск ассоциативных правил. Алгоритм APriori||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m2glg69zfh06xwh/associative%20rules.ipynb notebook],
[https://www.dropbox.com/s/xgulaxel6364hew/responses.csv?dl=0 данные],
[https://www.dropbox.com/s/o83vr5fei1frack/ML_marketing.pdf?dl=0 презентация]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/c3hzq1z7h7tym2z/RF_KNN.ipynb Практическое задание №4 "Random Forest, KNN"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/93s0tyzp0c5ey8y/project2.ipynb Проект. Продолжение.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xjadj6v91blbufj/HW5_Username.ipynb Практическое задание №5 "Метод главных компонент"]. Срок сдачи: 19.06.2016 (задание не является обязательным!)

[https://www.dropbox.com/s/oo3ev457tkg5jxe/data_task1.csv?dl=0 data_task1], [https://www.dropbox.com/s/ym5qsyrxwtyhma6/data_task2.csv?dl=0 data_task2]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-06-07T14:38:29Z

Igtm: /* Расписание семинаров */

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|-
|17 мая 2016 || align="center"|15 || Кластеризация. ||
|-
|24 мая 2016 || align="center"|16 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|-
|31 мая 2016 || align="center"|17 || Метрические алгоритмы. Метод ближайших соседей.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/70gqz2jvm0z1cl7/KNN.ipynb KNN_notebook ]
|-
|7 июня 2016 || align="center"|18 || Поиск ассоциативных правил. Алгоритм APriori||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m2glg69zfh06xwh/associative%20rules.ipynb notebook],
[https://www.dropbox.com/s/xgulaxel6364hew/responses.csv?dl=0 данные],
[https://www.dropbox.com/s/o83vr5fei1frack/ML_marketing.pdf?dl=0 презентация]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/c3hzq1z7h7tym2z/RF_KNN.ipynb Практическое задание №4 "Random Forest, KNN"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/93s0tyzp0c5ey8y/project2.ipynb Проект. Продолжение.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-06-07T14:38:10Z

Igtm: /* Расписание семинаров */

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|-
|17 мая 2016 || align="center"|15 || Кластеризация. ||
|-
|24 мая 2016 || align="center"|16 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|-
|31 мая 2016 || align="center"|17 || Метрические алгоритмы. Метод ближайших соседей.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/70gqz2jvm0z1cl7/KNN.ipynb KNN_notebook ]
|-
|7 июня 2016 || align="center"|17 || Поиск ассоциативных правил. Алгоритм APriori||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m2glg69zfh06xwh/associative%20rules.ipynb notebook],
[https://www.dropbox.com/s/xgulaxel6364hew/responses.csv?dl=0 данные],
[https://www.dropbox.com/s/o83vr5fei1frack/ML_marketing.pdf?dl=0 презентация]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/c3hzq1z7h7tym2z/RF_KNN.ipynb Практическое задание №4 "Random Forest, KNN"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/93s0tyzp0c5ey8y/project2.ipynb Проект. Продолжение.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-06-05T16:36:45Z

Igtm: добавлена вторая часть проекта

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|-
|17 мая 2016 || align="center"|15 || Кластеризация. ||
|-
|24 мая 2016 || align="center"|16 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|-
|31 мая 2016 || align="center"|17 || Метрические алгоритмы. Метод ближайших соседей.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/70gqz2jvm0z1cl7/KNN.ipynb KNN_notebook ]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/c3hzq1z7h7tym2z/RF_KNN.ipynb Практическое задание №4 "Random Forest, KNN"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/93s0tyzp0c5ey8y/project2.ipynb Проект. Продолжение.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-05-28T11:01:01Z

Igtm: /* Расписание семинаров */

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|-
|24 мая 2016 || align="center"|16 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-05-28T11:00:42Z

Igtm: добавлены материалы последнего семинара

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|-
|24 мая 2016 || align="center"|15 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-05-24T14:14:01Z

Igtm: /* Семинары */

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|-
| 15.03.2016 || Линейная классификация: Logistic Regression, метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/zyvctnd7cj411di/sem_07.ipynb notebook с занятия]
|-
| 19.04.2016 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb notebook с занятия]
|-
| 26.04.2016 || Разбор первой части проекта ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb notebook с занятия]
|-
| 10.05.2016 || Случайные леса. Метод главных компонент ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/7b4sdyvwx5o1keg/rf_pca.ipynb notebook1],
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ahk8sae6gb4y6yc/talgat_rf_pca.ipynb notebook2]
|-
| 17.05.2016 || ... || ...
|-
| 24.05.2016 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

[https://www.dropbox.com/s/ua7wc2vpoi5mdbr/hse_project.pdf?dl=0 Проект. Начало.]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/tqhvg13spcwjtn1/HW4_Username.ipynb Практическое задание №4 "Решающие деревья"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/qudhpgdcaoljk61/project_2.ipynb Проект. Продолжение.]

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-05-10T11:32:35Z

Igtm: /* Семинары */

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|-
| 15.03.2016 || Линейная классификация: Logistic Regression, метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/zyvctnd7cj411di/sem_07.ipynb notebook с занятия]
|-
| 19.04.2016 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb notebook с занятия]
|-
| 26.04.2016 || Разбор первой части проекта ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb notebook с занятия]
|-
| 10.05.2016 || Случайные леса. Метод главных компонент ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/7b4sdyvwx5o1keg/rf_pca.ipynb notebook1],
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ahk8sae6gb4y6yc/talgat_rf_pca.ipynb notebook2]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

[https://www.dropbox.com/s/ua7wc2vpoi5mdbr/hse_project.pdf?dl=0 Проект. Начало.]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/tqhvg13spcwjtn1/HW4_Username.ipynb Практическое задание №4 "Решающие деревья"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/qudhpgdcaoljk61/project_2.ipynb Проект. Продолжение.]

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-05-10T11:31:51Z

Igtm: /* Семинары */

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|-
| 15.03.2016 || Линейная классификация: Logistic Regression, метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/zyvctnd7cj411di/sem_07.ipynb notebook с занятия]
|-
| 19.04.2016 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb notebook с занятия]
|-
| 26.04.2016 || Разбор первой части проекта ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb notebook с занятия]
|-
| 26.04.2016 || Случайные леса. Метод главных компонент ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/7b4sdyvwx5o1keg/rf_pca.ipynb notebook1],
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ahk8sae6gb4y6yc/talgat_rf_pca.ipynb notebook2]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

[https://www.dropbox.com/s/ua7wc2vpoi5mdbr/hse_project.pdf?dl=0 Проект. Начало.]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/tqhvg13spcwjtn1/HW4_Username.ipynb Практическое задание №4 "Решающие деревья"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/qudhpgdcaoljk61/project_2.ipynb Проект. Продолжение.]

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-05-09T20:40:18Z

Igtm: добавлена вторая часть проекта

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|-
| 15.03.2016 || Линейная классификация: Logistic Regression, метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/zyvctnd7cj411di/sem_07.ipynb notebook с занятия]
|-
| 19.04.2016 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb notebook с занятия]
|-
| 26.04.2016 || Разбор первой части проекта ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb notebook с занятия]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

[https://www.dropbox.com/s/ua7wc2vpoi5mdbr/hse_project.pdf?dl=0 Проект. Начало.]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/tqhvg13spcwjtn1/HW4_Username.ipynb Практическое задание №4 "Решающие деревья"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/qudhpgdcaoljk61/project_2.ipynb Проект. Продолжение.]

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-04-30T10:04:19Z

Igtm: Добавлено 4 задание

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|-
| 15.03.2016 || Линейная классификация: Logistic Regression, метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/zyvctnd7cj411di/sem_07.ipynb notebook с занятия]
|-
| 19.04.2016 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb notebook с занятия]
|-
| 26.04.2016 || Разбор первой части проекта ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb notebook с занятия]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

[https://www.dropbox.com/s/ua7wc2vpoi5mdbr/hse_project.pdf?dl=0 Проект. Начало.]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/tqhvg13spcwjtn1/HW4_Username.ipynb Практическое задание №4 "Решающие деревья"]

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-04-29T21:17:55Z

Igtm: /* Семинары */

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|-
| 15.03.2016 || Линейная классификация: Logistic Regression, метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/zyvctnd7cj411di/sem_07.ipynb notebook с занятия]
|-
| 19.04.2016 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb notebook с занятия]
|-
| 26.04.2016 || Разбор первой части проекта ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb notebook с занятия]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

[https://www.dropbox.com/s/ua7wc2vpoi5mdbr/hse_project.pdf?dl=0 Проект. Начало.]

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-04-29T21:16:43Z

Igtm: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-04-29T21:16:21Z

Igtm: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-04-19T13:21:35Z

Igtm: /* Семинары */

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|-
| 15.03.2016 || Линейная классификация: Logistic Regression, метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/zyvctnd7cj411di/sem_07.ipynb notebook с занятия]
|-
| 19.04.2016 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb notebook с занятия]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

[https://www.dropbox.com/s/ua7wc2vpoi5mdbr/hse_project.pdf?dl=0 Проект. Начало.]

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-04-19T13:21:18Z

Igtm: /* Семинары */

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|-
| 15.03.2016 || Линейная классификация: Logistic Regression, метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/zyvctnd7cj411di/sem_07.ipynb notebook с занятия]
|-
| 15.03.2016 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb notebook с занятия]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

[https://www.dropbox.com/s/ua7wc2vpoi5mdbr/hse_project.pdf?dl=0 Проект. Начало.]

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных

2016-04-18T20:08:33Z

Igtm: Изменено расписание на новый модуль

== О курсе ==
В рамках курса «Введение в анализ данных» студенты овладевают базовыми понятиями и методами машинного обучения, учатся применять их в задачах анализа данных, а также приобретают практические навыки специалиста по анализу данных (data scientist). Практические задания и итоговый проект выполняются с использованием языка Python и инструментов PyData (iPython Notebook, NumPy, Pandas, scikit-learn и др.). 

'''Читается:''' 3-4 модуль 2-го курса, 2015/2016 учебный год. 
'''Пререквизиты:''' Введение в программирование 
'''Трудоемкость:''' 5 кредитов 
'''Программа дисциплины:''' [https://electives.hse.ru/data/2016/03/17/1127454607/Введение%20в%20анализ%20данных%20(17-03-2016).docx ссылка] 

=== Продолжительность ===
'''Всего:''' 72 аудиторных часа: 
'''Из них:'''
* 36 часов лекций
* 36 часов практических занятий

=== Формы контроля ===
* проверочные работы на семинарах
* домашние задания
* проект по анализу данных
* экзамен

==Учебный процесс==

===Полезные ссылки===
Написать отзыв (анонимно): http://goo.gl/forms/RwdMxnChST 

'''Второй поток'''

Почта потока (для домашних заданий и вопросов): [mailto:hse.minor.dm@gmail.com hse.minor.dm@gmail.com]

Почта лектора: [mailto:sokolov.evg@gmail.com sokolov.evg@gmail.com]

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?usp=sharing Таблица с оценками]

Подписаться на рассылку (информация об отменах и переносах занятий): напишите пустое письмо на [mailto:hse-minor-datamining-2+subscribe@googlegroups.com hse-minor-datamining-2+subscribe@googlegroups.com]

===Расписание лекций===

Все занятия проходят по вторникам на ул. Шаболовка, 26.

{| class="wikitable"
|-
! Пара !! Группы !! Преподаватель
|-
| 2, 10.30-11.50 || Второй поток, ИАД-11 – ИАД-20 (К-9) || Соколов Евгений Андреевич
|-
| 3, 12.10-13.30 || Первый поток, ИАД-1 – ИАД-10 (К-9) || Игнатов Дмитрий Игоревич
|}

===Расписание семинаров===

Все занятия проходят по вторникам на ул. Шаболовка, 26.

{| class="wikitable"
|-
! Пара !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель
|-
| 1, 09.00-10.20 || ИАД-8 (ауд.4335) || Панов || ИАД-11 (ауд.3214) || Козлова || ИАД-13 (ауд.4336) || Ромов || ИАД-20 (ауд.3203) || Струминский || ИАД-19 (ауд.4428) || Квасов, Полякова
|-
| 2, 10.30-11.50 || ИАД-4 (ауд.4336) || Умнов || ИАД-8 (ауд.4335) || Панов || ИАД-9 (ауд.4427) || Папулин || ИАД-10 (ауд.4336) || Зиннурова || ||
|-
| 3, 12.10-13.30 || ИАД-12 (ауд.3214) || Козлова || ИАД-14 (ауд.4427) || Папулин || ИАД-15 (ауд.4336) || Зиннурова || ИАД-16 (ауд.3203) || Даулбаев, Чиркова || ИАД-17 (ауд.4335) || Гитман, Захаров
|-
| 3, 12.10-13.30 || ИАД-18 (ауд.4428) || Гитман, Рысьмятова || || || || || || || ||
|-
| 4, 13.40-15.00 || ИАД-2 (ауд.4427) || Папулин || ИАД-3 (ауд.4428) || Шестаков || ИАД-5 (ауд.3203) || Паринов || ИАД-6 (ауд.3214) || Кашницкий || ИАД-7 (ауд.4336) || Умнов
|-
| 5, 15.10-16.30 || ИАД-1 (ауд.4427) || Папулин || ИАД-6 (ауд.3214) || Кашницкий || || || || || ||
|}

===Программа лекций===
[[Файл:how-to-download.png|thumb|right|200px|Файлы со слайдами очень легко скачать с GitHub с помощью кнопки Raw!]]

Лекция 1 (12.01.2016). Введение в машинное обучение и анализ данных. [[https://db.tt/c9XsAVym Слайды, 1 поток]] [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture01-intro.pdf Слайды, 2 поток]]

Лекция 2 (19.01.2016). Постановки задач в машинном обучении. Примеры прикладных задач. [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture02-intro.pdf Слайды]]

Лекция 3 (26.01.2016). Линейная алгебра и анализ данных. [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture03-linalg.pdf Слайды]]

Лекция 4 (02.02.2016). Математический анализ и анализ данных. [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture04-calculus.pdf Слайды]]

Лекция 5 (9.02.2016). Теория вероятностей и анализ данных. [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture05-probability.pdf Слайды]]

Лекция 6 (16.02.2016). Математическая статистика и анализ данных. [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture06-statistics.pdf Слайды]]

Лекция 7 (01.03.2016). Линейная регрессия. [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture07-linreg.pdf Слайды]]

Лекция 8 (15.03.2016). Линейная классификация. [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture08-linclass.pdf Слайды]]

Лекция 9 (22.03.2016). Оценивание качества алгоритмов. [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture09-quality.pdf Слайды]] [[https://github.com/esokolov/ml-course-msu/blob/master/ML15/lecture-notes/Sem05_metrics.pdf Доп. материал: конспект по метрикам качества]]

Лекция 10 (05.04.2016). Обзор: линейные модели и оценивание качества.

Лекция 11. Логические методы и их интерпретируемость.

Лекция 12. Построение деревьев решений.

Лекция 13. Введение в композиции алгоритмов. Случайные леса.

Лекция 14. Особенности реальных данных.

Лекция 15. Анализ частых множеств признаков и ассоциативных правил.

Лекция 16. Задача кластеризации.

Лекция 17. Заключительная лекция.

===Страницы семинаров===
* ИАД-1, Папулин С.Ю.
* ИАД-2, Папулин С.Ю.
* [[Minor_da2016_gr3|ИАД-3, Шестаков А.]]
* [[Майнор_Анализ_Данных_ИАД-4|ИАД-4, Умнов А.В.]]
* [[Minor_da2016_gr5|ИАД-5, Паринов А.А.]]
* [[Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-6|ИАД-6, Кашницкий Ю.С.]]
* [[Майнор_Анализ_Данных_ИАД-7|ИАД-7, Умнов А.В.]]
* ИАД-8, Панов А.И.
* ИАД-9, Папулин С.Ю.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-10,_ИАД-15|ИАД-10, Зиннурова Э.А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-11,12|ИАД-11, Козлова А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-11,12|ИАД-12, Козлова А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-13|ИАД-13, Ромов П.А.]]
* ИАД-14, Папулин С.Ю.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-10,_ИАД-15|ИАД-15, Зиннурова Э.А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-16|ИАД-16, Даулбаев Т., Чиркова Н.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-17|ИАД-17, Гитман И., Захаров Е.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-18|ИАД-18, Гитман И., Рысьмятова А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-19|ИАД-19, Квасов А., Полякова Н.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-20|ИАД-20, Струминский К.]]

=== Коллоквиум ===
В рамках курса предусмотрен промежуточный контроль знаний в рамках устного коллоквиума.

Дата проведения: 12 апреля

[https://docs.google.com/document/d/17rXxZvS1gjZUwvns-bFrh1lsR2I5HygeNKJm5ZJQd_E/edit?usp=sharing Список вопросов]

На коллоквиуме студенту будет предложено 5 вопросов из списка, каждый из которых "стоит" 2 балла.

Расписание:

1 пара (5215): ИАД-8, ИАД-13, ИАД-14, ИАД-20

2 пара (К-10): ИАД-4, ИАД-9, ИАД-10, ИАД-11, ИАД-15, ИАД-16, ИАД-19

3 пара (К-9): ИАД-2, ИАД-3, ИАД-12, ИАД-17, ИАД-18

4 пара (5215): ИАД-1, ИАД-5, ИАД-6, ИАД-7

==Полезные материалы==
===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-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://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]

===Статьи===
* [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]
* [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]

===Книги===
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.
* James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.

[[Category:Майнор "Интеллектуальный анализ данных"]]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-03-31T11:58:54Z

Igtm: добавлен проект

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|-
| 15.03.2016 || Линейная классификация: Logistic Regression, метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/zyvctnd7cj411di/sem_07.ipynb notebook с занятия]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

[https://www.dropbox.com/s/ua7wc2vpoi5mdbr/hse_project.pdf?dl=0 Проект. Начало.]

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-03-20T11:39:41Z

Igtm:

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-03-20T11:39:17Z

Igtm:

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-03-19T18:08:44Z

Igtm: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-03-15T10:49:14Z

Igtm: добавлен проект

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-03-10T09:11:49Z

Igtm: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-03-10T09:11:03Z

Igtm: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-03-10T09:10:47Z

Igtm: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-03-01T17:37:52Z

Igtm: /* Семинары */

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/kp583836pjvm64u/on_seminar.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-03-01T17:36:13Z

Igtm: /* Семинары */

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy. Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib. Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/kp583836pjvm64u/on_seminar.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 09.02.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-02-25T19:53:51Z

Igtm: Добавлено второе практическое задание

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-27T18:30:20Z

Igtm: Добавлены материалы с первого занятия

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-01-27T17:36:43Z

Igtm:

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-27T17:36:24Z

Igtm:

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-01-27T17:20:47Z

Igtm: Изменено первое практическое задание

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-27T17:19:56Z

Igtm: Изменено первое практическое задание

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-27T11:53:58Z

Igtm: Изменено первое практическое задание

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-01-27T11:52:56Z

Igtm: Изменено первое практическое задание

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-01-27T09:05:39Z

Igtm: Добавлен ноутбук с занятия

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17

2016-01-27T09:03:11Z

Igtm: Добавлено практическое задание №1

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-26T15:44:35Z

Igtm: Добавлено первое практическое задание

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-26T13:37:47Z

Igtm: Добавлен ноубтук по третьему семинару