Просмотр кода страницы Анализ данных на python, фэн, 2020 fall

==О курсе==

'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], [https://www.hse.ru/staff/mekarpov Карпов Максим Евгеньевич], Максимовская Анастасия Максимовна, [https://www.hse.ru/org/persons/65841825 Петросян Артур Тигранович], Ульянкин Филипп Валерьевич, Филатов Артём Андреевич, Аброскин Илья Дмитриевич.

== Правила выставления оценок ==

== Распределение групп по семинаристам и ассистентам ==

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

==Материалы курса==

* [https://t.me/ds_econ_2020 тг-чат курса] и [https://t.me/joinchat/AAAAAExc2DC-31ME6dQhnQ канал для объявлений]
* github-репозиторий с [https://github.com/hse-econ-data-science/dap_2020_fall материалами курса]
* [https://www.youtube.com/playlist?list=PLEwK9wdS5g0oKVIXZtbU3evzL4ndN2aXk Youtube-канал] с записями семинаров
* [https://github.com/hse-econ-data-science/eds_spring_2020 Материалы прошлого курса (весна 2020)]
* Установите перед первым семинаром Anaconda. [https://github.com/hse-econ-data-science/dap_2020_fall/blob/master/utils/install_conda_windows.pdf Инструкция для windows] и [https://github.com/hse-econ-data-science/dap_2020_fall/blob/master/utils/install_conda_mac.pdf инструкция для мака]

==Оценивание==


Оценка ставится по формуле:

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


'''Домашки:'''

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

'''Контрольные:'''

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


'''Другое:'''

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

==Большой план маленьких побед==

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

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

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

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

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

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

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

==== Неделя 4. Говорим о функциях ====

* Неделя 4 и 6 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* Урок про функции и рекурсию на [http://pythontutor.ru/lessons/functions/ pythontutor]
* Краткие конспекты [https://pythonworld.ru/tipy-dannyx-v-python/vse-o-funkciyax-i-ix-argumentax.html про функции] на pythonworld

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

* Неделя 7 курса на [https://www.coursera.org/learn/python-osnovy-programmirovaniya#syllabus Coursera].
* Уроки про [http://pythontutor.ru/lessons/sets/ множества] и [http://pythontutor.ru/lessons/dicts/ словари] на  pythontutor
* Краткие коспекты на pythonworld про [https://pythonworld.ru/tipy-dannyx-v-python/slovari-dict-funkcii-i-metody-slovarej.html словари] и [https://pythonworld.ru/tipy-dannyx-v-python/mnozhestva-set-i-frozenset.html множества] 
* Если вы хотите немного углубиться в алгоритмическую составляющую, прочитайте книгу Грокаем Алгоритмы с примерами кода на python, она великолепная и очень просто написана с примерами на python



==== Неделя 11, 30 ноября. Логистическая регрессия: начало ====

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


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

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

==Литература==

'''Рекомендуемая основная литература:'''

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

'''Рекомендуемая дополнительная литература:'''

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