Извлечение и анализ интернет-данных: различия между версиями
Новая страница: «Страница учебного курса» |
|||
| (не показано 14 промежуточных версий 2 участников) | |||
| Строка 1: | Строка 1: | ||
== О курсе == | |||
Курс читается для студентов факультета экономических наук, ОП "Экономика и статистика" | |||
Проводится с 2017 года. | |||
Семинаристы: | |||
Денике Екатерина Игоревна | |||
Слинько Игорь Юрьевич | |||
Семинары проходят по субботам, с 10:30 до 15:00 (16:30) с двумя перерывами. | |||
=== Полезные ссылки === | |||
Тест для моральной подготовки: https://goo.gl/forms/QuRhepssXRjl71yG3 | |||
Почта для сдачи домашних заданий: hsewebmining@gmail.com | |||
Чат в telegram для обсуждений: https://t.me/joinchat/BgyOMg6PNBYFpmHUtbZDTg | |||
=== Правила выставления оценок === | |||
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен: | |||
О_итог = 0,6 * О_накопл.+ 0,4 * О_экзамен | |||
Накопленная оценка (О_накопл) рассчитывается как среднее значение оценок за все выданные домашние задания. Бонусные баллы могут быть выданы в ходе семинара. | |||
=== Правила сдачи заданий === | |||
Дедлайны по всем домашним заданиям являются жёсткими, то есть после срока работа не принимаются. | |||
При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента. | |||
При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис. | |||
== Семинары == | |||
'''Тема 1'''. Основы анализа данных в языке Python: | |||
Повторение основных функций и объектов языка Python. Обзор библиотек numpy, pandas на основе данных из соревнований платформы kaggle.com. | |||
'''Тема 2'''. Визуализация данных в python: библиотеки matplotlib, seaborn, plotly. Продвинутые инструменты для анализа данных. | |||
Введение в визуальный анализ данных. Построение графиков, гистограмм, тепловых карт. Знакомство с порталом Открытых данных. | |||
'''Тема 3'''. Парсинг открытых данных в различных форматах (xml/json/html) | |||
Изучение языков и библиотек для работы с xml/json/html: lxml, XPath, XSLT, Beautiful Soup. | |||
'''Тема 4'''. Основы машинного обучения и практика применения | |||
Приведение текстовых данных к числовым с помощью OneHot- и TF-IDF кодирования, а также на основе представлений слов и текстов. Алгоритмы машинного обучения: линейная и логистическая регрессии, градиентный бустинг и нейронные сети. | |||
'''Тема 5'''. Извлечение данных сайта Вконтакте и изучение влияния социальных сетей на поведение в реальной жизни. | |||
Изучаем возможности API сайта Вконтакте. Извлекаем информацию об интересах и демографии пользователей, на основании списка групп и поля “интересы”. Изучаем взаимосвязь интересов школьников с оценками. | |||
'''Тема 6'''. Извлечение и анализ данных Московской биржи | |||
Анализируем рынок ценных бумаг на данных Московской биржи. | |||
== Практические задания == | |||
== Полезные материалы == | |||
- [http://www.swaroopch.com/notes/python/ A Byte of Python] | |||
- [http://greenteapress.com/thinkpython/html/index.html Think Python: How to Think Like a Computer Scientist] | |||
- [https://docs.python.org/3/ Документация языка] | |||
- [https://speakerdeck.com/pyconslides/transforming-code-into-beautiful-idiomatic-python-by-raymond-hettinger-1 Writing Idiomatic Python] | |||
- [https://pyformat.info/ о строковом методе format доступным языком] | |||
- [https://developers.google.com/edu/python/regular-expressions про регулярки от Гугла] | |||
Текущая версия от 17:40, 19 сентября 2017
О курсе
Курс читается для студентов факультета экономических наук, ОП "Экономика и статистика"
Проводится с 2017 года.
Семинаристы:
Денике Екатерина Игоревна
Слинько Игорь Юрьевич
Семинары проходят по субботам, с 10:30 до 15:00 (16:30) с двумя перерывами.
Полезные ссылки
Тест для моральной подготовки: https://goo.gl/forms/QuRhepssXRjl71yG3
Почта для сдачи домашних заданий: hsewebmining@gmail.com
Чат в telegram для обсуждений: https://t.me/joinchat/BgyOMg6PNBYFpmHUtbZDTg
Правила выставления оценок
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
О_итог = 0,6 * О_накопл.+ 0,4 * О_экзамен
Накопленная оценка (О_накопл) рассчитывается как среднее значение оценок за все выданные домашние задания. Бонусные баллы могут быть выданы в ходе семинара.
Правила сдачи заданий
Дедлайны по всем домашним заданиям являются жёсткими, то есть после срока работа не принимаются.
При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.
При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.
Семинары
Тема 1. Основы анализа данных в языке Python:
Повторение основных функций и объектов языка Python. Обзор библиотек numpy, pandas на основе данных из соревнований платформы kaggle.com.
Тема 2. Визуализация данных в python: библиотеки matplotlib, seaborn, plotly. Продвинутые инструменты для анализа данных. Введение в визуальный анализ данных. Построение графиков, гистограмм, тепловых карт. Знакомство с порталом Открытых данных.
Тема 3. Парсинг открытых данных в различных форматах (xml/json/html)
Изучение языков и библиотек для работы с xml/json/html: lxml, XPath, XSLT, Beautiful Soup.
Тема 4. Основы машинного обучения и практика применения
Приведение текстовых данных к числовым с помощью OneHot- и TF-IDF кодирования, а также на основе представлений слов и текстов. Алгоритмы машинного обучения: линейная и логистическая регрессии, градиентный бустинг и нейронные сети.
Тема 5. Извлечение данных сайта Вконтакте и изучение влияния социальных сетей на поведение в реальной жизни.
Изучаем возможности API сайта Вконтакте. Извлекаем информацию об интересах и демографии пользователей, на основании списка групп и поля “интересы”. Изучаем взаимосвязь интересов школьников с оценками.
Тема 6. Извлечение и анализ данных Московской биржи
Анализируем рынок ценных бумаг на данных Московской биржи.
Практические задания
Полезные материалы
- A Byte of Python - Think Python: How to Think Like a Computer Scientist - Документация языка - Writing Idiomatic Python - о строковом методе format доступным языком - про регулярки от Гугла