Python для сбора и анализа данных КНАД 25/26

Материал из Wiki - Факультет компьютерных наук
Версия от 00:55, 17 января 2026; Mmustafaeva (обсуждение | вклад) (Создание страницы: «Python для сбора и анализа данных КНАД 25/26»)
(разн.) ← Предыдущая версия | Текущая версия (разн.) | Следующая версия → (разн.)
Перейти к навигации Перейти к поиску

Записи занятий

Все записи курса

Преподаватели, учебные ассистенты и чаты

Группы БКНАД251 БКНАД252 БКНАД253
Лектор Горшков Сергей Сергеевич
Семинаристы Потапов Иван Андреевич Береснева Екатерина Николаевна
Ассистенты Дима Проскуряков Сахават Биннатов Алика Сидорова
Ассистент Лектора Сахават Биннатов

Чат и канал курса

Вики-страница прошлого года

Форма обратной связи. Можно заполнять когда угодно с любыми вопросами

Курс 1 модуля


Лекции

Четверг 11:10 – 12:30

№ Дата Тема Материалы
1 16 января Модуль numpy. Основные операции для работы с numpy.array. Презентация Ноутбук

Семинары

Домашнее задание

Сдача и оценивание

Сдача задач проводится в anytask, инвайты будут опубликованы в телеграм-канале курса.

Максимум за одно ДЗ – 10 баллов. По решению проверяющего могут быть добавлены бонусные баллы за изящные решения.

Указанный в anytask максимальный балл – чисто формальное ограничение платформы: он больше, чем наш максимум, так как в него входят возможные бонусные баллы.

Дедлайны

Ко всем заданиям применяется система мягких и жёстких дедлайнов.

В таблице ДЗ ниже для каждого задания указаны и мягкий, и жёсткий дедлайн.

За каждый день просрочки начисляется штраф –1 балл.

Если работа сдана после жёсткого дедлайна без уважительной причины – за неё ставится 0.

При этом у вас есть одна возможность досдать ДЗ до жёсткого дедлайна без штрафа.

№ Задание Мягкий дедлайн Жёсткий дедлайн
1 numpy 25.01.2026 23:59 28.01.2026 23:59

Оценивание

Показатель Формула
Накоп МИНИМУМ((ДЗ1 + ДЗ2 + ДЗ3 + ДЗ4 + ДЗ5 + ДЗ6 + ДЗ7 + ДЗ8) / 8, 10)
Итог 0.7 * Накоп + 0.3 * экз
Автомат Накоп, если Накоп >= 6 и есть желание получить автомат

Рекомендуемая основная литература

  1. Hadoop. Система для обработки больших объемов данных
  2. Основы SQL – курс Андрея Созыкина
  3. Курс Техносферы: методы распределенной обработки больших объемов данных в Hadoop
  4. NumPy
  5. pandas
  6. Matplotlib

Рекомендуемая дополнительная литература

  1. MRJob documentation
  2. Devpractice Team. Python. Визуализация данных. Matplotlib. Seaborn. Mayavi.
  3. ITCookies: Python
  4. О функции apply в pandas
Источник — https://wiki.cs.hse.ru/index.php?title=Python_для_сбора_и_анализа_данных_КНАД_25/26&oldid=94657