Python для сбора и анализа данных: различия между версиями

Материал из MathINFO
Перейти к навигации Перейти к поиску
Строка 63: Строка 63:
  
 
Библиотека [https://pymorphy2.readthedocs.io/en/latest/ pymorphy2] (морфологический анализатор). Библиотека [https://github.com/nlpub/pymystem3 pymystem3] (предобработка текста). [https://www.datacamp.com/community/tutorials/wordcloud-python Тьюториал] для построения облака слов (word cloud).
 
Библиотека [https://pymorphy2.readthedocs.io/en/latest/ pymorphy2] (морфологический анализатор). Библиотека [https://github.com/nlpub/pymystem3 pymystem3] (предобработка текста). [https://www.datacamp.com/community/tutorials/wordcloud-python Тьюториал] для построения облака слов (word cloud).
 +
 +
'''Объекты и классы в Python'''
 +
 +
[https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/pydj/seminars/classes.ipynb Конспект] по классам, [https://www.w3schools.com/python/python_classes.asp материалы] по классам от W3schools.
 +
 +
'''Статистика и анализ данных в Python'''
 +
 +
[https://github.com/allatambov/CognTech/tree/master/statistics Материалы] по статистическим тестам и линейным регрессиям в Python
  
 
==Домашние задания и online==
 
==Домашние задания и online==

Версия 14:42, 3 марта 2021

Это страница факультатива «Python для сбора и анализа данных», читаемого в МИЭФ в 2020/2021 учебном году.

Лекции и семинары ведет: Тамбовцева Алла Андреевна

Правила игры

  • Формула оценки: 0.4 * ДЗ + 0.2 * Онлайн + 0.4 * Проект.
  • Сдача домашних заданий с опозданием допускается, но со штрафом: за задержку в пределах часа – 15% от полученной оценки, в пределах суток – 30%, в пределах двух дней – 50%.
  • Курс читается с использованием онлайн-курсов на платформе DataCamp. Бесплатный доступ к платформе студентам предоставляется.

Программное обеспечение

Перед занятиями необходимо установить дистрибутив Anaconda (скачать можно здесь), который включает в себя интерпретатор языка Python, библиотеки для обработки, анализа и визуализации данных, а также среду для работы Jupyter Notebook. Также есть возможность работать в Jupyter Notebook онлайн, используя ресурс Google Colab (для создания и редактирования файлов нужен аккаунт Gmail). Но в долгосрочной перспективе предпочтительнее установить Anaconda.

Материалы занятий

10 февраля Видеозапись

Тема 1. Введение в Python и Jupyter Notebook

Тема 2. Типы данных в Python. Ввод и вывод.

17 февраля Видеозапись

Тема 3. Списки и цикл for. Методы на строках.

24 февраля Видеозапись

Тема 4. Проверка условий и условные конструкции. Цикл while.

Тема 5*. Структуры данных в Python: кортежи, множества, словари.

Дополнительные материалы

Библиотека SymPy для символьных вычислений

Введение в SymPy: часть 1 (sympy-1.ipynb). Введение в SymPy: часть 2 (sympy-2.ipynb). Задачи по SymPy (sympy-problems.ipynb). Официальная документация SymPy.

Работа с текстом в Python

Библиотека pymorphy2 (морфологический анализатор). Библиотека pymystem3 (предобработка текста). Тьюториал для построения облака слов (word cloud).

Объекты и классы в Python

Конспект по классам, материалы по классам от W3schools.

Статистика и анализ данных в Python

Материалы по статистическим тестам и линейным регрессиям в Python

Домашние задания и online

Домашнее задание Ссылка Дедлайн
Online 1 DataCamp: глава Python Lists 17 февраля 18:10
Online 2 DataCamp: глава Fundamental data types 24 февраля 18:10
Домашнее задание 1 задание, hw01.ipynb, сдавать на Dropbox 28 февраля 23:59
Online 3 DataCamp: глава Dictionaries - the root of Python 3 марта 18:10
Online 4 DataCamp: глава Default arguments, variable-length arguments and scope 10 марта 18:10
Домашнее задание 2 задание, hw02.ipynb, сдавать на Dropbox 11 марта 23:59