Программирование для всех (основы работы с Python): различия между версиями

Материал из MathINFO
Перейти к навигации Перейти к поиску
Строка 46: Строка 46:
 
|-
 
|-
 
|}
 
|}
 +
 +
== Дополнительные материалы ==
 +
 +
=== Визуализация ===
 +
 +
* Основы matplotlib с pandas на DataCamp: [https://learn.datacamp.com/courses/introduction-to-data-science-in-python курс]
 +
* Matplotlib: [https://www.datacamp.com/community/tutorials/matplotlib-tutorial-python тьюториал] от DataCamp
 +
* Визуализация с seaborn: [https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/pydj/seminars/seaborn-graphs.ipynb конспект], файл [https://allatambov.github.io/pydj/seminars/Chile.csv Chile.csv]
 +
 +
=== Статистика ===
 +
 +
* Проверка статистических гипотез: [https://nbviewer.jupyter.org/github/allatambov/CognTech/blob/master/statistics/practice_python/1-scipy-stats.ipynb конспект]
 +
* Доверительные интервалы: [https://nbviewer.jupyter.org/github/allatambov/CognTech/blob/master/statistics/practice_python/2-conf-intervals.ipynb конспект]
 +
* Генерация выборок и их правдоподобие: [https://nbviewer.jupyter.org/github/allatambov/CognTech/blob/master/statistics/practice_python/3-samples.ipynb конспект]
 +
* Визуализация и выявление связей в данных: [https://github.com/allatambov/allatambov.github.io/blob/master/pydj/seminars/py-associations.ipynb конспект]
 +
* Оценка связи между переменными, измеренными в разных шкалах: [https://nbviewer.jupyter.org/github/allatambov/CognTech/blob/master/statistics/practice_python/4-associations.ipynb конспект]
 +
* Парная регрессия и проверка гипотез о коэффициентах регрессии: [https://nbviewer.jupyter.org/github/allatambov/CognTech/blob/master/statistics/practice_python/regression-1.ipynb конспект]
 +
* Множественная регрессия и проверка качества модели: [https://nbviewer.jupyter.org/github/allatambov/CognTech/blob/master/statistics/practice_python/regression-2.ipynb конспект]
 +
* Линейная регрессия с качественными предикторами, дамми-переменные, эффекты взаимодействия: [https://nbviewer.jupyter.org/github/allatambov/CognTech/blob/master/statistics/practice_python/regression-3.ipynb конспект]
 +
 +
=== Веб-скрейпинг ===
 +
 +
* Управление браузером с Selenium: [https://nbviewer.jupyter.org/github/PyBasics-19/py-basics-19/blob/master/lectures/lect-selenium-1.ipynb selenium-1], [https://nbviewer.jupyter.org/github/PyBasics-19/py-basics-19/blob/master/lectures/lect-selenium-2.ipynb selenium-2], [https://nbviewer.jupyter.org/github/PyBasics-19/py-basics-19/blob/master/lectures/selenium-books.ipynb books]
 +
* Работа с API ВКонтакте: [https://allatambov.github.io/pypolit/vk-auth.pdf инструкция] по получению доступа, [https://nbviewer.jupyter.org/github/PyBasics-19/py-basics-19/blob/master/lectures/lect-vk-api.ipynb vk-api], [https://nbviewer.jupyter.org/github/PyBasics-19/py-basics-19/blob/master/lectures/vk-add.ipynb vk-add]
 +
* Работа с API mos.ru: [https://nbviewer.jupyter.org/github/allatambov/misc/blob/master/mos-API.ipynb конспект]
 +
 +
=== Дизайн и интерактив ===
 +
 +
* Создание и запуск файла с расширением .py: [https://www.dropbox.com/s/f0aem22hz8k2f5n/py-files.mov?dl=0 видео]
 +
* [https://ipywidgets.readthedocs.io/en/latest/examples/Widget%20Styling.html Оформление] виджетов Jupyter Notebook
 +
* [https://www.w3schools.com/ Тьюториалы] по веб-дизайну от w3schools
 +
* [https://dash.plot.ly/ Документация] библиотеки dash для интерактивных дэшбордов
 +
* Обзор работы с dash ([https://www.dropbox.com/s/afp0mgi0ipoluwl/dash-1.mov?dl=0 видео]), файл [https://gist.github.com/allatambov/9057d18b80c7f0698bd73d02d3e32d09 dash1.py]
 +
* Редактирование шаблонного кода для виджета с графиками ([https://www.dropbox.com/s/a1sfz1hskvrvw3h/dash-2.mov?dl=0 видео]), обновленный файл [https://gist.github.com/allatambov/b566977abfe3c20d227e6e531b04ca6d dash1.py]
 +
* Dashboard со своими данными ([https://www.dropbox.com/s/hvvchvfuyx86w8y/dash-3.mov?dl=0 видео]), файл [https://gist.github.com/allatambov/043ddefcc76566f4c739fa5c7b2502fc dash2.py]
 +
* Dashboard со своими данными и меню для пользователя ([https://www.dropbox.com/s/1141kkumncugj3y/dash-4.mov?dl=0 видео]), файл [https://gist.github.com/allatambov/cdecca50d511024ae10e685081303cea dash3.py]
 +
 +
=== Классы ===
 +
 +
Объекты и классы в Python: [https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/pydj/seminars/classes.ipynb конспект]

Версия 17:26, 10 сентября 2021

Дорогие студенты!

Это страница адаптационного курса «Программирование для всех (основы работы с Python)», читаемого на программе «Прикладная политология» 1 курса магистратуры в 1 модуле 2021-2022 учебного года.

Лекции и семинары ведёт: Тамбовцева Алла Андреевна

Правила игры

  • Курс реализуется в формате blended, онлайн часть обеспечивается главами курсов на платформе DataCamp.
  • Формула оценки: Итог = 0.3 * Домашние задания + 0.3 * Онлайн-курс + 0.4 * Экзамен.
  • При сдаче домашнего задания позже указанного срока предусмотрены штрафы: опоздание в пределах часа – штраф 10% от полученной оценки, в пределах суток – штраф 30%, в пределах недели – штраф 70%.
  • Ссылка на программу курса.

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

9 сентября Видеозапись

Тема 1. Введение в Python и Jupyter Notebook

Основное:

Дополнительное:

Домашние задания

Задание Дедлайн Файл Ссылка для сдачи Тип
Домашнее задание 1: глава Python Lists 16.09 14:40 – DataCamp DataCamp
Домашнее задание 2 24.09 23:59 ipynb Dropbox обычное

Дополнительные материалы

Визуализация

Статистика

  • Проверка статистических гипотез: конспект
  • Доверительные интервалы: конспект
  • Генерация выборок и их правдоподобие: конспект
  • Визуализация и выявление связей в данных: конспект
  • Оценка связи между переменными, измеренными в разных шкалах: конспект
  • Парная регрессия и проверка гипотез о коэффициентах регрессии: конспект
  • Множественная регрессия и проверка качества модели: конспект
  • Линейная регрессия с качественными предикторами, дамми-переменные, эффекты взаимодействия: конспект

Веб-скрейпинг

Дизайн и интерактив

Классы

Объекты и классы в Python: конспект

Источник — http://math-info.hse.ru/wiki2021-22/index.php?title=Программирование_для_всех_(основы_работы_с_Python)&oldid=82