Web-scraping: сбор данных из баз данных и интернет-источников: различия между версиями
(Новая страница: «Это страница обязательного курса '''«Web-scraping: сбор данных из баз данных и интернет-источни...») |
|||
| Строка 5: | Строка 5: | ||
==Правила игры== | ==Правила игры== | ||
| − | * Формула оценки: '''0.5 × ДЗ + 0.5 × | + | * Формула оценки: '''0.5 × ДЗ + 0.5 × Проект''', [https://www.hse.ru/edu/courses/646467620 программа] курса, пояснения по оцениванию. |
* Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов: опоздание в пределах часа – штраф 10% от полученной оценки, в пределах суток – штраф 30%, в пределах недели – штраф 70%. Домашние задания, сданные через неделю после указанного срока и позже, не принимаются и не оцениваются. | * Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов: опоздание в пределах часа – штраф 10% от полученной оценки, в пределах суток – штраф 30%, в пределах недели – штраф 70%. Домашние задания, сданные через неделю после указанного срока и позже, не принимаются и не оцениваются. | ||
| − | |||
==Среда для работы== | ==Среда для работы== | ||
Версия 00:02, 6 января 2023
Это страница обязательного курса «Web-scraping: сбор данных из баз данных и интернет-источников», читаемого на программе «Психология» 3 курса бакалавриата в 2022/2023 учебном году.
Практические занятия ведёт: Тамбовцева Алла Андреевна.
Правила игры
- Формула оценки: 0.5 × ДЗ + 0.5 × Проект, программа курса, пояснения по оцениванию.
- Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов: опоздание в пределах часа – штраф 10% от полученной оценки, в пределах суток – штраф 30%, в пределах недели – штраф 70%. Домашние задания, сданные через неделю после указанного срока и позже, не принимаются и не оцениваются.
Среда для работы
На данном курсе мы используем язык Python версии не ниже 3.5 и среду Jupyter Notebook. Скачать дистрибутив Anaconda, который установит интерпретатор Python, среду Jupyter Notebook и основные библиотеки для работы с данными, можно здесь. Если вы никогда не работали в Jupyter Notebook, предлагаем посмотреть небольшое видео и почитать инструкцию.
Если вы имеете мало опыта работы с Python, рекомендуем обратиться к следующим курсам на DataCamp (бесплатный доступ предоставлен всем слушателям этого курса): Introduction to Python, Python Data Science Toolbox (Part 1) и Python Data Science Toolbox (Part 2).
