Основы анализа данных в Python: различия между версиями

Материал из MathINFO
Перейти к навигации Перейти к поиску
 
(не показано 27 промежуточных версий этого же участника)
Строка 64: Строка 64:
 
* '''Лекция 4.''' Введение в выборочное оценивание: выборочные оценки и доверительные интервалы ([https://www.dropbox.com/scl/fi/lgym2ktt7ulvn9gww05m8/04.pdf?rlkey=tchkxxa61bwxefo516tv2m8sy&dl=0 слайды]).
 
* '''Лекция 4.''' Введение в выборочное оценивание: выборочные оценки и доверительные интервалы ([https://www.dropbox.com/scl/fi/lgym2ktt7ulvn9gww05m8/04.pdf?rlkey=tchkxxa61bwxefo516tv2m8sy&dl=0 слайды]).
 
* Иллюстрация действия статистических законов ([https://github.com/allatambov/PyDat23/blob/main/stat-laws.ipynb читать], [https://www.dropbox.com/scl/fi/v2wx9ahscw9oqliqaq8x7/stat-laws.ipynb?rlkey=jnl7uu04on2rjyj5x2fjtsdyi&dl=0 ipynb]).
 
* Иллюстрация действия статистических законов ([https://github.com/allatambov/PyDat23/blob/main/stat-laws.ipynb читать], [https://www.dropbox.com/scl/fi/v2wx9ahscw9oqliqaq8x7/stat-laws.ipynb?rlkey=jnl7uu04on2rjyj5x2fjtsdyi&dl=0 ipynb]).
 
Дополнительно:
 
 
* Вычисление числовых характеристик случайных величин и вероятностей с scipy.stats (читать, ipynb).
 
  
 
=== Проверка статистических гипотез ===
 
=== Проверка статистических гипотез ===
Строка 75: Строка 71:
  
 
* '''Лекция 5.''' Проверка статистических гипотез ([https://www.dropbox.com/scl/fi/w2a7wqx8tmbumvvxvahs3/05.pdf?rlkey=wgvw1dogl65ceqxjpg3uu0kkw&dl=0 слайды]).
 
* '''Лекция 5.''' Проверка статистических гипотез ([https://www.dropbox.com/scl/fi/w2a7wqx8tmbumvvxvahs3/05.pdf?rlkey=wgvw1dogl65ceqxjpg3uu0kkw&dl=0 слайды]).
* '''Практикум 4.''' Доверительные интервалы в Python (читать, [https://www.dropbox.com/scl/fi/pbze4jtbivj0xlsql07c4/practice04.ipynb?rlkey=tg2j27bbrdmd66k4k7v3pv9bl&dl=0 ipynb], [https://www.dropbox.com/scl/fi/i0rq1eizktu3trl8x8ji8/c.xlsx?rlkey=8bsc7szb539enwz0hymn60lv5&dl=0 c.xlsx]), решения ([https://github.com/allatambov/PyDat23/blob/main/practice04-solutions.ipynb читать], [https://www.dropbox.com/scl/fi/gbegn9cx9xnzhx2p8rxft/practice04-solutions.ipynb?rlkey=7sh0oc9l0e9kcss6fs218de9p&dl=0 ipynb]).
+
* '''Практикум 4.''' Доверительные интервалы в Python ([https://github.com/allatambov/PyDat23/blob/main/practice04.ipynb читать], [https://www.dropbox.com/scl/fi/pbze4jtbivj0xlsql07c4/practice04.ipynb?rlkey=tg2j27bbrdmd66k4k7v3pv9bl&dl=0 ipynb], [https://www.dropbox.com/scl/fi/i0rq1eizktu3trl8x8ji8/c.xlsx?rlkey=8bsc7szb539enwz0hymn60lv5&dl=0 c.xlsx]), решения ([https://github.com/allatambov/PyDat23/blob/main/practice04-solutions.ipynb читать], [https://www.dropbox.com/scl/fi/gbegn9cx9xnzhx2p8rxft/practice04-solutions.ipynb?rlkey=7sh0oc9l0e9kcss6fs218de9p&dl=0 ipynb]).
* '''Практикум 5.''' Проверка гипотез в Python (читать, [https://www.dropbox.com/scl/fi/rangs1g1gbfu4e4091eu5/practice05.ipynb?rlkey=50tpuk0kdigz3s7s45k88vyc1&dl=0 ipynb]).
+
* '''Практикум 5.''' Проверка гипотез в Python ([https://github.com/allatambov/PyDat23/blob/main/practice05.ipynb читать], [https://www.dropbox.com/scl/fi/rangs1g1gbfu4e4091eu5/practice05.ipynb?rlkey=50tpuk0kdigz3s7s45k88vyc1&dl=0 ipynb]), решения ([https://github.com/allatambov/PyDat23/blob/main/practice05-solutions.ipynb читать], [https://www.dropbox.com/scl/fi/0tat1danlc0stfn1acotx/practice05-solutions.ipynb?rlkey=thb1c13alr2tu29c05s78c6i6&dl=0 ipynb]).
  
 
=== Поиск связей в данных ===
 
=== Поиск связей в данных ===
Строка 83: Строка 79:
 
Оценка связи между двумя признаками в качественной шкале: таблицы сопряженности и хи-квадрат критерий согласия Пирсона.
 
Оценка связи между двумя признаками в качественной шкале: таблицы сопряженности и хи-квадрат критерий согласия Пирсона.
  
* '''Лекция 6.''' Поиск связей в данных (слайды).
+
* '''Лекция 6.''' Поиск связей в данных ([https://www.dropbox.com/scl/fi/o7qev0uo3cxwmnqrdfqim/06.pdf?rlkey=sibdu0t0c4snc40ibrmuw6zbk&dl=0 слайды]).
* '''Практикум 6.''' Поиск связей в данных: введение ([https://github.com/allatambov/PyDat23/blob/main/practice06.ipynb читать], [https://www.dropbox.com/scl/fi/sla05oxdomn0038lgh1s3/practice06.ipynb?rlkey=2amljcvek5gv0rob8r9zzanym&dl=0 ipynb], [https://www.dropbox.com/scl/fi/svq4u1r3g9a7ce3374gck/TaskB4.xlsx?rlkey=9ivtsnfqzjfvoib0ctyci8bkv&dl=0 TaskB4.xlsx], [https://www.dropbox.com/scl/fi/i0rq1eizktu3trl8x8ji8/c.xlsx?rlkey=8bsc7szb539enwz0hymn60lv5&dl=0 c.xlsx]).
+
* '''Практикум 6.''' Поиск связей в данных: введение ([https://github.com/allatambov/PyDat23/blob/main/practice06.ipynb читать], [https://www.dropbox.com/scl/fi/sla05oxdomn0038lgh1s3/practice06.ipynb?rlkey=2amljcvek5gv0rob8r9zzanym&dl=0 ipynb], [https://www.dropbox.com/scl/fi/svq4u1r3g9a7ce3374gck/TaskB4.xlsx?rlkey=9ivtsnfqzjfvoib0ctyci8bkv&dl=0 TaskB4.xlsx], [https://www.dropbox.com/scl/fi/i0rq1eizktu3trl8x8ji8/c.xlsx?rlkey=8bsc7szb539enwz0hymn60lv5&dl=0 c.xlsx]), решения ([https://github.com/allatambov/PyDat23/blob/main/practice06-solutions.ipynb читать], [https://www.dropbox.com/scl/fi/kziwk7z1aadvzaf762li8/practice06-solutions.ipynb?rlkey=p5xn0hsjfd8akflz0qo9sz7v9&dl=0 ipynb]).
 +
* '''Практикум 7.''' Повторение ([https://www.dropbox.com/scl/fi/fe49ins3hywu2x74ic8k0/Netflix.csv?rlkey=miwptc5xgp2vmfpm4e6tod5oi&dl=0 Netflix.csv], [https://github.com/allatambov/PyDat23/blob/main/practice07.ipynb читать], [https://www.dropbox.com/scl/fi/9v9cj399fz2qbbwi6d3ug/practice07.ipynb?rlkey=eme0kgseqjouz5c4zvjo6svbr&dl=0 ipynb]).
 +
 
 +
=== Введение в машинное обучение ===
 +
 
 +
Постановка задач машинного обучения. Виды задач машинного обучения: регрессия, классификация, кластеризация, <br>снижение размерности.
 +
Метод k ближайших соседей и его использование для задач классификации.
 +
 
 +
* '''Лекция 8.1.''' Задачи машинного обучения ([https://www.dropbox.com/scl/fi/ro7n130skg2s0bzk6ihzy/07.pdf?rlkey=u16oohb8nuwbkni3qijerjkwt&dl=0 слайды]).
 +
* '''Лекция 8.2.''' Знакомство с методом k-ближайших соседей ([https://www.dropbox.com/scl/fi/lfudxs7ygf7ugzkudyj8n/08-k.pdf?rlkey=y7xf1m42noh70gldl3vlquhk6&dl=0 слайды]).
 +
* '''Практикум 8.1.''' Метод k ближайших соседей: работаем с изображениями ([https://github.com/allatambov/PyDat23/blob/main/practice_knn_images.ipynb читать], [https://www.dropbox.com/scl/fi/lqri0ur5x0q3r76v4e6rw/practice_knn_images.ipynb?rlkey=bbsonkdw8z3is1ps1chcj4e8s&dl=0 ipynb], [https://www.dropbox.com/scl/fo/v4ugdpn7qg3qvc9xe70dv/h?rlkey=idw5svfv0kcfv2oi4wgqm52ev&dl=0 данные]).
 +
* '''Практикум 8.2.''' Метод k ближайших соседей: работаем с числовыми данными ([https://github.com/allatambov/PyDat23/blob/main/practice_knn_dataframes.ipynb читать], [https://www.dropbox.com/scl/fi/yev8hihxbw99p317fb41r/practice_knn_dataframes.ipynb?rlkey=ob78mckmoubmhmrkpyhycbusw&dl=0 ipynb], [https://www.dropbox.com/scl/fi/8i4nhes7hs2dze14md70x/penguins.csv?rlkey=ito269dqjrczjpfg8e5x50e6v&dl=0 penguins.csv]).
 +
 
 +
=== Линейная регрессия ===
 +
 
 +
* '''Лекция 9.''' Парная линейная регрессия.
 +
* '''Практикум 9.''' Парная и множественная линейная регрессия с точки зрения машинного обучения ([https://www.dropbox.com/scl/fi/2mooeja43n16pr33ligf9/practice-lm-01.ipynb?rlkey=481cgdrxtipjlna97epdi0ly8&dl=0 ipynb], [https://www.dropbox.com/scl/fi/i0rq1eizktu3trl8x8ji8/c.xlsx?rlkey=8bsc7szb539enwz0hymn60lv5&dl=0 c.xlsx]), решения ([https://nbviewer.org/github/allatambov/PyDat23/blob/main/practice-lm-01-solutions.ipynb читать], [https://www.dropbox.com/scl/fi/hckj1gd6t4bxd4lq7clw0/practice-lm-01-solutions.ipynb?rlkey=5j35mehoa2x2tqawm256930ix&dl=0 ipynb]).
 +
* [http://shiny.calpoly.sh/3d_regression/ Визуализация] множественной линейной модели, [https://github.com/pvigier/gradient-descent визуализация] градиентного спуска.
 +
 
 +
Дополнительно – линейная регрессия с точки зрения классической статистики:
 +
 
 +
* Парная линейная регрессия ([https://github.com/allatambov/PyReg23/blob/main/reg-practice03.ipynb практикум]), модели с фиктивными переменными ([https://github.com/allatambov/PyReg23/blob/main/reg-practice04.ipynb практикум]), множественная регрессия ([https://github.com/allatambov/PyReg23/blob/main/reg-practice05.ipynb практикум]).
 +
* Линейные модели с эффектом взаимодействия, выгрузка результатов регрессионного анализа ([https://github.com/allatambov/PyReg23/blob/main/reg-practice06.ipynb практикум]).
 +
* Файлы с данными: [https://www.dropbox.com/scl/fi/d5hfs72lc1iga8izkfot5/flats.csv?rlkey=ojh9of42r0lyg0ptju1nlhjvn&dl=0 flats.csv], [https://www.dropbox.com/scl/fi/dqg4g209ogwmphcbvbdem/Tooth.csv?rlkey=md6iojm9xa1vw1y22gg672gn4&dl=0 tooth.csv], [https://www.dropbox.com/scl/fi/ukojdzcwaxa3zkpyz4on0/networks.csv?rlkey=663ddy4xde7i036l8wlpz5ne5&dl=0 networks.csv], [https://www.dropbox.com/scl/fi/0lh7p65rbf71ueuhk4uzf/ug_replication_data.csv?rlkey=jlnw0t6a8wair0l5vs69bbih8&dl=0 ug_replication_data.csv].
 +
 
 +
=== Логистическая регрессия ===
 +
 
 +
* '''Лекция 10.''' Логистическая регрессия.
 +
* '''Практикум 10.''' Множественная логистическая регрессия ([https://www.dropbox.com/scl/fi/h6msyg28pa1tug3b65f5j/practice-logit.ipynb?rlkey=czhxlvb91512ub5ne5xhqsy3v&dl=0 ipynb], [https://www.dropbox.com/scl/fi/653n8txcvvomyo557jiz8/WhiteChristmas.csv?rlkey=gwi4z0rrg7myg1cm0dg4leo8x&dl=0 WhiteChristmas.csv], [https://www.dropbox.com/scl/fi/lh5qb7vhe38z8b9brw34e/HR.csv?rlkey=lutfrwn0qh2y6sf31t4oaai8s&dl=0 HR.csv]).  
  
 
=== Домашние задания ===
 
=== Домашние задания ===
Строка 96: Строка 120:
 
| Домашнее задание 2 || [https://www.dropbox.com/scl/fo/ueuojrsjk7bhmnfmqdyjd/h?rlkey=z13iorzbvibl0idng5siw0o1t&dl=0 ipynb] [https://www.dropbox.com/scl/fi/90eps5rgq2w9hgfys2b0c/hp_upd.csv?rlkey=duoftrdijmqjc6hfqomfsg81q&dl=0 hp_upd.csv] ||  10.11 23:59 || Dropbox: [https://www.dropbox.com/request/MfPz2yPGhXugqEPqu4qc 211] [https://www.dropbox.com/request/RPOAac4i7Niy17LhXPvw 212] [https://www.dropbox.com/request/eNLndXjDntjQSuWEW0qS 213] [https://www.dropbox.com/request/5zZO38myqvytbXn06SNj 214]
 
| Домашнее задание 2 || [https://www.dropbox.com/scl/fo/ueuojrsjk7bhmnfmqdyjd/h?rlkey=z13iorzbvibl0idng5siw0o1t&dl=0 ipynb] [https://www.dropbox.com/scl/fi/90eps5rgq2w9hgfys2b0c/hp_upd.csv?rlkey=duoftrdijmqjc6hfqomfsg81q&dl=0 hp_upd.csv] ||  10.11 23:59 || Dropbox: [https://www.dropbox.com/request/MfPz2yPGhXugqEPqu4qc 211] [https://www.dropbox.com/request/RPOAac4i7Niy17LhXPvw 212] [https://www.dropbox.com/request/eNLndXjDntjQSuWEW0qS 213] [https://www.dropbox.com/request/5zZO38myqvytbXn06SNj 214]
 
|-
 
|-
| Домашнее задание 3 || || 17.11 23:59 || Dropbox: 211 212 213 214
+
| Домашнее задание 3 || [https://www.dropbox.com/scl/fo/jtbgu3t9srlmi3wj3tuce/h?rlkey=297v60rfpreeyml85oztcbs39&dl=0 ipynb] [https://www.dropbox.com/scl/fi/vpfq7gv57115idmpzvr3h/order_details.csv?rlkey=6syyhpqpsyvrdvwb1o4jtu73k&dl=0 order_details.csv] [https://www.dropbox.com/scl/fi/uk85o21c0zkm90992dcwf/orders.csv?rlkey=p8zmw7sma359yd7p036wus4sk&dl=0 orders.csv]|| 20.11 23:59 || Dropbox: [https://www.dropbox.com/request/bXKDl738Pslnp8KzKBEZ 211] [https://www.dropbox.com/request/3MWkXV5z4yv3g3GEXD5L 212] [https://www.dropbox.com/request/qsdhL81hxEzW900aSD8L 213] [https://www.dropbox.com/request/l3XgahaNRsJeXr2v9nhh 214]
|-
 
| Домашнее задание 4 ||  || 03.12 23:59 || Dropbox: 211 212 213 214
 
 
|-
 
|-
| Домашнее задание 5 || || 10.12 23:59 || Dropbox: 211 212 213 214
+
| Домашнее задание 4 || [https://www.dropbox.com/scl/fo/5mbmvph2yej4pgfwcupsi/h?rlkey=451th1f67wequf6hndijzzkz7&dl=0 ipynb] [https://www.dropbox.com/scl/fi/b1l3qvk4du50nakh8gmik/mushrooms.csv?rlkey=t415e4tfplkdqis6u7hicsqy6&dl=0 mushrooms.csv]|| 10.12 23:59 || Dropbox: [https://www.dropbox.com/request/2BdsGxVoKz4qY4zmps12 211] [https://www.dropbox.com/request/ydP3L3UiVfjtOpeLSLmL 212] [https://www.dropbox.com/request/tLjsZ0UrQhMLUgnncJSJ 213] [https://www.dropbox.com/request/cmgAfl5Ew5lqn1bBDVwE 214]
 
|-
 
|-
| Домашнее задание 6 || || 20.12 23:59 || Dropbox: 211 212 213 214
+
| Домашнее задание 5 || [https://www.dropbox.com/scl/fo/syzupoxk93cek5ep4pq24/h?rlkey=8jtwqbcn0vahh5nr5u01j274l&dl=0 ipynb] [https://www.dropbox.com/scl/fi/y638ziw6l429rtf7rr6sr/insurance.csv?rlkey=sxv1gf539k4ho9ea150czirtu&dl=0 insurance.csv] || 17.12 23:59 || Dropbox: [https://www.dropbox.com/request/x3heyJ6FAPdarUnb3dXG 211] [https://www.dropbox.com/request/9Uu2mh7P3uoCwdOGnY2v 212] [https://www.dropbox.com/request/kFnWDItVaV3sRPEK67dV 213] [https://www.dropbox.com/request/lIayctJH1o9BGMqOZjhl 214]
 
|-
 
|-
 
|}
 
|}

Текущая версия на 03:31, 4 мая 2024

Дорогие студенты!

Это страница обязательного курса «Основы анализа данных в Python», читаемого на программе «Политология» 3 курса бакалавриата в 1-2 модулях 2023-2024 учебного года.

Преподаватель: Тамбовцева Алла Андреевна.

Правила игры и план курса

  • Программа курса, организационная презентация.
  • Формула оценки: 0.21 * Тесты + 0.28 * Домашнее задание + 0.3 * Экзамен + 0.21 * Контрольная работа.
  • Подробный план курса, с примерными датами.
  • Сопровождающий онлайн-курс «Сбор и анализ данных в Python».

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).

Установка Anaconda и запуск Jupyter Notebook:

  • Для установки Anaconda нужно скачать установочный файл для своей системы отсюда, запустить его и следовать инструкциям.
  • Среду Jupyter Notebook можно запускать через приложение Anaconda Navigator (находим Anaconda Navigator в списке программ, запускаем, кликаем на кнопку Launch под Jupyter Notebook) и отдельно от него (см. инструкцию).
  • Работа в Jupyter Notebook (видео), работа в Google Colab (видео).
  • Набор текста в Jupyter (видео, ipynb).

Для тех, кто не работал в Python и Jupyter: можно записаться на вышкинский онлайн-курс «Python как иностранный» (открыт для записи в SmartLMS). Для подготовки рабочего места рекомендуется ознакомиться со следующими материалами в теме 1: Видео. Подготовка рабочего места, инструкция по открытию файлов в Jupyter Notebook, Видео. Первая программа, Задачи для тренировки.

Материалы

Введение в выборочные обследования

Генеральная совокупность и выборка. Репрезентативность выборки. Способы формирования выборок.
Нарушение свойства репрезентативности и виды смещений. Ошибка выборки (sampling error).

Дополнительно:

Описание данных

Шкалы данных. Меры центральной тенденции, меры разброса данных, порядковые статистики.
Поиск нехарактерных значений. Описание качественных данных: абсолютные и относительные частоты.

  • Лекция 2. Описательные статистики (слайды).
  • Практикум 2. Описательные статистики, группировка и агрегирование в pandas (читать, ipynb, c.xlsx), решения (читать, ipynb).

Визуализация данных

Визуализация количественных данных: гистограмма, график плотности распределения и ящик с усами.
Визуализация качественных данных: столбиковая диаграмма и круговая диаграмма. Принципы хорошей визуализации.

Выборочное оценивание

Напоминание про случайные величины и распределения. Выборочное распределение доли и выборочное распределение среднего.
Понятие стандартной ошибки. Доверительный интервал для выборочной доли. Доверительный интервал для среднего.

  • Лекция 4. Введение в выборочное оценивание: выборочные оценки и доверительные интервалы (слайды).
  • Иллюстрация действия статистических законов (читать, ipynb).

Проверка статистических гипотез

Проверка статистических гипотез. Концепция p-value. Ошибки первого и второго рода. Статистическая значимость.
Проверка гипотезы о равенстве доли числу. Проверка гипотезы о равенстве среднего числу. Проверка гипотезы о равенстве средних.

Поиск связей в данных

Оценка связи между двумя признаками в количественной шкале: коэффициенты корреляции Пирсона и Спирмена.
Оценка связи между двумя признаками в качественной шкале: таблицы сопряженности и хи-квадрат критерий согласия Пирсона.

Введение в машинное обучение

Постановка задач машинного обучения. Виды задач машинного обучения: регрессия, классификация, кластеризация,
снижение размерности. Метод k ближайших соседей и его использование для задач классификации.

  • Лекция 8.1. Задачи машинного обучения (слайды).
  • Лекция 8.2. Знакомство с методом k-ближайших соседей (слайды).
  • Практикум 8.1. Метод k ближайших соседей: работаем с изображениями (читать, ipynb, данные).
  • Практикум 8.2. Метод k ближайших соседей: работаем с числовыми данными (читать, ipynb, penguins.csv).

Линейная регрессия

  • Лекция 9. Парная линейная регрессия.
  • Практикум 9. Парная и множественная линейная регрессия с точки зрения машинного обучения (ipynb, c.xlsx), решения (читать, ipynb).
  • Визуализация множественной линейной модели, визуализация градиентного спуска.

Дополнительно – линейная регрессия с точки зрения классической статистики:

Логистическая регрессия

  • Лекция 10. Логистическая регрессия.
  • Практикум 10. Множественная логистическая регрессия (ipynb, WhiteChristmas.csv, HR.csv).

Домашние задания

Домашнее задание Файлы Дедлайн Сдача
Домашнее задание 1 ipynb owls.csv 08.10 23:59 ссылка на Dropbox
Домашнее задание 2 ipynb hp_upd.csv 10.11 23:59 Dropbox: 211 212 213 214
Домашнее задание 3 ipynb order_details.csv orders.csv 20.11 23:59 Dropbox: 211 212 213 214
Домашнее задание 4 ipynb mushrooms.csv 10.12 23:59 Dropbox: 211 212 213 214
Домашнее задание 5 ipynb insurance.csv 17.12 23:59 Dropbox: 211 212 213 214