Анализ данных на Python: различия между версиями

Материал из MathINFO
Перейти к навигации Перейти к поиску
(Новая страница: «Дорогие студенты! Это страница обязательного курса '''«Анализ данных на Python»''', читаемог...»)
 
Строка 1: Строка 1:
 
Дорогие студенты!
 
Дорогие студенты!
  
Это страница обязательного курса '''«Анализ данных на Python»''', читаемого на программе '''«Разработка информационных систем для бизнеса»''' 2 курса бакалавриата в 4 модуле '''2023-2024''' учебного года.
+
Это страница обязательного курса '''«Анализ данных на Python»''', читаемого на программе '''«Разработка информационных систем для бизнеса»'''<br> 2 курса бакалавриата в 4 модуле '''2023-2024''' учебного года.
  
 
Занятия ведёт: Тамбовцева Алла Андреевна.
 
Занятия ведёт: Тамбовцева Алла Андреевна.
 +
 +
==Правила игры==
 +
 +
Формула оценки: '''0.4 × Лабораторные работы + 0.2 × ДЗ1 + 0.25 × ДЗ2 + 0.15 × ДЗ3'''.
 +
 +
Пояснения:
 +
 +
* '''Лабораторные работы:''' небольшие домашние задания, обязательные к выполнению к следующему занятию.<br>Могут включать задачи на закрепление пройденного материала или задачи, предполагающие самостоятельное<br>изучение небольших блоков по основам Python по предложенных материалам (конспекты или видео).<br>Всего запланировано 8 лабораторных работ с одинаковым весом.
 +
* '''Домашние задания:''' объёмные домашние задания по итогу нескольких пройденных тем. Представляют собой<br> индивидуальные мини-проекты, в которых необходимо поработать с предложенными данными по инструкции <br>и проинтерпретировать предложенные результаты.
 +
* Поздняя сдача лабораторных работ не предусмотрена.
 +
* Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов:<br> опоздание в пределах часа – штраф 10% от полученной оценки, в пределах суток – штраф 30%. <br>Домашние задания, сданные позже, не принимаются и не оцениваются.
 +
 +
==Среда для работы==
 +
 +
Перед занятиями необходимо установить дистрибутив '''Anaconda''' (скачать можно [https://www.anaconda.com/download здесь]), который включает в себя<br> интерпретатор языка Python, библиотеки для обработки, анализа и визуализации данных, а также среду для работы<br>Jupyter Notebook. Также есть возможность работать в Jupyter Notebook онлайн, используя ресурс [https://colab.research.google.com/ Google Colab] <br>(для создания и редактирования файлов нужен аккаунт Gmail).
 +
 +
Подробности по установке и работе – см. ниже в неделе 0.
 +
 +
==Материалы курса==
 +
 +
===Неделя 0. Напоминания про Python и Jupyter Notebook===
 +
 +
Для подготовки к работе на курсе можно ознакомиться со следующими материалами [https://edu.hse.ru/course/view.php?id=133389 онлайн-курса]:
 +
 +
* [https://edu.hse.ru/mod/page/view.php?id=502433 Видео. Подготовка рабочего места], [https://edu.hse.ru/mod/page/view.php?id=502434 инструкция по открытию файлов в Jupyter Notebook].
 +
* [https://edu.hse.ru/mod/page/view.php?id=502436 Видео. Первая программа], [https://edu.hse.ru/mod/quiz/view.php?id=502439 задачи для тренировки].
 +
 +
А также с материалами по работе в Jupyter Notebook и Google Colab:
 +
 +
* Запуск Jupyter без Anaconda Navigator ([https://www.dropbox.com/scl/fi/4095f565oudw2pq1hatrp/_-Jupyter.pdf?rlkey=6kucyfzj9uuy5ovrjnrkabt5z&dl=0 инструкция]).
 +
* Работа в Jupyter Notebook ([https://www.dropbox.com/scl/fi/v3wdgps9wjvrtamo08y66/jupyter-interface.mov?rlkey=xwsut0nxs4hjmdsz8vnnqvxfz&dl=0 видео]), работа в Google Colab ([https://www.dropbox.com/scl/fi/znirgzjrnawtjgta5dvfb/colab-interface.mp4?rlkey=nqbloavs7p3p6swraejl9sskw&dl=0 видео]).
 +
 +
Дополнительно:
 +
 +
* Набор текста в Jupyter ([https://www.dropbox.com/scl/fi/t62c0jxvqrfro1tbxg12t/text-markdown.mp4?rlkey=p0kjc3qeoh4bv6kk8jqhj9pfo&dl=0 видео], [https://www.dropbox.com/scl/fi/vdmpj2ws1axbs832r5cj3/00-intro.ipynb?rlkey=3d8zwm94xjbo8lew2ox8vonj6&dl=0 ipynb]).
 +
* Markdown: [https://gist.github.com/Jekins/2bf2d0638163f1294637 больше] про Markdown, знакомство с Jupyter Notebook и Markdown ([https://nbviewer.jupyter.org/github/allatambov/allatambov.github.io/blob/master/icef/seminars/intro-jupyter.ipynb читать], [http://allatambov.github.io/icef/seminars/intro-jupyter.ipynb ipynb]).
 +
* LaTeX: [https://www.overleaf.com/ Overleaf], [https://www.overleaf.com/learn документация], [https://github.com/allatambov/Latex материалы] других курсов по LaTeX.

Версия 20:10, 4 апреля 2024

Дорогие студенты!

Это страница обязательного курса «Анализ данных на Python», читаемого на программе «Разработка информационных систем для бизнеса»
2 курса бакалавриата в 4 модуле 2023-2024 учебного года.

Занятия ведёт: Тамбовцева Алла Андреевна.

Правила игры

Формула оценки: 0.4 × Лабораторные работы + 0.2 × ДЗ1 + 0.25 × ДЗ2 + 0.15 × ДЗ3.

Пояснения:

  • Лабораторные работы: небольшие домашние задания, обязательные к выполнению к следующему занятию.
    Могут включать задачи на закрепление пройденного материала или задачи, предполагающие самостоятельное
    изучение небольших блоков по основам Python по предложенных материалам (конспекты или видео).
    Всего запланировано 8 лабораторных работ с одинаковым весом.
  • Домашние задания: объёмные домашние задания по итогу нескольких пройденных тем. Представляют собой
    индивидуальные мини-проекты, в которых необходимо поработать с предложенными данными по инструкции
    и проинтерпретировать предложенные результаты.
  • Поздняя сдача лабораторных работ не предусмотрена.
  • Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов:
    опоздание в пределах часа – штраф 10% от полученной оценки, в пределах суток – штраф 30%.
    Домашние задания, сданные позже, не принимаются и не оцениваются.

Среда для работы

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).

Подробности по установке и работе – см. ниже в неделе 0.

Материалы курса

Неделя 0. Напоминания про Python и Jupyter Notebook

Для подготовки к работе на курсе можно ознакомиться со следующими материалами онлайн-курса:

А также с материалами по работе в Jupyter Notebook и Google Colab:

Дополнительно: