OTUS. ML-Basic

Репозиторий домашних заданий курса ML-Basic

1. Создайте аккаунт на GitHub
2. Установите Git на своем компьютере. Для коллег которые работают на Windows, рекомендуется использовать Git Bash. Его можно установить вместе с Git, либо скачать отдельно здесь.
   • Для установки Git Bash на Windows, скачайте установщик с сайта и следуйте инструкциям.
   • После установки Git Bash, откройте его и выполните команду:

   git --version

   • Если вы видите версию Git, значит установка прошла успешно.
   • Так же стоит настроить глобальный конфиг Git, в соответствии с вашим аккаунтом на GitHub. Для этого выполните следующие команды в терминале:

   git config --global user.name "<ваш_логин>"
   git config --global user.email "<ваш_email>"

   • Замените <ваш_логин> и <ваш_email> на ваш логин и email от GitHub.
3. Сделайте Fork этого репозитория - таким образом вы создадите свою копию репозитория, в которой сможете вносить изменения.
   • Для этого нажмите на кнопку Fork в правом верхнем углу страницы репозитория.
   • После этого вы будете перенаправлены на вашу копию репозитория.
4. Сделайте git clone своего форка на локальный компьютер.
   • Для этого выполните команду в терминале:

   git clone https:\\github.com\<ваш_логин>\ML-Basic.git

   • Введите свой логин и пароль от GitHub, если будет предложено.
   • После этого у вас на компьютере появится директория ML-Basic, в которой будет находиться ваш форк репозитория.
5. Добавляйте в локальный репозиторий ваши решения домашних заданий.

• Каждое домашнее задание должно быть в отдельной директории с именем homework_XX, где XX — номер домашнего задания.
• Директория должна содержать файл README.md с описанием задания, а также все необходимые файлы для запуска кода.

Список домашних заданий:

1. Базовые типы данных
2. Управляющие конструкции
3. Функции
4. Проектируем иерархию классов для работы с файлами
5. Пишем классы и плодим наследников
6. “Git push -f” или после нас хоть потоп
7. Я художник, я так вижу, визуализация данных в питоне
8. Линейная алгебра, математический анализ
9. Учимся работе с данными - от загрузки до моделирования
10. Где дешевле жить? Предсказание цен в Airbnb