- Wiki-страница курса, на ней для каждого семинара публикуются дополнительные материалы, которые необходимо просмотреть на неделе, когда проходит семинар
- Youtube-канал с записями семинаров
- Материалы для каждого семинара лежат в папках
/sem* - Если вы хотите скачать из репозитория конкретную папку, просто вставьте ссылку на неё в сервис для скачки.
- Любые вопросы можно задавать в чат с технической поддержкой
- Канал с основными объявлениями
- Материалы прошлого курса (весна 2020)
- Таблица с вашими оценками
Домашки:
- HW1: таблички в pandas: предобрабатываем датасет и анализируем его.
- Контест, где надо представиться: вбить группу и ссылку на репозиторий с дз1.
- HW2: циклы и услоия: решаем просты задачки на циклы.
Контрольные:
Другое:
Установите перед первым семинаром Anaconda. Инструкция для windows и инструкция для мака
- sem01
Тратим полтора часа на то, чтобы запустить анаконду.Вводимся в python, git и делаем import this - sem02 Учимся работать с табличками в pandas
- sem03 Говорим про циклы и условия
- sem04 Говорим о функциях
- sem05 Говорим про словарики и множества
- sem06 Обсуждаем объектно ориентированное программирование (классы и вот это вот всякое)
- sem07 Занимаемся exploratory data analysis (крутим-вертим таблицами с данными)
- sem08 Рисуем красивые графики и визуализации
- sem09 Учимся собирать данные, пишем парсеры и используем разные API
- sem10-11 Говорим про регрессию и метрики для неё
- sem12-13 Говорим про классификацию и метрики для неё
- sem14 На природу, в лес, к деревьям!
Сдача части домашних заданий и контрольных будет происходить через Яндекс.Контест. На почты вам будут разосланы логины и пароли от неё.
Другая часть будет сдаваться через github. На нём не помешает зарегистрироваться.
Оценка ставится по формуле:
0.1 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.1 ДЗ5 + 0.075 СР1 + 0.075 СР2 + 0.075 СР3 + 0.075 СР4 + 0.1 КР + 0.1 ЭКЗ
- Ананьева Марина
- Демешев Борис aka ББ
- Максимовская Настя
- Петросян Артур
- Ульянкин Филя
- Филатов Артём
- Карпов Макс
- Илья Аброскин
Весь контент, созданный для этого курса распространяются на правах лицензии MIT License Материалы публикуются как общественное достояние.