imported>Eozakharov: /* Семинары */

2016-06-14T18:39:24Z

Семинары

Новая страница

== Общая информация ==

Семинаристы: Гитман Игорь, Захаров Егор

Занятия проходят по вторникам 3-ей парой в аудитории 4335

Почта курса: hse.minor.dm@gmail.com (просьба указывать тему в соответствии с [[#Оформление писем | шаблоном]])

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=468791560 Оценки]

== Семинары ==

{| class="wikitable"
|-
! Дата !! Тема !! Материалы
|-
| 12.01.2016 || Вводное занятие ||
|-
| 19.01.2016 || Линейная алгебра, Python NumPy.<br />Проверочная по вводному занятию || [https://shad.people.yandex.net/notebooks/17/numpy%20tutorial.ipynb notebook с занятия]
|-
| 26.01.2016 || Работа с таблицами и визуализация, Python Pandas и Matplotlib.<br />Проверочная по NumPy. Выдача первого домашнего задания ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb notebook с занятия]
|-
| 02.02.2016 || Метод градиентного спуска на примере регрессии ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rypyazmvjucm02g/sem_4.ipynb notebook с занятия]
|-
| 09.02.2016 || Ликбез по статистике. Наивный байес ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/odkj4ijz8zi6b66/sem_05.ipynb notebook с занятия]
|-
| 01.03.2016 || Линейная регрессия: Ridge, Lasso ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/m64up6z5ifig8j7/sem_6.ipynb notebook с занятия]
|-
| 15.03.2016 || Линейная классификация: Logistic Regression, метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/zyvctnd7cj411di/sem_07.ipynb notebook с занятия]
|-
| 19.04.2016 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb notebook с занятия]
|-
| 26.04.2016 || Разбор первой части проекта ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb notebook с занятия]
|-
| 10.05.2016 || Случайные леса. Метод главных компонент ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/7b4sdyvwx5o1keg/rf_pca.ipynb notebook1],
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ahk8sae6gb4y6yc/talgat_rf_pca.ipynb notebook2]
|-
| 17.05.2016 || Методы кластеризации, k-means. Метрики качества ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/c2suozftb8s5679/clustering.ipynb notebook]
|-
| 24.05.2016 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|-
| 31.05.2016 || Метрические методы классификации. KNN || [http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/70gqz2jvm0z1cl7/KNN.ipynb ноутбук]
|-
| 07.06.2016 || Ассоциативные правила. APriori || [http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/qb9me3y2dnwunic/apriori.ipynb notebook с примером], [https://www.dropbox.com/s/zbtamhqgtvyxqbj/accidents.basket?dl=0 данные], [https://www.dropbox.com/s/n2w47t15m5dnfq1/features.csv?dl=0 описание признаков]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/dtx4hnnwjmcrgiu/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]. '''Обновлено 1.3.2016'''

[https://www.dropbox.com/s/ua7wc2vpoi5mdbr/hse_project.pdf?dl=0 Проект. Начало.]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/tqhvg13spcwjtn1/HW4_Username.ipynb Практическое задание №3 "Решающие деревья"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/qudhpgdcaoljk61/project_2.ipynb Проект. Продолжение.]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ind6wpytgkossal/HW4_Username.ipynb Практическое задание №4 "Логистическая регрессия и предобработка данных"]. Срок сдачи: 4.6.2016

[https://www.dropbox.com/s/61qvambiq77ksnl/data.csv?dl=0 Данные для 4-го задания]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xjadj6v91blbufj/HW5_Username.ipynb Практическое задание №5 "Метод главных компонент"]. Срок сдачи: 15.6.2016

[https://www.dropbox.com/s/oo3ev457tkg5jxe/data_task1.csv?dl=0 data_task1], [https://www.dropbox.com/s/ym5qsyrxwtyhma6/data_task2.csv?dl=0 data_task2]

== Оформление писем ==

Просьба придерживаться данного стиля оформления темы письма, иначе оно не будет получено:

* Вопросы: [ИАД-17] Вопрос
* Сдача заданий: [ИАД-17] Задание N, ФИО

== Сдача домашних заданий ==

* Максимальная оценка за задание — 10 баллов + (при наличии) бонусные баллы

* Для каждого домашнего задания будет установлен дедлайн. Штраф за день просрочки: 0.2 балла, датой сдачи считается дата отправки письма с заданием

* Имена файлов, которые вы прикрепляете к письму, должны содержать вашу фамилию на латинице, например Ivanov.ipynb

* Просьба отправлять на почту курса только итоговую версию задания

Обращаем внимание, что плагиат будет строго наказываться.

Задания вы можете выполнять как на [https://shad.people.yandex.net виртуальной машине], так и на своём компьютере. При этом нами рекомендуется второй вариант, потому что неработоспособность виртуальной машины не будет являться уважительной причиной для просрочки дедлайна. Руководство по установке iPython и необходимых библиотек находится [http://www.machinelearning.ru/wiki/images/1/10/MMP_Praktikum_317_2014a_Python.pdf здесь]. Для работы понадобится следующий базовый минимум установленных пакетов: Jupyter, iPython, NumPy, SciPy, Scikit-learn, Matplotlib.

Также если решение задания вам нужно предоставить в виде ipython notebook, то наличие файла на виртуальной машине не является фактом сдачи, вам обязательно нужно отправить письмо на почту курса.

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-17 - История изменений

imported>Eozakharov: /* Семинары */