Python & R practice nes spr2023

Требования

• Аккаунт на GitHub
• Ноутбук на семинарах

План курса

№	Дата	Тема
1	13.01	Знакомство с Python. Основные инструменты разработки
2	16.01 / 19.01	Базовые типы данных - практика. Базовый ввод / вывод. Условный оператор
3	20.01	Контейнеры. Списки, кортежи, словари, множества
4	23.01 / 24.01	Циклы `for` и `while`
5	27.01	Строки. Работа с файлами
6	30.01 / 31.01	Функции (часть 1). Базовый синтаксис, генераторы
7	06.02 / 09.02	Функции (часть 2). Области видимости, замыкания, декораторы
8	10.02	ООП. Основные принципы и определения и базовый синтаксис
9	13.02 / 14.02	ООП. Magic-методы. Декораторы для классов
10	17.02	Дополнительные темы Python. *Юнит-тестирование*. Обработка ошибок. Модули и пакеты
11	20.02 / 21.02	Регулярные выражения
12	27.02 / 28.02	Numpy
13	03.03	Оптимизация кода. Введение в Cython. Numba
14	06.03 / 07.03	Введение в Pandas
15	10.03	Продвинутый Pandas
16	13.03 / 14.03	Визуализация данных. Matplotlib
17	17.03	Web 101. REST API
18	20.03 / 21.03	Парсинг страниц. BeautifulSoup. Scrapy
19	24.03	Продвинутый парсинг. Selenium
20	03.04 / 04.04	Web серверы для демо. Streamlit
21	07.04	Работа с графовыми данными. NetworkX
22	10.04 / 11.04	Введение в базы данных. SQLite
23	14.04	Работа с геоданными. GeoPandas. Shapely. Folium
24	17.04 / 18.04
25	21.04
26	24.04 / 25.04
27	28.04
28	---
29	---
30	---

Оценивание

Оценка по курсу состоит из нескольких частей:

1. Тесты
2. Контесты
3. Финальный проект

Тесты

• Небольшие тесты на 10 минут в начале почти каждого занятия
• Вопросы по материалам прошлого занятия
• За каждый тест - 10 баллов.

Контесты

• Набор задач с автоматической проверкой тестирующей системой Я.Контест
• Всего 6 контестов - после каждой темы базового блока
• Срок решения - 2 недели
• За каждый контест - 10 баллов
• Списывание детектируется и наказуемо!

Блок по R

Превью блока

На данном курсе мы с Вами обсудим язык R и его применение в задачах статистического анализа данных. Кроме того, посмотрим, какие средства этого языка помогают красиво демонстрировать извлеченную информацию.

Объявление

Перед первой лекцией стоит попробовать установить R/RStudio самостоятельно ЗАРАНЕЕ. Это делается нативно

на [[Windows][1]]: найдите большую кнопку Download R (номер версии) for Windows. на [Mac[2]]: если маку меньше, чем 5 лет, то смело ставьте *.pkg файл с последней версией. Если старше, то поищите на той же странице версию для вашей системы. на [Linux[3]]: также можно добавить зеркало и установить из командной строки: sudo apt-get install r-cran-base

Не факт, что на первой лекции на помощь с установкой будет время (на первом семинаре будет), но, если все сделать аккуратно и заранее, то чаще всего всё легко устанавливается:) На лекции будет полезно брать с собой ноутбук для экспериментов и выполнения представленного кода.

План блока

№	Дата	Тема
1	21.04	Вводная лекция. Основы языка R и базовые типы.
2	24.04/25.04	Настройка RStudio/R. Продолжаем говорить о типах данных. Векторизация.
3	28.04	Теория вероятностей и статистика.
4	1.05/2.05	data.table vs tidyverse. Статистические критерии.
5	5.05	A/B-тестирование с примерчиком. "Философия" ggplot2, почему он крут и небольшая практика.
6	8.05/9.05	Продолжение ggplot2. Разведывательный анализ данных. RMarkdown.
7	12.05	Корреляционный, регрессионный и дисперсионный анализ. API, примеры и пример полноценного дашборда.
8	15.05/16.05	Практика лекционного материала, создание дашборда.

Оценивание в блоке

Оценка по курсу состоит из нескольких частей:

1. Тест на лекции (на 10 минут, 10 баллов)
2. 2 домашки (20 баллов, срок выполнения каждой в районе 2х недель) + 1 балл по личным ощущениям проверяющего
3. 4 лекции, 4 семинара (по 1 баллу за активность)

Итого: максимум 50 баллов + 10 доп баллов

Финальный проект

• Скоро