Public ATP Wiki - Вклад участника [ru]

Python & R practice nes spr2023

2023-04-24T23:24:11Z

Igorschukin:

== Требования ==
* Аккаунт на GitHub
* Ноутбук на семинарах

== План курса ==

{| class="wikitable"
|-
! №
! 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:
# Тесты
# Контесты
# 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][https://cran.r-project.org/bin/windows/base/]]: найдите большую кнопку Download R (номер версии) for Windows.
на [Mac[https://cran.r-project.org/bin/macosx/]]: 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[https://cran.rstudio.com/bin/linux/]]: 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 ===

{| class="wikitable"
|-
! №
! 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:
# Тест на лекции (на 10 минут, 10 баллов)
# 2 домашки (20 баллов, срок выполнения каждой в районе 2х недель) + 1 балл по личным ощущениям проверяющего
# 4 лекции, 4 семинара (по 1 баллу за активность)

Итого: максимум 50 баллов + 10 доп баллов

=== Финальный проект ===
* Скоро

Python & R practice nes spr2023

2023-04-24T23:21:26Z

Igorschukin:

== Требования ==
* Аккаунт на GitHub
* Ноутбук на семинарах

== План курса ==

{| class="wikitable"
|-
! №
! 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:
# Тесты
# Контесты
# 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][https://cran.r-project.org/bin/windows/base/]]: найдите большую кнопку Download R (номер версии) for Windows.
на [Mac[https://cran.r-project.org/bin/macosx/]]: 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[https://cran.rstudio.com/bin/linux/]]: 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 ===

{| class="wikitable"
|-
! №
! 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. Разведывательный анализ данных (начало).
|-
|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. 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:
# Тест на лекции (на 10 минут, 10 баллов)
# 2 домашки (20 баллов, срок выполнения каждой в районе 2х недель) + 1 балл по личным ощущениям проверяющего
# 4 лекции, 4 семинара (по 1 баллу за активность)

Итого: максимум 50 баллов + 10 доп баллов

=== Финальный проект ===
* Скоро

Python & R practice nes spr2023

2023-04-24T23:21:07Z

Igorschukin: Актуализация плана

== Требования ==
* Аккаунт на GitHub
* Ноутбук на семинарах

== План курса ==

{| class="wikitable"
|-
! №
! 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:
# Тесты
# Контесты
# 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][https://cran.r-project.org/bin/windows/base/]]: найдите большую кнопку Download R (номер версии) for Windows.
на [Mac[https://cran.r-project.org/bin/macosx/]]: 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[https://cran.rstudio.com/bin/linux/]]: 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 ===

{| class="wikitable"
|-
! №
! 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. Разведывательный анализ данных.
|-
|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. 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:
# Тест на лекции (на 10 минут, 10 баллов)
# 2 домашки (20 баллов, срок выполнения каждой в районе 2х недель) + 1 балл по личным ощущениям проверяющего
# 4 лекции, 4 семинара (по 1 баллу за активность)

Итого: максимум 50 баллов + 10 доп баллов

=== Финальный проект ===
* Скоро

Python & R practice nes spr2023

2023-04-21T05:15:03Z

Igorschukin:

Участник:Igorschukin

2023-04-21T05:10:51Z

Igorschukin: Правка разбаловки

== Превью ==

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][https://cran.r-project.org/bin/windows/base/]]: найдите большую кнопку Download R (номер версии) for Windows.
на [Mac[https://cran.r-project.org/bin/macosx/]]: 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[https://cran.rstudio.com/bin/linux/]]: 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 курса ==

{| class="wikitable"
|-
! №
! 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 ==

Оценка по курсу состоит из нескольких частей:
# Тест на лекции (на 10 минут, 10 баллов)
# 2 домашки (20 баллов, срок выполнения каждой в районе 2х недель) + 1 балл по личным ощущениям проверяющего
# 4 лекции, 4 семинара (по 1 баллу за активность)

Итого: максимум 50 баллов + 10 доп баллов

Участник:Igorschukin

2023-04-17T11:28:47Z

Igorschukin:

== Превью ==

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][https://cran.r-project.org/bin/windows/base/]]: найдите большую кнопку Download R (номер версии) for Windows.
на [Mac[https://cran.r-project.org/bin/macosx/]]: 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[https://cran.rstudio.com/bin/linux/]]: 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 курса ==

{| class="wikitable"
|-
! №
! 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 ==

Оценка по курсу состоит из нескольких частей:
# Тест на лекции (на 10 минут, 10 баллов)
# 2 домашки (срок выполнения каждой в районе 2х недель)

Участник:Igorschukin

2023-04-17T10:58:23Z

Igorschukin: Создание странички по R

== Превью ==

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[https://cran.r-project.org/bin/windows/base/]]: найдите большую кнопку Download R (номер версии) for Windows.
на [Mac[https://cran.r-project.org/bin/macosx/]]: 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[https://cran.rstudio.com/bin/linux/]]: 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 курса ==

{| class="wikitable"
|-
! №
! 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 ==

Оценка по курсу состоит из нескольких частей:
# Тест на лекции (на 10 минут, 10 баллов)
# 2 домашки (срок выполнения каждой в районе 2х недель)