Python & R practice nes spr2023: различия между версиями

Материал из Public ATP Wiki
Перейти к навигации Перейти к поиску
Новая страница: «= Общие сведения = * Семестр: 6 (третий курс) * Форма контроля: дифференцированный зачет (?) ==…»
 
Нет описания правки
 
(не показано 5 промежуточных версий 3 участников)
Строка 1: Строка 1:
= Общие сведения =
* Семестр: 6 (третий курс)
* Форма контроля: дифференцированный зачет (?)
== Важные ссылки ==
* '''Регистрация на курс'''
* '''Материалы курсa'''
* '''Чат курса'''
* '''Таблица с оценками'''
== Требования ==
== Требования ==
* Аккаунт на GitHub
* Аккаунт на GitHub
Строка 21: Строка 11:
! Тема
! Тема
|-
|-
|1|| - || Введение. Знакомство с Python
|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
|-
|-
|2|| - || Управление вычислениями. Контейнеры, итераторы. Словари, множества. Модуль collection
|22|| 10.04 / 11.04 || Введение в базы данных. SQLite
|-
|-
|3|| - || Функции (часть 1). Базовый синтаксис, генераторы.
|23|| 14.04 || Работа с геоданными. GeoPandas. Shapely. Folium
|-
|-
|4|| - || Функции (часть 2). Области видимости, замыкания, декораторы
|24|| 17.04 / 18.04 ||  
|-
|-
|5|| - || Строки и файлы
|25|| 21.04 ||  
|-
|-
|6|| - || ООП. Основные принципы и определения и базовый синтаксис. Magic-методы
|26|| 24.04 / 25.04 ||  
|-
|-
|7|| - || Лучшие практики программирования. Юнит-тестирование
|27|| 28.04 ||  
|-
|-
|8|| - || NumPy. Оптимизация кода
|28|| --- ||  
|-
|-
|9|| - || Работа с табличными данными. Pandas
|29|| --- ||  
|-
|-
|10|| - || Инструменты визуализации. Matplotlib
|30|| --- ||  
|}
|}


Строка 46: Строка 76:
# Тесты
# Тесты
# Контесты
# Контесты
# Практические проекты
# Финальный проект
# Лабораторная работа


=== Тесты ===
=== Тесты ===
* Небольшие тесты на 10 минут в начале каждого занятия
* Небольшие тесты на 10 минут в начале почти каждого занятия
* Вопросы по материалам прошлого занятия
* Вопросы по материалам прошлого занятия
* За каждый тест - 10 баллов.
* За каждый тест - 10 баллов.
Строка 56: Строка 85:
=== Контесты ===
=== Контесты ===
* Набор задач с автоматической проверкой тестирующей системой Я.Контест
* Набор задач с автоматической проверкой тестирующей системой Я.Контест
* Всего 6 тестов - после каждой темы базового блока
* Всего 6 контестов - после каждой темы базового блока
* Срок решения - 2 недели
* Срок решения - 2 недели
* За каждый контест - 10 баллов
* За каждый контест - 10 баллов
* '''Списывание детектируется и наказуемо!'''
* '''Списывание детектируется и наказуемо!'''


=== Практический проект ===
== Блок по R ==
* Проект - desktop-приложение (после ООП)
 
* Работа над кодом в несколько итераций на GitHub ('''нужен аккаунт''')
=== Превью блока ===
* Срок работы - 2 недели + 1 неделя на каждую следующую итерацию
 
* Список тем проектов будет позднее
На данном курсе мы с Вами обсудим язык R и его применение в задачах статистического анализа данных.
* Оценка за проект: зачет / незачет + до 2 доп. баллов (wow-эффект)
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)


=== Лабораторная работа ===
Итого: максимум 50 баллов + 10 доп баллов
* Анализ данных с помощью Pandas и Matplotlib
* Выдается после “Инструменты визуализации”
* Срок работы - 2 недели
* Оценка - 10 баллов
* Является блокирующей! Для получения зачета за курс необходимо набрать хотя бы 1 балл


== Команда курса ==
* Преподаватели:


* Ассистенты:
=== Финальный проект ===
* Скоро

Текущая версия от 23:24, 24 апреля 2023

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
Источник — https://wiki.atp-fivt.org/index.php?title=Python_%26_R_practice_nes_spr2023&oldid=1914