https://github.com/alexeyev/hse-spb-bigdata-python-fall2016

Материалы к курсу по программированию и инструментам анализа данных, прочитанному в петербургском филиале НИУ ВШЭ осенью 2016 года
https://github.com/alexeyev/hse-spb-bigdata-python-fall2016

course-materials data-analysis numpy pandas python scikit-learn sklearn

Last synced: 19 days ago
JSON representation

Материалы к курсу по программированию и инструментам анализа данных, прочитанному в петербургском филиале НИУ ВШЭ осенью 2016 года

• Host: GitHub
• URL: https://github.com/alexeyev/hse-spb-bigdata-python-fall2016
• Owner: alexeyev
• Created: 2017-09-01T00:32:30.000Z (over 7 years ago)
• Default Branch: master
• Last Pushed: 2017-09-01T00:35:53.000Z (over 7 years ago)
• Last Synced: 2024-11-11T01:37:06.841Z (3 months ago)
• Topics: course-materials, data-analysis, numpy, pandas, python, scikit-learn, sklearn
• Language: Jupyter Notebook
• Homepage:
• Size: 1.73 MB
• Stars: 4
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
## Вспомогательные материалы к курсу 

**Python and data analysys tools course**

**(NRU HSE, St. Petersburg, 2016)**

0. Знакомство с Python: история, "философия", основные операции

1. Основные операторы.

2. Списки и двухмерные массивы.

3. Кортежи, дополнительные циклы и управляющие конструкции.

4. Работа со строками и текстовыми файлами.

5. Коллекции и функции в Python.

6. Функциональное программирование и Python.

7. Введение в ООП на Python.

8. Основы работы в консоли Linux.

9. Регулярные выражения в Python. Bonus: sed.

10. Введение в numpy.

11. Обзор средств для работы с распространёнными форматами данных: tsv, csv, XML, JSON.

12. scipy.sparse, pandas

13. scikit-learn: задача классификации

14. scikit-learn: unsupervised learning (только задача кластеризации)

15. scikit-learn: задача регрессии; регуляризация.

16. Прочие инструменты анализа данных (nltk, spacy, skimage, keras, networkx, ...).