Skip to content

Data Analysis with Python, Анализ данных на python

License

Notifications You must be signed in to change notification settings

arinapav/dap_2021_spring

 
 

Repository files navigation

Data Analysis with Python, Анализ данных на python, коллекция зима-весна 2021

Идеология курса

Основная цель курса - научить вас скриптованию. По его итогам вы должны смело уметь открывать python и писать гору кода для решения всех своих проблем.

Курс представляет из себя сочетания онлайн и офлайн частей. В офлайн-части, мы на семинарах вместе что-то делаем. В основном решаем задачи. В онлайн-части, вы изучаете курс на Coursera и дополнительные материалы, которые мы выкладываем на вики-страничке.

Проверять то, как вы делаете онлайновую часть, мы не будем. Тем не менее, единственный способ научиться программировать - это много программировать. Если вы будете игнорировать онлайновую часть, довольно большой кусок практики выпадет из вашей жизни, а впоследствии на ср и кр возникнут проблемы.

Домашние задания и контрольные

Домашки:

Контрольные:

Другое:

Ссылки на тренировочные контесты к семинарам есть в README внутри каждого семинара, а также на страничке курса на wiki. Ещё раз подчёркиваем, что эти контесты никак нами не оценваются и выкладываются для того, чтобы у вас было больше возможностей для практики.

Большой план маленьких побед

Установите перед первым семинаром Anaconda. Инструкция для windows и инструкция для мака.

Anaconda - это дистрибутив для новичка. Обычно рано или поздно от него отказываются. Если вы жёсткий и вам знакомо слово терминал, можно поставить python и всё необходимое через него. Желательно сразу же делать это через pyenv.

  • sem01 Тратим полтора часа на то, чтобы запустить анаконду. Вводимся в python, git и делаем import this
  • sem02 Вводимся в циклы, условия и листы
  • sem03 Решаем на циклы, условия и листы более сложные задачи
  • sem04 Говорим о функциях
  • sem05 Говорим про словарики и множества
  • sem06 Решаем на множества и словари более сложные задачи
  • sem07 Разбираемся с библиотекой numpy и немного вспоминаем линал
  • sem08 Разбираемся с библиотекой pandas, работаем с файлами и путями
  • sem09 Разбираемся с более продвинутым pandas
  • sem10 Базовая визуализация: matplotlib и seaborn
  • sem11 Пишем свой первый парсер
  • sem12 Продвинутая визуализация: plotly
  • sem13 Работаем с различными API
  • sem14 Мастер-класс по боту

Сдача домашек и контрольных

Сдача части домашних заданий и контрольных будет происходить через Яндекс.Контест. На почты вам будут разосланы логины и пароли от него.

Другая часть будет сдаваться через github. На нём не помешает зарегистрироваться.

Самый важный раздел

Оценка ставится по формуле:

Min(10, Round(0.05 ДЗ1 + 0.1 ДЗ2 + 0.1 ДЗ3 + 0.1 ДЗ4 + 0.15 ДЗ5 + 0.1 КР + 0.3 Экз + 0.1 СР1 + 0.1 СР2 + 0.1 СР3))

Контрибьюторы и создатели

Ментально с нами <3:

Лицензия

Весь контент, созданный для этого курса распространяются на правах лицензии MIT License Материалы публикуются как общественное достояние.

About

Data Analysis with Python, Анализ данных на python

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Jupyter Notebook 100.0%