https://wikicshse.ru/index.php?action=history&feed=atom&title=%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%98%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85%2F%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85%2F%D0%98%D0%90%D0%94-2
Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-2 - История изменений
2026-06-07T16:11:59Z
История изменений этой страницы в вики
MediaWiki 1.45.3
https://wikicshse.ru/index.php?title=%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%98%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85/%D0%98%D0%90%D0%94-2&diff=1302&oldid=prev
imported>Blackitten13: /* События */
2019-05-21T20:19:35Z
<p><span class="autocomment">События</span></p>
<p><b>Новая страница</b></p><div>==Организационная информация==<br />
Семинарист: Евгений Ковалев (telegram: @blacKitten13)<br />
<br />
Ассистент: Максим Мухортов (telegram: @mmukhortov)<br />
<br />
==Основные ссылки==<br />
<br />
[https://t-do.ru/joinchat/Cci01Uimqi_CsH7T0NKoOQ Чат в Telegram]<br />
<br />
[https://github.com/blacKitten13/minor2019-iad2 Страница группы на github.com]<br />
<br />
==События==<br />
<br />
29.05 - проверочная №4 по лекциям 8-10, основные темы: решающие деревья, композиции (случайный лес, бустинг)<br />
<br />
24.05 - дедлайн дз №3 (в 23:59)<br />
<br />
22.05 - ПЕРЕНОСИТСЯ НА НЕДЕЛЮ проверочная №4<br />
<br />
24.04 - контрольная работа для тех, кто не писал в 17.04 по причине сдачи IELTS<br />
<br />
17.04 - контрольная работа<br />
<br />
03.04 - два семинара (с 10:30 до 13:30) и проверочная №3 по лекциям 6-7, основные темы: линейная классификация, метрики качества классификации.<br />
<br />
20.03 - семинара и проверочной не будет, переносятся на следующую неделю<br />
<br />
17.03 - дедлайн дз №2 (в 23:59)<br />
<br />
27.02 - проверочная №2 по лекциям 3-5, основные темы: kNN, линейная регрессия.<br />
<br />
10.02 - дедлайн дз №1 (в 23:59)<br />
<br />
06.02 - два семинара (с 12 до 15) и проверочная №1 (основные определения). Занятия пройдут на ФКН (Кочновский проезд, дом 3), аудитория 301.<br />
<br />
30.01 - семинара и проверочной не будет, переносятся на следующую неделю<br />
<br />
==Полезные ссылки==<br />
<br />
'''''Начало работы'''''<br />
<br />
* Anaconda (дистрибутив для Python, содержащий в том числе Jupyter Notebook и сам Python): https://www.anaconda.com/download/ - рекомендуется версия Python 3.6 или больше; не забудьте выбрать нужную операционную систему!<br />
* документация по Jupyter: https://jupyter.readthedocs.io/en/latest/<br />
* документация по pip (для установки пакетов в Python с помощью pip install): https://pip.readthedocs.io/en/latest/<br />
* PyCharm: https://www.jetbrains.com/pycharm/<br />
<br />
'''''Общее'''''<br />
<br />
* для любых вопросов: https://www.google.com/<br />
* для (почти) любых ответов: https://stackoverflow.com/<br />
* профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных: http://www.machinelearning.ru/wiki/index.php?title=Заглавная_страница<br />
* A visual introduction to machine learning: http://www.r2d3.us/visual-intro-to-machine-learning-part-1/<br />
<br />
'''''Python & Jupyter'''''<br />
<br />
* A Crash Course in Python for Scientists: http://nbviewer.jupyter.org/gist/rpmuller/5920182<br />
* A Gallery of interesting Jupyter Notebooks: https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks<br />
* Markdown Cheatsheet: https://github.com/adam-p/markdown-here/wiki/Markdown-Cheatsheet<br />
<br />
'''''numpy'''''<br />
<br />
* документация: http://www.numpy.org/<br />
* Python Numpy Array Tutorial: https://www.datacamp.com/community/tutorials/python-numpy-tutorial<br />
* 100 numpy exercises: http://www.labri.fr/perso/nrougier/teaching/numpy.100/<br />
<br />
'''''pandas'''''<br />
<br />
* документация: http://pandas.pydata.org/pandas-docs/stable/<br />
* 10 minutes to pandas: https://pandas.pydata.org/pandas-docs/stable/10min.html<br />
* Pandas Tutorial: DataFrames in Python: https://www.datacamp.com/community/tutorials/pandas-tutorial-dataframe-python<br />
* Cheet Sheet: https://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/<br />
* Visualization: http://pandas.pydata.org/pandas-docs/stable/visualization.html<br />
<br />
'''''sklearn'''''<br />
<br />
* документация и многое другое: http://scikit-learn.org/stable/<br />
<br />
'''''Другие библиотеки'''''<br />
<br />
* matplotlib: https://matplotlib.org/users/pyplot_tutorial.html<br />
* seaborn: http://seaborn.pydata.org/<br />
<br />
'''''Онлайн-курсы'''''<br />
<br />
* Andrew Ng, "Machine Learning": https://www.coursera.org/learn/machine-learning<br />
* ВШЭ & Яндекс, «Введение в машинное обучение»: https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie<br />
* ВШЭ & Яндекс, специализация "Advanced Machine Learning": https://www.coursera.org/courses?query=advanced%20machine%20learning (более продвинутый уровень)<br />
* обзор онлайн-курсов Coursera: https://habr.com/post/248069/<br />
* Dataquest: https://www.dataquest.io/<br />
* Learn Python: https://www.codecademy.com/learn/learn-python<br />
<br />
'''''Соревнования'''''<br />
<br />
* Kaggle: https://www.kaggle.com/<br />
* DrivenData: https://www.drivendata.org/<br />
<br />
'''''For fun'''''<br />
<br />
* http://tylervigen.com/spurious-correlations<br />
* http://blog.yhat.com/posts/7-funny-datasets.html<br />
* https://vk.com/weirdreparametrizationtrick</div>
imported>Blackitten13