Памятка для себя, чтобы ничего не забыть.
В рамках самостоятельной работы предлагаем вам ознакомиться со следующими материалами:
1. Видеоматериал https://youtu.be/MwlgWMK_GZE
2. Различные типы инструментов анализа данных https://asu-analitika.ru/10-instrumentov-analitiki-dannyh/
https://new-science.ru/13-luchshih-instrumentov-dlya-analiza-dannyh/
3. Основные инструменты для анализа данных https://xmldatafeed.com/osnovnye-instrumenty-analiza-dannyh-otkrojte-dlya-sebya-spisok-iz-14-luchshih-programm-i-instrumentov-analiza/
1. Видеоматериал https://youtu.be/lDkTNURDIaY
2. Аналитик данных и data scientist: в чем отличие? https://cs.hse.ru/news/454940789.html
3. Профессия аналитик данных https://www.kp.ru/putevoditel/obrazovanie/analitik/analitik-dannykh/
1. Презентация. Особенности Big Data https://ppt-online.org/645028
2. Data science в мире больших данных // Силен, Мейсман, Мохамед: Основы Data Science и Big Data. Python и наука о данных. – СПб.: Питер, 2017. – С. 18-28.
3. Презентация. Источники получения данных https://ppt-online.org/876630
1. Python. Официальный сайт. https://www.python.org/
2. Простые задачи // Копец Дэвид, Классические задачи Computer Science на языке Python. - СПб.: Питер, 2020. – С. 25-47.
3. Тренажер Python наViXtract https://demo.vixtract.ru/
4. Тренажер Питонтьютер https://pythontutor.ru/
1. Переменные, выражения и инструкции // Дауни Аллен, Основы Python. Научитесь думать как программист / Аллен Б. Дауни ; пер. с англ. С. Черникова ; [науч. ред. А. Родионов]. — Москва : Манн, Иванов и Фербер, 2021. — С. 34-43.
2. Примеры решения задач на Python, упражнения и пр. (Дауни Аллен). https://github.com/AllenDowney/ThinkPython2/tree/master/code
3. Отладка // Дауни Аллен, Основы Python. Научитесь думать как программист / Аллен Б. Дауни ; пер. с англ. С. Черникова ; [науч. ред. А. Родионов]. — Москва : Манн, Иванов и Фербер, 2021. — С. 276-283.
4. Тренажер Питонтьютер https://pythontutor.ru/
1. Функции // Дауни Аллен, Основы Python. Научитесь думать как программист / Аллен Б. Дауни ; пер. с англ. С. Черникова ; [науч. ред. А. Родионов]. — Москва : Манн, Иванов и Фербер, 2021. — С. 44-55.
2. 8 структур данных Python https://bestprogrammer.ru/programmirovanie-i-razrabotka/8-struktur-dannyh-python
3. Функции // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. - С. 44-45
4. Тренажер Питонтьютер https://pythontutor.ru/
1. Условие и рекурсия // Дауни Аллен, Основы Python. Научитесь думать как программист / Аллен Б. Дауни ; пер. с англ. С. Черникова ; [науч. ред. А. Родионов]. — Москва : Манн, Иванов и Фербер, 2021. — С. 73-85.
2. Итерации // Дауни Аллен, Основы Python. Научитесь думать как программист / Аллен Б. Дауни ; пер. с англ. С. Черникова ; [науч. ред. А. Родионов]. — Москва : Манн, Иванов и Фербер, 2021. — С. 104-112.
3. Тренажер Питонтьютер https://pythontutor.ru/
4. Тренажер Google Colab https://colab.research.google.com/
1. ETL инструмент с открытым кодом на основе Python https://habr.com/ru/company/visiology/blog/536734/
2. Пакет NumPy. Краткое введение http://pyviy.blogspot.ru/2009/09/numpy.html
3. Лекции по научным вычислениям с Python https://github.com/jrjohansson/scientific-python-lectures
4. Тренажер Питонтьютер https://pythontutor.ru/
1. Файлы // Дауни Аллен, Основы Python. Научитесь думать как программист / Аллен Б. Дауни ; пер. с англ. С. Черникова ; [науч. ред. А. Родионов]. — Москва : Манн, Иванов и Фербер, 2021. — С. 201-213.
2. Примеры по созданию ETL инструмента в ViXtract https://github.com/visiologyofficial/vixtract
3. Чтение файлов // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. - С. 139-143
4. Тренажер Питонтьютер https://pythontutor.ru/
1. Примеры решения задач на Python по скрапингу веб-сайтов (Райан Митчелл). https://github.com/REMitchell/python-scraping
2. Разработка веб-скраперов // Райан Митчелл, Современный скрапинг веб-сайтов с помощью Python. 2-е межд. издание . — СПб.: Питер, 2021. – С. 16- 22.
3. HTML и его разбор // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 143-145.
4. Тренажер Google Colab https://colab.research.google.com/
1. Введение в работу с библиотекой Requests в Python https://www.digitalocean.com/community/tutorials/how-to-get-started-with-the-requests-library-in-python-ru
2. Видеоматериал. Изучаем API сервиса https://youtu.be/0x0hOdvhCXU
3. Использование интерфейсов API // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 148-150.
4. Разница между JSON и XML https://mega-obzor.ru/raznica-mezhdu-json-i-xml.html
1. Знакомство с BeautifulSoup //Райан Митчелл, Современный скрапинг веб-сайтов с помощью Python. 2-е межд. издание . — СПб.: Питер, 2021. – С. 23- 36.
2. Видеоматериал. Скрейпинг сайтов с помощью библиотек Beautifulsoup и Requests на Python https://youtu.be/0ws5tsRBgL8
3. Углубленный синтаксический анализ HTML-кода //Райан Митчелл, Современный скрапинг веб-сайтов с помощью Python. 2-е межд. издание . — СПб.: Питер, 2021. – С. 37- 62.
4. Разработка веб-краулеров //Райан Митчелл, Современный скрапинг веб-сайтов с помощью Python. 2-е межд. издание . — СПб.: Питер, 2021. – С. 65-89.
1. Предварительная обработка данных https://habr.com/ru/post/511132/
2. Методы предобработки данных. Введение https://predictica.ru/besplatnye-materialy/obzor_metodov_predobrabotki_dannykh_vvedenie/
3. Предварительная обработка данных https://pythobyte.com/data-preprocessing-0cb9135c/
4. Тренажер Google Colab https://colab.research.google.com/
1. Способы визуального представления данных. Методы визуализации. Визуализация данных в науке и технике https://qzoreteam.ru/sposoby-vizualnogo-predstavleniya-dannyh-metody-vizualizacii/
2. Анализ данных и виды диаграмм: как выбрать визуализацию https://alexkolokolov.com/ru/blog/kak-vybrat-diagrammu-bazovaya-vizualizaciya-i-vidy-analiza
3. Исследовательский анализ данных https://storage.piter.com/upload/contents/978549602517/978549602517_p.pdf
4. Тренажер Google Colab https://colab.research.google.com/
1. Обзор Knime Analytics Platform — open source системы для анализа данных https://habr.com/ru/post/320500/
2. Прохождение теста.
3. Видеоматериал https://www.youtube.com/watch?v=BIfhgll6TNY
4. Руководство по началу работы с KNIME https://www.knime.com/getting-started-guide
1. Matplotlib: Научная графика в Python https://pythonworld.ru/novosti-mira-python/scientific-graphics-in-python.html
2. Библиотека Matplotlib в Python https://pythonim.ru/libraries/biblioteka-matplotlib-v-python
3. Визуализация данных // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 70-76.
4. Seaborn и Plotly https://www.kaggle.com/code/kashnitsky/topic-2-part-2-seaborn-and-plotly/notebook
1. Моделирование баз данных // Куликов, С. C. Реляционные базы данных в примерах : практическое пособие для программистов и тестировщиков / С. С. Куликов. — Минск: Четыре четверти, 2020. — С. 8-20
2. Язык SQL. Основные понятия http://moonexcel.com.ua/%D1%83%D1%80%D0%BE%D0%BA%D0%B8-sql1-%D1%8F%D0%B7%D1%8B%D0%BA-%D0%BE%D1%81%D0%BD%D0%BE%D0%B2%D0%BD%D1%8B%D0%B5-%D0%BF%D0%BE%D0%BD%D1%8F%D1%82%D0%B8%D1%8F_ru
3. Отношения, ключи, связи, индексы // Куликов, С. C. Реляционные базы данных в примерах : практическое пособие для программистов и тестировщиков / С. С. Куликов. — Минск: Четыре четверти, 2020. — С. 21-50
1. Тренажер по SQL https://www.w3schools.com/sql/sql_syntax.asp
2. Базы данных и SQL // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 362-367.
3. Выборка данных (SELECT) http://moonexcel.com.ua/%D1%83%D1%80%D0%BE%D0%BA%D0%B8-sql2-%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%BA%D0%B0-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85-select_ru
В рамках самостоятельной работы предлагаем вам ознакомиться со следующими материалами:
1. Объединение таблиц (INNER JOIN) http://moonexcel.com.ua/%D1%83%D1%80%D0%BE%D0%BA%D0%B8-sql10-%D0%BE%D0%B1%D1%8A%D0%B5%D0%B4%D0%B8%D0%BD%D0%B5%D0%BD%D0%B8%D0%B5-%D1%82%D0%B0%D0%B1%D0%BB%D0%B8%D1%86-inner-join_ru
2. Тренажер по SQL https://www.w3schools.com/sql/sql_syntax.asp
3. Инструкция Join // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 373-376.
4. Тренажер по SQL https://sql-ex.ru/learn_exercises.php
1. Группировка данных (GROUP BY) http://moonexcel.com.ua/%D1%83%D1%80%D0%BE%D0%BA%D0%B8-sql8-%D0%B3%D1%80%D1%83%D0%BF%D0%BF%D0%B8%D1%80%D0%BE%D0%B2%D0%BA%D0%B0-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85-group-by_ru
2. Тренажер по SQL https://sql-ex.ru/learn_exercises.php
3. Тренажер по SQL. https://www.pgexercises.com/
4. SQL: подзапросы, их виды, корректное использование https://function-x.ru/sql_subqueries.html
1. MapReduce https://www.bigdataschool.ru/wiki/mapreduce
2. Машинное обучение: алгоритмы, виды, задачи, функции https://otus.ru/nest/post/1224/
3. Машинное обучение // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 179-189.
1. Деревья решений // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 239-251.
2. Классификаторы дерева решений // Скиена, Стивен С. Наука о данных: учебный курс. : Пер. с англ. - СПб. : ООО "Диалектика", 2020. – С. 394-404.
3. Ассоциативные правила https://basegroup.ru/deductor/function/algorithm/association-rules
4. Введение в анализ ассоциативных правил https://loginom.ru/blog/associative-rules
1. Кластеризация методом k-средних // Копец Дэвид, Классические задачи Computer Science на языке Python. - СПб.: Питер, 2020. – С. 149-166.
2. Документация для начинающего https://hub.knime.com/knime/spaces/Beginners%20Space/latest/01_Read~CWacr76DCwxq-zpm/
3. Задачи классификации // Копец Дэвид, Классические задачи Computer Science на языке Python. - СПб.: Питер, 2020. – С. 185-190.
4. Кластеризация // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 288-301.
1. Простейшие нейронные сети // Копец Дэвид, Классические задачи Computer Science на языке Python. - СПб.: Питер, 2020. – С. 167-182.
2. Нейронные сети // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербург, 2021. – С. 252-261.
3. Нейронные сети на Python https://kpfu.ru/portal/docs/F_1458204831/Nejronnye.seti.na.Python.pdf
1. Описательная статистика на Python http://chel-center.ru/python-yfc/2020/02/13/opisatelnaya-statistika-na-python-chast-2/
2. Статистика // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 88-100.
3. Статистический анализ // Скиена, Стивен С. Наука о данных: учебный курс. : Пер. с англ. - СПб. : ООО "Диалектика", 2020. – С. 167-202.
1. Корреляционный анализ // Скиена, Стивен С. Наука о данных: учебный курс. : Пер. с англ. - СПб. : ООО "Диалектика", 2020. – С. 68-77.
2. Python, корреляция и регрессия: часть 1 https://habr.com/ru/post/557998/
3. Корреляционный регрессионный анализ в Python https://pythobyte.com/correlation-regression-analysis-aa39194c/
1. Простая линейная регрессия // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 210-215.
2. Python, корреляция и регрессия: часть 2 https://habr.com/ru/post/558084/
3. Регрессионные модели в Python https://nagornyy.me/it/regressionnye-modeli-v-python/
1. Вероятность // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 101-110.
2. Наивный байесовский классификатор http://bazhenov.me/blog/2012/06/11/naive-bayes.html
3. Основы теории вероятностей с помощью Python https://habr.com/ru/post/654407/
1. Вероятность // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 101-110.
2. Наивный байесовский классификатор http://bazhenov.me/blog/2012/06/11/naive-bayes.html
3. Основы теории вероятностей с помощью Python https://habr.com/ru/post/654407/
1.Рекомендательные системы // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 348-360.
2. Создаем рекомендательную систему с помощью языка Python https://vc.ru/dev/151509-sozdaem-rekomendatelnuyu-sistemu-s-pomoshchyu-yazyka-python
3. Видеоматериал. Построение рекомендательной системы на Python https://www.youtube.com/watch?v=3MEe5IzBJk4&ab_channel=AvitoTech
1. Разведовательный анализ данных // Грас Д., Data Science. Наука о данных с нуля: Пер. с англ. - 2-е изд., перераб. и доп. - СПб.: БХВ-Петербурr, 2021. – С. 156-169.
2. Разведочный анализ данных в Python https://waksoft.susu.ru/2021/07/23/issledovatelskij-analiz-dannyh-v-python-rukovodstvo-dlya-novichkov-na-2021-god
3. Делаем проект по машинному обучению на Python. https://habr.com/ru/company/nix/blog/425253/
Комментариев нет:
Отправить комментарий