You cannot select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
DL_Course_SamU/lab_schedule_1143.md

67 lines
2.9 KiB
Markdown

# Порядок сдачи лабораторных
----------------------------
Для выполнения лабораторных работ требуется сначала установить на свой компьютер Python 3.10. Скачать можно [здесь](https://www.python.org/downloads/)
Далее требуется установить Jupyter Notebook, гайд [здесь](https://jupyter.org/install).
Для windows:
- Нажать win+R
- Напечатать во всплывшем окне cmd
- В появившейся консоли ввести pip install jupyterlab или pip install notebook
- Для того чтобы открыть jupyter в консоли вводим jupyter-lab или jupyter-notebook в зависимости от предыдущего шага
## Лабораторная №1
### Базовый Python
Будут рассмотрены типы данных, операторы, функции, классы и их применение в языке и примеры задач.
Ссылка на лабораторную работу:
## Лабораторная №2
### Практические задачи Python
Будут представлены для самостоятельного решения задачи:
- Работа со строками
- Работа со списками
- Создание функций для решения задач
- Создание классов
Ссылка на лабораторную работу:
## Лабораторная №3
### Введение в numpy, pyplot, pandas
Будут рассмотрены кейсы применения данных модулей.
Pandas как альтернатива маленьким БД и работе в excel.
Графическое представление данных.
Ссылка на лабораторную работу:
## Лабораторная №4
### Практические задачи numpy, pyplot, pandas
Будут представлены для самостоятельного решения задачи:
- Создание матриц заданной размерности и работа с ними
- Генерация псевдослучайных последовательностей
- Работа с данными в Pandas
- Графическое представление данных
Ссылка на лабораторную работу:
## Лабораторная №5
### Введение в ML (sklearn)
в разработке...
## Лабораторная №6
### Практические задачи ML (sklearn)
в разработке...
## Лабораторная №7
### Введение в DL (pytorch)
в разработке...
## Лабораторная №8
### Практические задачи DL (pytorch)
в разработке...