|
|
# Порядок сдачи лабораторных
|
|
|
----------------------------
|
|
|
|
|
|
Для выполнения лабораторных работ требуется сначала установить на свой компьютер Python 3.10. Скачать можно [здесь](https://www.python.org/downloads/).
|
|
|
Убедитесь что при установке поставили галочку рядом с пунктом add python 3.10.x to PATH
|
|
|
|
|
|
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
|
|
|
|
|
|
Так же можно это сделать через PowerShell:
|
|
|
- открыть его через поиск по программам или нажав в проводнике (любая папка) на пустое место с зажатой клавишей Shift, найти строчку "открыть окно PowerShell здесь" и нажать
|
|
|
- Повторить последние два пункта из варианта выше
|
|
|
|
|
|
|
|
|
## Лабораторная №1
|
|
|
### Базовый Python
|
|
|
Будут рассмотрены типы данных, операторы, функции, классы и их применение в языке и примеры задач. Скачайте на свой компьютер, запустите в jupyter-lab/notebook, изучите и выполните задания после разделов.
|
|
|
|
|
|
Ссылка на лабораторную работу: https://github.com/kvvik/DL_Course_SamU/blob/master/1147/lab_1.ipynb
|
|
|
|
|
|
## Лабораторная №2
|
|
|
### Практические задачи Python
|
|
|
Будут представлены для самостоятельного решения задачи:
|
|
|
- Работа со строками
|
|
|
- Работа со списками
|
|
|
- Создание функций для решения задач
|
|
|
|
|
|
Ссылка на лабораторную работу: https://github.com/kvvik/DL_Course_SamU/blob/master/1147/Lab_2.ipynb
|
|
|
|
|
|
## Лабораторная №3
|
|
|
### Введение в numpy, pyplot, pandas
|
|
|
Будут рассмотрены кейсы применения данных модулей.
|
|
|
Pandas как альтернатива маленьким БД и работе в excel.
|
|
|
Анализ данных.
|
|
|
Графическое представление данных.
|
|
|
|
|
|
Ссылка на лабораторную работу: https://github.com/kvvik/DL_Course_SamU/blob/master/1147/lab_3.ipynb
|
|
|
|
|
|
## Лабораторная №4
|
|
|
### Введение и практические задачи в ML (sklearn)
|
|
|
Задачи регрессии и классификации.
|
|
|
Использование sklearn для решения задач.
|
|
|
|
|
|
Ссылка на лабораторную работу: https://github.com/f-neumann77/DL_Course_SamU/blob/master/1147/lab_4_regression_and_classification.ipynb
|
|
|
|
|
|
## Лабораторная №5
|
|
|
### Введение в DL (pytorch)
|
|
|
Будет рассмотрена простая сверточная нейронная сеть для решения задачи классификации изображений.
|
|
|
|
|
|
Ссылка на лабораторную работу: https://colab.research.google.com/drive/1QdQekU1T6rqNN0bEtrdRZmJ4CjgN-qMV?usp=sharing
|
|
|
|
|
|
|
|
|
|
|
|
## Лабораторная №7
|
|
|
### Практические задачи DL (pytorch)
|
|
|
в разработке...
|
|
|
|